Estudio sobre la determinación del contenido en sal en el jamón Ibérico mediante Imágenes de Resonancia Magnética

La industria de alimentos y bebidas es la cuarta en importancia económica en nuestro país, suponiendo el sector cárnico más de un 20% del total del beneficio generado. Entre los productos cárnicos, los productos derivados del cerdo Ibérico tienen una gran importancia en el mercado nacional, lo que refleja la existencia de 4 Denominaciones de Origen Protegidas (DOP) para lomo, paleta y jamón Ibérico en España.

La calidad del jamón Ibérico depende de sus parámetros físico-químicos, que están ligados a las características de la materia prima y a las condiciones del proceso de maduración. La elaboración de estos productos se fundamenta en un aporte de sal y un proceso posterior de desecación. El aporte de sal es crucial para controlar el crecimiento microbiano y la consecuente putrefacción del jamón y su consecuente pérdida económica (Córdoba y col., 2001). Además, el contenido de sal también influye en la actividad enzimática de los músculos del jamón y en la solubilización de las proteínas, lo que determina la textura del producto. De hecho, un aporte reducido de sal da lugar a la aparición de texturas pastosas en el jamón (Toldrá y col., 1997). Por lo tanto, el contenido de sal no solo influye en los atributos relacionados con el sabor salado del jamón, sino también en otras características de calidad, como puede ser la textura o la aparición de un flavor desagradable (Pérez-Palacios y col., 2011a).

El procesado del jamón Ibérico está basado la adición de sal para su posterior difusión en el interior de la pieza, a bajas temperaturas (3-4 ºC) y con una alta humedad relativa (alrededor del 90%). Tras el salado, la temperatura se incrementa hasta los 8-10 ºC y la humedad relativa decrece hasta un 75% aproximadamente. Esta es la etapa de postsalado y dura alrededor de 90 días en los jamones Ibéricos. Durante esta etapa, la sal debería distribuirse por la pieza entera de manera uniforme (Andrés y Ruiz, 2001).

El método de análisis para cuantificar el contenido de sal en el jamón Ibérico es tedioso, conlleva el uso de disolventes orgánicos, además consume mucho tiempo y conlleva la destrucción de las piezas cárnicas. Como alternativa a estos métodos destructivos de análisis, han surgido en las últimas décadas diferentes técnicas de análisis no destructivos a partir de imágenes, como las imágenes de resonancia magnética (MRI).

La técnica de MRI permite un análisis no destructivo, no invasivo, no ionizante e inocuo. Las características de las imágenes dependen de parámetros relacionados con la adquisición de las mismas como son: la secuencia de adquisición (Pérez-Palacios y col., 2015) y el tiempo de relajación del espín magnético, T1 y T2 (Fantazzini y col., 2005), siendo la combinación más aplicada Spin Echo (SE) y T1.

El empleo de MRI como técnica de análisis en carne y productos cárnicos supone el análisis de las imágenes obtenidas. Para ello, se han aplicado algoritmos de textura computacional, que transforman la imagen en datos numéricos, sobre los que finalmente se aplican técnicas estadísticas, como el coeficiente de correlación de Pearson o el Análisis de Componentes Principales (PCA) (Antequera y col., 2007). En los últimos años se han empezado a utilizar técnicas más potentes de análisis de datos, como la de minería de datos para analizar los datos obtenidos de las imágenes MRI, lo que ha permitido mejorar de forma notable los resultados (Pérez-Palacios y col., 2014).

Así, este estudio tiene dos objetivos principales:

• Clasificar jamones Ibéricos en función del tiempo de postsalado y
• Predecir el contenido en sal en esta de forma no destructiva mediante el empleo de MRI-textura computacional y minería de datos.

Para el desarrollo de este estudio se partió un lote de 20 jamones frescos que se salaron de forma tradicional (Figura 1) a razón de 1 día/kg, y que fueron analizados (MRI y cantidad de sal mediante el método tradicional) a los 0, 15, 30, 45, 60 y 90 días de postsalado.

Para la adquisición de imágenes MRI de jamón, se ha empleado un scanner de alto campo magnético (Philips Gyroscan NT Intera 1.5 T). Estas imágenes MRI fueron adquiridas usando la secuencia de adquisición Spin Echo (SE) y el tiempo de relajación del espín magnético T1.

Para analizar las imágenes MRI se aplicaron diferentes algoritmos de texturas computacionales (Caballero y col. 2018a). Para ello, en primer lugar, se seleccionaron los músculos Bíceps femoral y el Semimembranoso mediante algoritmos de Contornos Activos (Caro y col., 2012) (Figura 2), y después se determinó una región de interés (ROI) (Molano y col., 2012) en ellos. Sobre la ROI se aplicaron diferentes algoritmos de características de texturas computacionales (Gray Level Co-occurrence Matrix –GLCM–, Gray Level Run Length Method –GLRLM– y Neighbouring Gray Level Dependence Matrix –NGLDM–) (Caballero y col., 2018a).

El contenido en sal se determinó en los músculos Bíceps femoral y el Semimembranoso mediante el método oficial de análisis (A.O.A.C., 2000).

En primer lugar, se construyó una base de datos con los datos obtenidos del análisis de las imágenes MRI y del contenido en sal mediante el método oficial. Sobre esta base de datos se aplicaron diferentes técnicas de minería de datos: i) técnicas de clasificación (Arboles de decisión –AD–) (Caballero y col., 2018b) y ii) predictivas (Regresión Lineal Múltiple –RLM–) (Pérez-Palacios y col., 2014). Para evaluar la calidad de la clasificación realizada se aplicó el porcentaje de clasificación correcta y para las técnicas predictivas se aplicó el coeficiente de correlación de Pearson (R) y el error medio absoluto (MAE).

El análisis de clasificación consistió en clasificar cada uno de los músculos analizados del jamón en función del tiempo de postsalado. La Tabla 1 muestra los resultados obtenidos para el músculo Semimembranoso. Se puede observar que el porcentaje de clasificación correcta obtenida fue superiores al 60% en todos los casos. Teniendo en cuenta los diferentes algoritmos de texturas computacionales, GLCM alcanzó el mayor porcentaje de clasificación correcta a 0, 30, 60 y 90 días de postsalado (85,74%, 71,67%, 71,99% y 84,39%, respectivamente) y el algoritmo GLRLM a los 15 y 45 días de postsalado (81,65% y 76,54%, respectivamente).

Tabla 1. Porcentaje de clasificación correcta del músculo Semimembranoso en función del tiempo de postsalado mediante diferentes algoritmos de texturas computacionales.

La tabla 2 muestra los resultados de clasificación obtenidos para el músculo Bíceps femoral. En esta tabla se puede observar que al igual que en el caso del Semimembranoso, el porcentaje de clasificación correcta fue superior al 60% en todos los casos. Respecto a los diferentes algoritmos de texturas computacionales, GLCM alcanzo los porcentajes de clasificación correcta más altos a los 0, 30 y 90 días de postsalado (83,53%, 71,20% y 77,81%, respectivamente) y el algoritmo GLRLM a los 15, 45 y 60 días (80,25%, 83,39% y 82,95%, respectivamente).

Tabla 2. Porcentaje de clasificación correcta del músculo Bíceps Femoral en función del tiempo de postsalado mediante diferentes algoritmos de texturas computacionales.

En ambos casos, comparando los algoritmos de texturas computacionales, los mejores resultados se alcanzaron aplicando el algoritmo GLCM obteniendo un porcentaje de clasificación correcta al 71%.

La aplicación de técnicas de predicción sobre la base de datos construida da lugar a la obtención de ecuaciones de predicción para la sal en función de las características computacionales obtenidas de las imágenes MRI (se muestra un ejemplo en la Tabla 3). En este estudio se han obtenido, para cada músculo, 3 ecuaciones diferentes, una por cada método de textura computacional. Para la validación de las ecuaciones se ha calculado el R y MAE (Tabla 4). Los mejores resultados de predicción fueron obtenidos aplicando el algoritmo GLCM (R > 0,98, MAE < 0,01). No obstante, el algoritmo GLRLM también alcanzó correlaciones muy buenas (R > 0,75) y el NGLDM un poco inferiores, pero aceptables (R > 0,65).

A continuación, se muestra el ajuste entre los valores de sal obtenidos en los músculos Semimembranoso (Figura 3A) y Bíceps femoral (Figura 3B) cuando se aplica el método de análisis tradicional y el método basado en MRI descrito en este estudio.

Figura 3. Ajuste entre los valores obtenidos por el método oficial (azul) y el método basado en MRI (naranja) para los músculos A) Semimembranoso y B) Bíceps Femoral de los distintos jamones del estudio.

Los resultados obtenidos indican la capacidad del empleo de MRI-textura computacional y minería de datos para determinar el contenido de sal en diferentes músculos del jamón Ibérico a lo largo de la etapa de postsalado. Podría indicarse, el uso de GLCM como algoritmo de textura computacional para alcanzar resultados más precisos de clasificación y predicción. En futuros estudios, un mayor número de muestras deberían ser utilizadas con el objetivo aumentar de fiabilidad de esta técnica y poder se implantada en las industrias cárnicas.

Referencias bibliográficas

• Andrés, A.I., Ruiz, J. (2001). Tecnología del salazonado del Jamón Ibérico. In: Ventanas, J. (ed.). Tecnología del jamón Ibérico. (pags. 227-253). Ed. Mundi-Prensa. Madrid, España.
• Antequera, T., Caro, A., Rodríguez, P.G. y Pérez-Palacios, T. (2007). Monitoring the ripening process of Iberian ham by Computer vision on magnetic resonance imaging. Meat Science, 76, 561-567.
• Association of Official Analytical Chemist (2000). Official methods of analysis of AOAC International. Vols. 1 y 2. Ed. AOAC International. Gaithersburg, Maryland, Estados Unidos.
• Caballero, D., Caro, A., Dahl, A.B., Ersboll, B.K., Amigo, J.M., Pérez-Palacios, T. y Antequera, T. (2018a). Comparison of different image analysis algorithms on MRI to predict physico-chemical and sensory attributes of loin. Chemometrics and Intelligent Laboratory Systems, 180, 54-63.
• Caballero, D., Asensio, M., Fernández, C., Martín, N., Silva, A. (2018b). Classifying different Iberian pig genetic lines by applying chemical-instrumental parameters of dry-cured Iberian shoulders. Journal of the Food Science and Technology, 55(11), 4589-4599.
• Caro, A., Rodríguez, P.G., Durán, M.L. y Antequera, T. (2012). Active contours for real time applications. In Fourier, M.D. (ed). Perspectives on pattern recognition. Ed. Nova Science Publishers. Nueva York, Estados Unidos.
• Córdoba, J.J., Aranda, E., Benito, J.M. (2001). Alteraciones originadas por microorganismos ácaros e insectos en jamones Ibéricos. In: Ventanas, J. (ed). Tecnología del jamón Ibérico (pags. 465-488). Ed. Mundi-Prensa. Madrid, España.
• Fantazzini, P., Bortolotti, V., Garavaglia, C., Gombia, M., Riccardi, S., Schembri, P, Virgili, R. y Bordini, C.S. (2005). Magnetic Resonance Imaging and relaxation analysis to predict non-invasively and non-destructively salt-to-moisture ratios in dry-cured meat. Magnetic Resonance Imaging, 23, 359-361.
• Molano, R., Rodríguez, P.G., Caro, A. y Durán, M.L. (2012). Finding the largest area rectangle of arbitrary orientation in a closed contour. Applied mathematics and computation, 218, 9866-9874.
• Pérez-Palacios, T., Ruiz, J., Martín, D., Barat, J.M., Antequera, T. (2011a). Pre-cure freezing effect on physico-chemical, texture and sensory characteristics of Iberian ham. Food Science and Technology International, 17, 127-133.
• Pérez-Palacios, T., Caballero, D., Caro, A., Rodríguez, P.G. y Antequera, T. (2014). Applying data mining and Computer vision techniques to MRI to estimate quality traits in Iberian hams. Journal of Food Engineering, 131, 82-88.
• Pérez-Palacios, T., Caballero, D., Caro, A. y Antequera, T. (2015). Low Field magnetic resonance imaging and computational texture features to predict moisture and lipid content of loins. IV Farm Animal Imaging Conference. Edimburgo, Reino Unido.
• Todrá, F., Flores, M., Sanz, Y. (1997). Dry-cured ham flavour: enzymatic generation and process influence. Food Chemistry, 59, 523-530.