Conozca su miel

La miel fraudulenta es una amenaza mundial para la apicultura.
La IA y blockchain cambiarán esta situación.

La miel falsificada es un hecho bien conocido: la UE afirma que el 50% es fraude y ha identificado 5 métodos comunes, véase más abajo. La falsificación afecta a apicultores de todo el mundo, grandes y pequeños, y por supuesto a los consumidores.

El objetivo es desarrollar una nueva norma para la miel auténtica y las buenas mercancías.

La financiación se solicita a través del Programa Europeo de Innovación del Consejo Sueco de Agricultura.

Imagen 1. Miel "auténtica" en un supermercado sueco.

Explosión del fraude de la miel

La miel es uno de los alimentos más falsificados del mundo (nota 1). Con un valor de miles de millones, es fácil de falsificar pero difícil de controlar. El valor de la miel en todo el mundo supera los 90.000 millones de coronas suecas en 2022 y se calcula que aumentará hasta 260.000 millones en 2028 (nota 18). La manipulación fraudulenta de una materia prima única perjudica enormemente tanto a los consumidores como a los productores.

A escala internacional, la lucha contra la falsificación de la miel es una prioridad. Entre el 30-70% de la miel del mercado mundial está más o menos adulterada (nota 11). Una acción coordinada de la UE en mayo de 2023 afirma que alrededor del 50% es falsificada (notas 12-13). Otro ejemplo es Asia: las exportaciones de los países del este asiático han pasado de 100 millones de toneladas en 2010 a 325 millones en 2018. China exporta el doble de "miel" de la que tiene abejas. Las exportaciones se han triplicado, pero el número de colonias permanece invariable (nota 16).

Imagen 2. ¿Miel ecológica "certificada" no procedente de la UE?

Los análisis por sí solos fracasan

A pesar de los grandes esfuerzos por desarrollar métodos analíticos para detectar la adulteración, esto ha fracasado y no ha impedido que se sigan haciendo trampas (nota 14). En alibaba.com se puede comprar "miel" por 1,4 €/kg, con unos céntimos más se pueden conseguir etiquetas como orgánica u otros certificados..

Imagen 3. ¿Miel china?

Los métodos de transformación del jarabe de arroz con colorantes y aromatizantes, e incluso la adición de polen, van por delante de los análisis capaces de detectar tales trampas. Las peticiones de normas más estrictas sobre el etiquetado de origen, mayores controles e incluso restricciones a la importación son cada vez más fuertes y frecuentes. Desgraciadamente, esto es más o menos en vano, ya que todavía no existen herramientas para atajar este fraude criminal a gran escala.

Imagen 4. Investigación de la UE sobre el origen geográfico (BeeLife)

El problema

1. Los pequeños apicultores aficionados no son realmente el problema. Normalmente no tienen motivos para hacer trampas; están orgullosos de su oficio. Normalmente se puede confiar en su palabra de que cosechan miel auténtica. Sin embargo, se trata de una cuestión de confianza y no hay pruebas objetivas. Sin embargo, los apicultores aficionados se ven afectados por el engaño indirectamente a través de una menor valoración de la miel y la desconfianza de algunos consumidores (nota 19).

2. Los apicultores más grandes, con unos cientos de colonias o más, pueden tener un interés económico en mejorar su rendimiento por medios ilícitos, sobre todo si se ven presionados tanto por la miel mixta extranjera barata como por la competencia de las falsificaciones. Sin embargo, es probable que este fenómeno sea marginal en Suecia y en algunas partes del mundo occidental. Los apicultores y las asociaciones suelen vigilar bastante bien a sus colegas a nivel local. Sin embargo, en algunos países está bastante extendida la idea de que las trampas son legión, por lo que se considera que la miel en panal ofrece cierta garantía de autenticidad. Pero no existe documentación objetiva que demuestre ni el origen ni la autenticidad de la miel.

3. Tal y como funciona el mercado de la miel, el engaño se produce sobre todo a nivel de envasadores y minoristas. Los minoristas se conforman con hacer un buen negocio comprando a bajo precio siempre que el proveedor pueda mostrar el certificado correcto. Los envasadores se conforman con poder comprar por 1,5 euros/kg, mezclar con miel auténtica o vender directamente al comercio por 10 euros/kg. El consumidor paga 15 euros/kg. No se pueden presentar pruebas objetivas.

Imagen 5. Súper sin marco etiquetado con miel de peine de FriBi HB

Estructura del sistema

Sistema detallado

  1. Supers de etiquetado ID

  2. La aplicación recoge datos manuales y automáticos

  3. IA: análisis de imágenes

  4. Análisis de la miel

  5. Tecnología Blockchain.

1 Supers de etiquetado ID

El proyecto ofrece una solución única basada en la verificación de la materia prima en el momento de la cosecha con análisis de IA de imágenes de la cosecha antes de que acabe en un contenedor. En el caso de la miel, es necesario vincularla a la cosecha de una colonia de abejas concreta en una colmena identificada en un lugar preciso (véanse las figuras 5 y 6, en las que se etiquetan las alzas de miel). La apicultura mundial ha carecido hasta ahora de posibilidades de identificación objetiva de marcos y cajas. Esto está relacionado con las dificultades pasadas para documentar, verificar y registrar las unidades etiquetadas. El etiquetado en sí puede hacerse de forma muy sencilla y sin costes.

2 La aplicación recoge datos manuales y automáticos

Hay dos tipos de datos recogidos, que se apoyan mutuamente. Los datos preliminares que genera el usuario configurando la cuenta y el contenido de la empresa, editando las tareas de gestión a lo largo de la temporada , añadiendo alzas, cambiando reinas, cosechando. Los datos secundarios proceden de fuentes externas, como la meteorología, el uso del suelo, los cultivos, estadísticas de datos históricos regionales sobre densidad de colmenas, pautas normales de cosecha, rendimiento por colonia.

3 AI- análisis de imágenes

Si una característica puede verse en una imagen, la IA puede entrenarse para registrarla y evaluarla. Un apicultor puede saber si la miel está lista para la cosecha y estimar cuánto pesa un panal con sólo mirarlo. Esta es la base para utilizar la IA para documentar objetivamente los datos preliminares introducidos en la cosecha.

4 Análisis de la miel

Así pues, la validación de la autenticidad y el origen de la miel no se basa únicamente en análisis de la miel, sino que los análisis pueden constituir los denominados puntos de prueba en una cadena de transacciones. El proyecto determinará qué análisis se integrarán y la posibilidad de autorizar a los proveedores de análisis, con el fin de mantener la calidad de los datos de entrada en el sistema. Los análisis pueden constituir "huellas dactilares" para la validación e incluyen: contenido de polen, análisis químicos de azúcares, fragancias, otras sustancias como toxinas ambientales, residuos de pesticidas, análisis microbiológicos de microbios dañinos y beneficiosos, y por último, pero no por ello menos importante, análisis de ADN para cartografiar el macro y microentorno de la abeja melífera, y posiblemente imágenes de análisis de resonancia magnética.

5 Tecnología Blockchain

Toda la cadena está asegurada y validada mediante la tecnología blockchain. Con datos seguros, la industria de la miel puede exigir los pasos individuales de una solución completa. Además, esto puede dar al apicultor información constructiva sobre la calidad de su miel y las medidas que pueden ser necesarias para mejorar la calidad de la producción.

Blockchain también proporcionará nuevos y más eficientes contratos logísticos, administrativos y los llamados contratos inteligentes.

El sistema es un planteamiento único que puede servir de modelo en el mundo para la miel y otras materias primas.

Imagen 6. Súper pesado y etiquetado.

Imagen 7. Edición de colmenas

Imagen 6. Entrenamiento de IA

Imagen 7. Detalle de una muestra de miel a 4500 aumentos. La imagen muestra polen, diversos microbios y otras sustancias. Existe una diversidad de organismos y sustancias de los que no sabemos mucho. Los métodos modernos que detectan tanto microbios como ADN pueden ayudar a caracterizar una muestra de miel con mucho más detalle que los métodos químicos clásicos. Imagen tomada en el Centro de Microscopía Electrónica de Umeå por Natuschka Lee.

Imagen 8. Una analogía en apicultura podría ser la división de una colonia de abejas. El legado se transmite a la nueva reina. Éste no puede eliminarse. Sin embargo, durante el apareamiento se añade nueva información, es decir, ADN masculino, que estará presente y se transmitirá a la siguiente generación .....

Prácticas fraudulentas

Según la definición de la UE

1. Utilización de jarabe de azúcar (de arroz o maíz) para adulterar la miel y reducir su precio, tanto en países no comunitarios como en territorio de la UE.

Revelada por: La cantidad no puede vincularse a un origen definido. Datos del productor que faltan, inexactos o discrepantes, datos de identificación de la colmena, caja del tesoro, pruebas de imagen GPS, hora de la cosecha y análisis de IA de la imagen de la cosecha. Faltan datos de la extracción. Faltan datos secundarios sobre cultivos y cosecha en la región, falta muestra de referencia.

2. Análisis en laboratorios acreditados para ajustar las mezclas de miel y azúcar a fin de evitar su detección por los clientes y las autoridades oficiales antes de la importación.

Revelado según el punto 1 anterior complementado con análisis de ADN, polen, microbios y RMN con biblioteca de referencia.

3. Uso de aditivos y colorantes para falsificar la verdadera fuente botánica de la miel.

Revelado según los puntos 1 y 2 anteriores.

4. Enmascarar el verdadero origen geográfico de la miel falsificando la información de trazabilidad y eliminando polen, o añadiendo polen extraño.

Revelados por blockchains que aseguran los datos bajo 1 y 2.

5. Alimentación de las colonias de abejas con azúcar durante el flujo de néctar

Revelado por azúcares erróneos y su relación. Contenido de polen erróneo. Revelado por la irracionalidad de la cosecha en relación con datos secundarios como fuentes de néctar disponibles, datos comparables de producción regional, datos comparables históricos. Revelado por la auditoría de las cuentas financieras.

Imagen 8. Sólo una sofisticada combinación de métodos puede combatir las complejas operaciones de fraude.

El producto

El producto lleva un código QR activado en el envase que permite al consumidor escanear y verificar el origen y la autenticidad. Esto conecta al cliente con la información del productor de las distintas fases de producción. El productor puede elegir hasta qué punto el cliente puede consultar todos los detalles de la producción.

Valor:

El apicultor y el extractor de miel pueden estar mejor pagados si consiguen que el cliente confíe en que el producto es auténtico y se limitan los productos fraudulentos más baratos.

Voluntario:

El sistema será de uso voluntario. Cuando los consumidores valoran la posibilidad de ver el origen del producto, se crea demanda.

Competición:

Para el productor, el apicultor, la trazabilidad se convierte en una herramienta competitiva frente a quienes no pueden ofrecer una trazabilidad objetiva.

Economía

Valor económico potencial añadido mediante primas de precio (nota 9)

Tabla 1: Valor de origen (fuente De Pelsmacker et al 2005, National Honey Board 2019, Comisión Europea 2017, Deselnicu et al 2013, de izquierda a derecha).

Impacto de Comercio justo Granel ecológico Varietales Origen local
Primas de precio 10-27% 7 % 27 % 21 %

Prevemos un modelo basado en un componente fijo y otro variable. La parte fija consiste en una suscripción anual y varía en función del número de colmenas. La parte variable varía entre el 0,5 y el 5% del valor del producto. El impacto de la trazabilidad en el valor de la miel puede fijarse en un aumento del valor del 10 - 30% en cada etapa de las transacciones.

Imagen 9. Escanear QR

El marco reglamentario

Los requisitos de la UE para desarrollar la trazabilidad de todos los alimentos afectarán a todas las partes interesadas. Todos tendrán que encontrar herramientas para cumplirlas. Los consumidores podrán exigirla cuando la tecnología permita conocer el origen de un producto.

El análisis de las materias primas mediante IA puede convertirse en una poderosa herramienta de calidad. La tecnología afectará fundamentalmente a la producción de alimentos. En beneficio de la seguridad, las prácticas honestas y la buena calidad.

Convocatoria de propuestas/participación

Contamos con una excelente configuración de socios internacionales. Buscamos la colaboración de apicultores que puedan proporcionar alzas melarias para fotografiarlas o imágenes de las mismas para entrenar a la IA, así como probadores que sugieran formas de evitar prácticas que intenten burlar el sistema. También buscamos representantes de los comerciantes y minoristas para que se unan.

Equipo

Imagen 10. Fotos de supers para entrenamiento de IA.

Socios

Atea

Atea

Escaneado de abejas

Escaneado de abejas

Biodlingsföretagarna

Biodlingsföretagarna

BeeLife

BeeLife

FriBi HB

FriBi HB

SLU

SLU

e-sense

e-sense

EPBA

EPBA

Software Gislen

Neurolearn AB

Notas

1. https://www.nature.com/articles/s41598-018-32764-w

2. https://www.fortunebusinessinsights.com/industry-reports/honey-market-100551

3. https://www.cropin.com/blogs/following-the-hive-to-honey-trail-using-digital-traceability

4. https://www.sourcetrace.com/blog/tackling-honey-traceability/

5. https://www.nsf.org/testing/food/food-beverage-product-certification/honey-traceability

6. https://truesourcehoney.com/faqs/#24984da1-1054-49b5-a01a-0adebc379e77

7 https://www.globenewswire.com/en/news-release/2022/11/21/2560047/0/en/Global-Honey-Market-Revenue-to-Reach-25-8-Billion-1-8-Million-Metric-Tons-of-Honey-is-Produced-India-and-China-are-the-Largest-Producer-of-Honey.html

9. https://jisar.org/2022-15/n1/JIARv15n1p24.pdf sid 24-30

10. https://www.fao.org/3/cb5353en/cb5353en.pdf sid 146

11. https://www.vice.com/en/article/884kq4/your-fancy-honey-might-not-actually-be-honey

12. https://www.foodwatch.org/en/half-of-eus-imported-honey-supply-suspected-to-be-fake

13. https://food.ec.europa.eu/safety/eu-agri-food-fraud-network/eu-coordinated-actions/honey-2021-2022_en

14. https://www.wired.co.uk/article/honey-fraud-detection

15. https://www.foodsafetynews.com/2011/08/honey-laundering/?utm_source=American+Bee+Journal&utm_campaign=f758f051b5-American_Bee_Journal_Newsletter_6_15_2011&utm_medium=email

16. https://www.apiservices.biz/documents/articles-en/history_honey_fraud.pdf

17. https://cnhoney.en.alibaba.com/index.html?spm=a2700.shop_pl.88.12

18. https://www.grandviewresearch.com/industry-analysis/honey-market

19. Land Lantbruk nr 35 25 augusti 2023, sid 6-10.

20. https://www.axfoundation.se/projekt/samverkan-kring-blockkedjan-i-livsmedelskedjan

Fuentes de las imágenes:

Todas las imágenes BeeScanning excepto #2 (nota 17) y #6 Natuschka Lee.