Riassunto analitico
Il colore degli alimenti è una proprietà fondamentale, che svolge un ruolo importante nella valutazione della qualità e nelle decisioni del consumatore. Inoltre, negli alimenti il colore è strettamente legato alla presenza ed alla concentrazione di specifici componenti; ad esempio, il colore rosso è associato agli antociani, il verde alla clorofilla e l’arancione ai carotenoidi. Pertanto, lo sviluppo di metodi oggettivi in grado di quantificare le proprietà legate al colore dei campioni alimentari sta riscuotendo un interesse sempre maggiore da parte dell’industria alimentare. A tale scopo, è possibile sviluppare facilmente metodi analitici di misurazione del colore a partire da comuni fotocamere digitali, smartphone o scanner piani, i quali consentono di analizzare il campione in maniera rapida, economica e non distruttiva. Le immagini digitali sono array di dati tridimensionali costituite da un elevatissimo numero di pixel, ciascuno dei quali è definito dai valori di intensità dei canali Rosso, Verde e Blu. Per ricavare l’informazione utile da array di dati così complessi è necessario usare opportuni metodi chemiometrici, soprattutto nel caso di dataset costituiti da un gran numero di immagini digitali. In questo contesto, lo scopo della presente tesi di dottorato è consistito nello sviluppo di strategie chemiometriche per la caratterizzazione del colore di matrici alimentari attraverso l'imaging RGB, con particolare attenzione a due diverse problematiche relative all'uso delle immagini digitali a fini analitici: la standardizzazione delle immagini e la riduzione della dimensionalità dei dati. Per quanto riguarda il primo aspetto, diversi fattori, come l'instabilità strumentale o la variazione delle condizioni di illuminazione, possono influenzare la qualità delle immagini digitali e la loro riproducibilità nel tempo. La minimizzazione di tali effetti è di fondamentale importanza, in quanto consente di confrontare immagini raccolte in diverse sessioni di acquisizione o di applicare modelli calcolati su un set di dati di immagini ad altri campioni, nonché di trasferire a livello industriale una tecnologia sviluppata su scala di laboratorio. A tale scopo, è stata sviluppata un'interfaccia grafica (Graphical User Interface, GUI) scritta in linguaggio Matlab all’interno della quale sono stati implementati tre diversi algoritmi di correzione, permettendo così di scegliere quello più idoneo in funzione del problema specifico. Per quanto riguarda la riduzione della dimensionalità dei dati, è stato applicato un metodo di compressione dei dati che consiste essenzialmente nel convertire le immagini RGB in segnali monodimensionali, chiamati colorigrammi, ognuno dei quali può essere considerato come la fingerprint delle proprietà legate al colore dell'immagine corrispondente. In questo modo, dataset costituiti da numerose immagini digitali vengono convertiti in matrici di segnali che, a loro volta, possono essere analizzati utilizzando metodi chemiometrici per l’analisi esplorativa dei dati e per lo sviluppo di modelli di calibrazione e classificazione. L’efficacia di questo metodo di compressione è stata testata considerando diverse problematiche in campo agro-alimentare; inoltre è stata valutata anche la possibilità di applicare tecniche di data fusion per l’analisi congiunta di dati derivanti da imaging RGB ed altre tecniche analitiche come la lingua elettronica. Nell'ambito della presente tesi è stata anche aggiornata un'interfaccia grafica, denominata Colourgrams GUI, che permette di analizzare dataset di immagini RGB mediante l’approccio dei colorigrammi. In particolare, è stata implementata una nuova funzionalità che consente di calcolare modelli di calibrazione tramite l’algoritmo Partial Least Squares (PLS) per la quantificazione di proprietà di interesse dei campioni in esame.
|
Abstract
Food colour is a fundamental property, playing an important role in quality evaluation and in the decisions of the consumers. Furthermore, food colour is closely related with presence and concentration of specific chemical compounds; as an example, red colour is associated with anthocyanins, green with chlorophyll and orange with carotenoids. Therefore, the development of objective methods able to quantify visual aspects, or to codify some characteristics like amount and distribution of the colour is gaining an increasing interest in the food industry. To this purpose, analytical measurement systems can be easily implemented using common digital cameras, smartphones or flatbed scanners for the automated evaluation of colour-related parameters of food products. In this manner, the visual aspect of a food sample can be converted in an RGB digital image with fast, inexpensive and non-destructive methods.
RGB images are three-dimensional data arrays containing a high number of picture elements (pixels), each one characterised by the intensity values of the Red, Green, and Blue channels. In this context, proper chemometric tools are essential to extract the relevant information from such data, especially when dealing with large datasets of digital images.
In this context, the present PhD thesis has been focused on the development of chemometric strategies for food colour characterization through RGB imaging. In particular, two different issues related to the use of digital images for analytical purposes have been investigated: image standardization and data dimensionality reduction.
Concerning the first issue, several factors such as instrumental instability or variations in the lighting conditions can affect the quality of digital images and their reproducibility over time. Therefore, minimization of these undesired variations is of fundamental importance, in order to compare images collected during different acquisition sessions, to apply models calculated on a set of images to a different set of samples, as well as to transfer a technology developed at a laboratory scale to industrial applications. To this aim, a Graphical User Interface (GUI) written in Matlab language has been developed including three different algorithms for image standardization, allowing to choose the proper correction method for the problem under investigation.
As regards the data reduction issue, a compression strategy was applied, which essentially consists in converting the three-dimensional image arrays into one-dimensional signals, named colourgrams, each one acting like a sort of fingerprint of the colour content of the corresponding original image. In this manner, large datasets of images are converted into matrices of signals, that can be further analysed using chemometric methods for data exploration and for the development of calibration or classification models. The effectiveness of the considered approach has been tested in different contexts and facing different issues related to the agri-food sector. Furthermore, data fusion techniques have also been tested to jointly analyse information derived from RGB images and from other analytical platforms, i.e. electronic tongues.
In the frame of this PhD thesis, Colourgrams GUI, a graphical interface for the analysis of datasets of RGB images through colourgrams, has been also updated. A new window has been added in the GUI allowing to analyse the colourgrams by means of Partial Least Squares (PLS) algorithm for the quantification and prediction of colour-related properties of interest.
|