FOODTECH

METROFOOD-IT, UniParma realizza una ETongue per classificare pomodori di diverse cultivar



Indirizzo copiato

Grazie all’apporto della lingua elettronica voltammetrica e a tecniche multivariate di machine learning, è stato possibile discriminare con successo e rapidamente dei campioni di passate di pomodoro. Uno studio innovativo nell’ottica di applicazioni future nel campo dell’autenticità di prodotti alimentari e per la rilevazione di adulterazioni

Pubblicato il 27 giu 2024



Figura comunicato e-tongue

L’Università di Parma ha raggiunto un traguardo scientifico significativo nell’ambito del progetto METROFOOD-IT, infrastruttura di ricerca finanziata nell’ambito del Piano Nazionale di Ripresa e Resilienza (PNRR), che si propone di supportare la ricerca e l’innovazione nel settore agroalimentare fornendo servizi integrati, accelerando la digitalizzazione dei sistemi agrifood e la loro efficienza, la rintracciabilità e la sostenibilità e promuovendo l’affidabilità di prodotti e processi e delle informazioni fornite ai cittadini, alle autorità locali e a tutti gli stakeholders dei sistemi agroalimentari.

Una lingua elettronica voltammetrica per la classificazione di passate di pomodoro

Recentemente, la rivista Sensors (MDPI) ha pubblicato un articolo riguardante lo sviluppo e la valutazione delle prestazioni di una lingua elettronica voltammetrica (E-Tongue) per la classificazione delle passate di pomodoro in base alla cultivar della materia prima. La pubblicazione è stata inserita in uno Special Issue “Low-Cost Chemosensors for Applications in Environment, Health, Food, and Industry Process Control” ed è disponibile in open access, consentendo una completa condivisione pubblica.

Lo studio dal titoloEvaluation of a Voltametric E-Tongue Combined with Data Preprocessing for Fast and Effective Machine Learning-Based Classification of Tomato Purées by Cultivar è stato condotto nell’ambito delle attività del progetto METROFOOD-IT, utilizzando le strutture acquisite.

Tra gli autori figurano la Responsabile del progetto Prof.ssa Maria Careri, la Prof.ssa Ilaria De Munari, il Prof. Stefano Cagnoni, il Prof. Marco Giannetto e altri ricercatori coinvolti nel progetto. Il risultato è stato ottenuto grazie alla collaborazione tra le unità operative UNIPR1 – Unità Sensori Analitici Smart e UNIPR2 – Ingegneria Informatica e Sensori Elettronici.

Controllo autenticità del Food: come funziona la E-Tongue

I gruppi di ricerca di Chimica Analitica, Ingegneria Elettronica e Ingegneria dell’Informazione dell’Università di Parma hanno sviluppato una lingua elettronica elettrochimica basata sulla combinazione di tre sensori implementati su elettrodi screen-printed modificati con nanomateriali compositi per il controllo dell’autenticità dei prodotti alimentari.

Le potenzialità dell’e-tongue, combinate con una preelaborazione dei dati mirata a ottimizzare le prestazioni delle tecniche multivariate di Machine Learning, sono state applicate con successo alla rapida discriminazione di campioni di passate di pomodoro ottenute da cultivar con diverso valore commerciale.

È stato così possibile distinguere le tre varietà di pomodoro (datterino rosso, datterino giallo e perino) sulla base di responsi riconducibili alla concentrazione di zuccheri e di antiossidanti.

I risultati dell’analisi dell’Università di Parma

Un aspetto molto interessante scaturito dall’analisi è rappresentato dall’estrema rapidità dell’analisi: la lingua elettronica consente infatti l’analisi simultanea fino a otto campioni in meno di un minuto.

Significativa è anche l’elaborazione dei dati analitici mediante tecniche di Machine Learning per la classificazione dei campioni. Tra queste tecniche, l’Analisi Discriminante Lineare si è dimostrata particolarmente efficace, fornendo un punteggio medio di corretta classificazione superiore al 99%.

Lo sviluppo degli algoritmi e dei modelli statistici per la fase di preelaborazione dei dati si è rivelato vantaggioso per ridurre la dimensionalità dei dati e quindi il costo computazionale, favorendo così una futura implementazione hardware.

Questo studio innovativo risulta rilevante nella progettazione futura di soluzioni hardware da integrare in dispositivi portatili a basso costo per applicazioni nel campo dell’autenticità dei prodotti alimentari e nella rilevazione delle adulterazioni.

Articoli correlati

Articolo 1 di 5