Ricerc@Sapienza

Il progetto si propone di sviluppare degli approcci chemiometrici innovativi per l'elaborazione di dati provenienti da tecniche strumentali non-invasive/non-distruttive al fine di mettere a punto strategie analitiche efficienti per la valutazione della qualità di prodotti agroalimentari.
Il progetto si articolerà lungo tre linee di ricerca:
1. Sviluppo di una strategia innovativa di pretrattamento dei dati strumentali attraverso l'impiego di approcci chemiometrici multi-block
Si valuterà la possibilità di analizzare simultaneamente le diverse matrici risultanti dall'elaborazionedei segnali strumentali raccolti con diverse tecniche di pretrattamento, sia individuali che in combinazione, attraverso modelli multi-block, che permettano di combinare in maniera complementare le varie tecniche considerate.

2. Messa a punto di una strategia di classificazione gerarchica per la discriminazione di mais bianco, difetti e materiali estranei mediante imaging iper-spettrale
Questa parte della ricerca sarà incentrata sullo sviluppo di un approccio analitico automatizzato accurato ed economico per la classificazione del mais bianco, basato sull'accoppiamento dell'imaging iper-spettrale nel vicino infrarosso (NIR) e di una strategia chemiometrica di classificazione gerarchica sviluppata ad hoc. Inoltre, si cercherà di ridurre il numero di bande spettrali necessarie alla discriminazione attraverso l'utilizzo di metodi di selezione delle variabili.

3. Caratterizzazione degli effetti del tempo e della temperatura di conservazione sui danni da raffreddamento nelle melanzane
L'obiettivo di questa parte della ricerca sarà di valutare in modo non distruttivo distruttivo il danno da freddo (che è un disturbo fisiologico che si verifica nel frutto della melanzana sottoposto a temperature inferiori a 12 °C nella fase post-raccolta), al fine di poter sviluppare una strategia di diagnosi precoce.