Riassunto analitico
In ambito vitivinicolo, il cambiamento di colore delle uve è un indice importante per definirne il livello di maturazione, il quale influenza fortemente la qualità finale del vino. In questo contesto, il presente lavoro di tesi ha previsto l’utilizzo di un metodo innovativo basato sull’analisi di immagini digitali per la valutazione automatica del grado di maturazione dell’uva. Il metodo utilizzato, appositamente sviluppato per tale problema, si basa sull’analisi statistica multivariata dei parametri di colore derivati da immagini RGB.
Nel presente studio sono stati considerati tre differenti varietà di Lambrusco: Ancellotta, Marani e Malbo Gentile. Per ogni varietà, i campioni d’uva sono stati raccolti in diversi tempi di prelievo, a partire dall’invaiatura fino a completa maturazione. Per ogni campione sono state depositate diverse aliquote di mosto su un foglio di carta assorbente, effettuando in tal modo una sorta di cromatografia su carta e permettendo dunque una parziale separazione dei diversi pigmenti contenuti nel mosto. Mediante un comune scanner piano sono state quindi acquisite le immagini RGB di tali fogli. Le immagini acquisite sono state convertite in segnali, chiamati colorigrammi, i quali codificano oggettivamente l’informazione relativa al colore di ciascuna immagine. Infine, i colorigrammi sono stati analizzati mediante tecniche chemiometriche per estrarre le informazioni utili al fine di determinare quantitativamente una serie di parametri colorimetrici (indice di colore, antociani totali e flavonoidi totali) legati al grado di maturazione dei campioni analizzati. A questo scopo, la matrice dei colorigrammi è stata innanzitutto analizzata mediante Principal Component Analysis (PCA). Successivamente, sono stati sviluppati modelli di calibrazione utilizzando Partial Least Squares (PLS) e interval-Partial Least Squares (iPLS); quest’ultimo algoritmo ha permesso anche di effettuare una selezione delle variabili più significative, e quindi di ricostruire le immagini originali mantenendo solo quegli aspetti che sono risultati utili per la determinazione dei parametri di interesse.
|
Abstract
In viticulture, the change in colour of grapes is an important attribute, useful to define the degree of grape ripening, which in turn strongly affects the final quality of wine.
In this context, the present work was aimed at developing an innovative method based on digital image analysis for the automated evaluation of the degree of grape ripening. This method, specifically developed for the problem at hand, is based on multivariate statistical analysis of colour parameters derived from RGB images.
In the present study, three different Lambrusco grape varieties were considered: Ancellotta, Marani and Malbo Gentile. For each variety, grape samples were collected at subsequent harvest times, from veraison until complete ripening. For each grape sample, aliquots of must were deposited on a white sheet of absorbent paper, in a way to perform a sort of paper chromatography, allowing therefore to obtain a partial separation of the must pigments. RGB images of the paper sheets were then acquired using a common flatbed scanner. The acquired images were converted into signals, named colourgrams, which objectively codify the colour-related information content of the images. Finally, the colourgrams were analyzed by means of chemometric techniques in order to extract the information useful to quantitatively determine a series of colorimetric parameters (colour index, total anthocyanins and total flavonoids) that are related to the degree of grape ripening of the analyzed samples. To this aim, the matrix of colourgrams was first evaluated by means Principal Component Analysis (PCA). Subsequently, calibration models were developed using Partial Least Squares (PLS) and interval-Partial Least Squares (iPLS). This latter approach also allowed to select the most relevant variables, and therefore to reconstruct the original images by keeping only those aspects that are useful for the determination of the parameters of interest.
|
