Riassunto analitico
Nel presente elaborato di tesi è stata valutata la possibilità di utilizzare l’imaging iperspettrale nel vicino infrarosso per valutare la composizione di hamburger di carne di pollo. La regolamentazione dell’etichettatura degli hamburger costituiti da carne macinata, oltre ad obbligare l’indicazione delle specie animali utilizzate per la preparazione del prodotto, richiede anche di specificare i diversi tagli anatomici utilizzati e la loro percentuale, nel caso in cui questi figurino nella denominazione di vendita. Inoltre, in caso di aggiunta di carne separata meccanicamente, questa deve essere menzionata in etichetta preceduta dalla tipologia di specie animale. Per garantire il consumatore e verificare il rispetto di quanto riportato in etichetta, è necessario avere a disposizione metodi analitici rapidi e non distruttivi che permettano di caratterizzare la composizione di hamburger, come ad esempio l’imaging iperspettrale nel vicino infrarosso (Near Infrared Hyperspectral Imaging – NIR-HSI). Questa tecnica, infatti, permette di unire i vantaggi della spettroscopia NIR con i vantaggi delle tecniche di imaging, ottenendo in questo modo sia l’informazione spettrale che l’informazione spaziale dal campione analizzato. Grazie ai suoi vantaggi, l’imaging iperspettrale risulta particolarmente utile per l’analisi di matrici alimentari disomogenee, come gli hamburger. Per ogni campione analizzato mediante NIR-HSI si ottiene la corrispondente immagine iperspettrale (o ipercubo), una matrice tridimensionale caratterizzata da due dimensioni spaziali ed una dimensione spettrale. Per ricavare l’informazione utile dall’elevata mole di dati contenuta all’interno di ciascun ipercubo è necessario effettuare un’analisi multivariata delle immagini. Nel presente lavoro di tesi sono state analizzate le immagini iperspettrali di 173 hamburger di carne avicola preparati in diversi giorni, a partire da differenti parti della carcassa animale: coscia, sovracoscia, petto, carne separata meccanicamente e loro miscele. Nella prima fase, le immagini iperspettrali sono state analizzate mediante Analisi delle Componenti Principali (PCA), applicata a livello di pixel per avere un’idea preliminare delle differenze tra i campioni in base ai tagli di carne utilizzati per preparare gli hamburger. Successivamente, a partire da ogni immagine iperspettrale è stato calcolato lo spettro medio. La matrice di spettri medi così ottenuta è stata analizzata mediante PCA per avere una visione globale dell’intero dataset di immagini iperspettrale. L’applicazione di questa tecnica di analisi esplorativa dei dati ha permesso di osservare la presenza di una variazione tra i diversi giorni di acquisizione, che è stata corretta definendo una opportuna strategia di pretrattamento spettrale. Infine, dopo la correzione il dataset di spettri medi è stato utilizzato per lo sviluppo di modelli di classificazione utilizzando l’algoritmo Partial Least Squares Discriminant Analysis (PLS-DA) per classificare gli hamburger di pollo in base alla tipologia di carne utilizzata per la loro preparazione. I modelli PLS-DA hanno permesso di classificare in modo soddisfacente i campioni di hamburger sulla base della loro composizione, come verificato mediante validazione con un test set esterno.
|