Moderne tecniche di spettroscopia e machine learning consentono di riconoscere alimenti adulterati e garantire che sulle tavole dei consumatori arrivino cibi di qualità. A dirlo è uno studio condotto dai ricercatori di Statistica e metodi quantitativi di Milano-Bicocca. Lo scopo del lavoro è di semplificare il sistema dei controlli per garantire l’arrivo sulle tavole dei consumatori di cibi che corrispondono, per qualità e origine, a quanto indicato in etichetta e riconoscere eventuali frodi. È il risultato di un lavoro di ricerca condotto da due ricercatori del Dipartimento di statistica e metodi quantitativi dell’Università di Milano-Bicocca, Francesca Greselin e Andrea Cappozzo, in collaborazione con i colleghi Ludovic Duponchel dell’Università di Lille (Francia) e Brendan Murphy dell’University College Dublin (Irlanda).
I promettenti risultati dell’analisi sono stati descritti in uno studio dal titolo “Robust variable selection in the framework of classification with label noise and outliers: Applications to spectroscopic data in agri-food” (DOI: 10.1016/j.aca.2021.338245), pubblicato da Analytica Chimica Acta, una prestigiosa rivista nell’ambito della chimica analitica e della spettroscopia.
L’utilizzo della spettroscopia negli studi di “food authenticity”, negli ultimi decenni, ha consentito di analizzare le sostanze senza danneggiare il campione sottoposto a verifica. Grazie all’utilizzo di sistemi di “machine learning”, è stato possibile semplificare l’analisi selezionando la grande mole di dati raccolti. Dai migliaia di segnali che lo strumento riceve attraverso lo spettrometro, si selezionano solo quelli che permettono di identificare il prodotto originale, in modo da individuare con facilità i prodotti di imitazione ed eventuali frodi. Si tratta di un ulteriore passo in avanti frutto dello studio condotto dal team internazionale di ricercatori che hanno “testato” la metodologia su tre alimenti: lieviti, carne e olio. La tecnica messa a punto consente di ridurre dall’ordine delle migliaia a poche decine il numero di misurazioni da acquisire dal segnale spettrometrico, per fare un’accurata verifica che escluda adulterazioni. Tutto ciò con evidenti vantaggi sia in ordine di tempo che di costo delle operazioni di controllo.
L’impiego di moderne tecniche di spettroscopia e “machine learning” nel settore agroalimentare aiuterà ad automatizzare i controlli dei cibi che entrano nelle nostre case, per assicurare maggiore qualità e sicurezza ai consumatori. Tali metodologie, infatti, potranno trovare applicazione sia nell’ambito delle verifiche condotte dalle autorità governative, sia nelle procedure di certificazione di qualità dei prodotti.
© Riproduzione riservata – Foto: Stock.adobe.com
[sostieni]
Giornalista professionista, direttore de Il Fatto Alimentare. Laureato in Scienze delle preparazioni alimentari ha diretto il mensile Altroconsumo e maturato una lunga esperienza in test comparativi. Come free lance si è sempre occupato di tematiche alimentari.
