Riassunto analitico
La tesi è stata svolta presso l’azienda Artest s.p.a. di Modena
Il formaggio è il più importante tra i derivati del latte ed è un prodotto di largo consumo in tutto il mondo, in particolar modo in Italia grazie ad eccellenze come Parmigiano Reggiano, Grana Padano e molti altri.
Per quanto sia comune pensare a questi prodotti come problematici per la dieta, diversi studi hanno dimostrato il contrario grazie all’elevato valore nutrizionale ed alla presenza di vitamine, minerali, peptidi ed amminoacidi essenziali che possono coadiuvare una dieta sana se consumati nelle corrette quantità.
Risulta quindi essenziale eseguire continui controlli per assicurare al consumatore gli standard di qualità di questi prodotti, questi controlli però sono spesso eseguiti con i cosiddetti metodi “tradizionali”, metodi vecchi, lunghi, costosi, pericolosi ed inquinanti che al giorno d’oggi risultano poco performanti per le richieste di un mercato in continua espansione.
Il progetto di questa tesi riguarda lo sviluppo di metodiche NIRS (near infrared spectroscopy), di metodi statistici (PLS) e di machine learning (ANN) per la creazione e validazione di rette di regressione per quantificare i principali parametri di qualità del formaggio, questo metodo spettrofotometrico permette di ottenere i risultati richiesti in tempi estremamente brevi, necessita di una semplicissima preparazione del campione, riduce enormemente i costi ed evita l’utilizzo di reagenti inquinanti e pericolosi per la salute dell’operatore, è quindi un ottimo candidato per sostituire i metodi tradizionali.
I parametri che interessano l’azienda e per i quali sono stati sviluppati i metodi sono: umidità, grassi, proteine, sale, azoto solubile, pH ed attività dell’acqua. I diversi campioni sono stati preparati alle varie analisi tramite semplice macinazione, e sono stati prima analizzati allo spettrofotometro e poi sottoposti alle analisi tradizionali per ottenere i valori di riferimento necessari alla creazione delle rette di regressione, per parametri quali umidità, grassi, proteine e sale, essendo lo strumento già provvisto di rette create dal produttore dello strumento NIR con metodo ANN (artificial neural network), queste sono state confrontate con i risultati ottenuti dal metodo PLS (partial least square) per valutare quale dei due metodi presenta le migliori prestazioni.
|
