Riassunto analitico
In ambito vitivinicolo, la scelta del momento ottimale in cui effettuare la vendemmia è un fattore di fondamentale importanza, in quanto influenza la qualità del vino. Nonostante il metodo più diffuso per valutare il grado di maturazione dell’uva preveda la determinazione di acidità e contenuto zuccherino (maturità tecnologica), anche la composizione fenolica fornisce un contributo fondamentale nella definizione delle caratteristiche sensoriali del vino (maturità fenolica). Nei vitigni a bacca colorata la maturità fenolica è legata all’accumulo di tannini e antociani nella buccia e nei vinaccioli. In particolare, gli antociani presenti nella buccia sono i pigmenti responsabili del colore delle bacche e, di conseguenza, del vino che ne deriva. I metodi analitici attualmente impiegati per la determinazione della maturità fenolica richiedono l’utilizzo di tecniche cromatografiche e spettroscopiche che prevedono lunghi tempi di attesa e costi molto elevati, oltre all’impiego di operatori esperti.
In questo contesto, il presente lavoro di tesi è focalizzato sullo sviluppo di un sistema semplice ed economico per la determinazione della maturità fenolica direttamente in vigneto tramite l’analisi multivariata di immagini acquisite con un comune smartphone.
In particolare, sono state considerate due varietà differenti di Lambrusco, Ancellotta e Salamino, e per ciascuna varietà sono stati raccolti campioni di acini d’uva dall’invaiatura fino a completa maturazione. Le immagini dei campioni di uva sono state acquisite mediante smartphone e, parallelamente, gli stessi campioni sono stati analizzati mediante spettroscopia UV-Visibile e cromatografia liquida ad alta prestazione (HPLC) per la determinazione dei parametri analitici comunemente impiegati per valutare la maturità fenolica, tra cui indice di colore, tonalità, contenuto totale di antociani e flavonoidi, e concentrazione delle principali antocianine.
Per effettuare l’analisi, le immagini dei campioni di uva sono state convertite in una matrice di segnali, chiamati colorigrammi, che permettono di codificare le proprietà relative al colore contenute nelle immagini stesse.
Inizialmente, sia la matrice dei colorigrammi che il dataset dei parametri analitici sono stati analizzati mediante Principal Component Analysis (PCA) per visualizzare la struttura dei dati ed identificare eventuali campioni outlier. Le informazioni ottenute sono state utilizzate per la fase successiva in cui sono stati calcolati modelli di calibrazione per la predizione dei parametri di interesse relativi alla maturità fenolica a partire dalle immagini degli acini. A tale scopo sono state utilizzate le tecniche di calibrazione multivariata Partial Least Squares (PLS) e interval Partial Least Squares (iPLS). In particolare, iPLS ha permesso di selezionare le variabili del colorigramma più significative e, a partire dalle variabili selezionate, è stato possibile effettuare la ricostruzione delle immagini visualizzando solamente gli aspetti del colore che sono risultati utili per la determinazione dei parametri di interesse.
|
