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.
I diversi obiettivi che la ricerca si propone si collocano all'avanguardia rispetto allo stato dell'arte descritto nelle voci precedenti, sia dal punto di vista dell'impianto metodologico che costituisce l'obiettivo primario della ricerca, che per quanto riguarda le specifiche applicazioni.
Come detto, l'obiettivo generale di questo progetto è quello di sviluppare una strategia di elaborazione dati che permetta di fornire un supporto efficace ad approcci analitici non-distruttivi per la caratterizzazione di prodotti agro-alimentari e la valutazione della loro qualità. A tale scopo, un primo obiettivo di questa ricerca è rappresentato dalla definizione di una strategia ottimale di pretrattamento dei dati che permetta la rimozione di tutti gli artefatti e i contributi non di interesse, al fine di ottenere profili strumentali legati esclusivamente ai costituenti di interesse chimico. In questo contesto, sebbene in letteratura siano già presenti moltissime tecniche di pretrattamento dei segnali strumentali, ognuna di esse si concentra sulla rimozione di specifici effetti (scattering, linea di base non costante, noise, etc.). Di conseguenza, la scelta delle tecniche di pretrattamento può influire enormemente sulle prestazioni del modello, soprattutto perché la selezione da parte dell'operatore di una o più tecniche può essere molto spesso non ottimale poiché non è quasi mai possibile esplorare direttamente tutte le tecniche di pretrattamento. Di contro, l'uso simultaneo di più metodi di pretrattamento attraverso un approccio di "data fusion", così come proposto nel presente progetto, consente di ovviare a queste limitazioni, sfruttando in maniera innovativa le possibilità offerte dal recente sviluppo dei metodi di analisi multi-block: l'approccio proposto non richiede che sia scelta una strategia di pretrattamento specifica, o, in caso di più pretrattamenti, un ordine specifico nella combinazione dei pretrattamenti stessi.
Anche riguardo i due obiettivi più specificamente applicativi, è possibile evidenziare l'importanza e l'innovatività della ricerca.
Per quanto riguarda la possibilità di diagnosticare in maniera precoce i danni da raffreddamento nelle melanzane, infatti, va segnalato come, attualmente, le strategie più utilizzate coinvolgano l'impiego di saggi distruttivi, come contenuto fenolico, contenuto di malondialdeide, polifenolossidasi, perossidasi e cessione di elettroliti: in questo contesto, la possibilità di impiegare una tecnica rapida e non-distruttiva permetterebbe notevoli risparmi in termini di costi e tempi di analisi.
Infine, la seconda applicazione considerata dovrebbe portare allo sviluppo di un approccio rapido e automatizzato per l'identificazione di materiale estraneo e/o difetti all'interno di lotti di mais, permettendo di identificare in maniera rapida e non-distruttiva chicchi di mais sani, in presenza di altro materiale o di chicchi di mais affetti da vari difetti. Se già di suo questa ricerca presenterebbe un'elevata potenzialità applicativa, soprattutto nell'ottica dello smistamento di grandi quantità di materiale, l'ulteriore possibilità di ridurre le bande spettrali utilizzate per la classificazione attraverso diverse strategie di selezione delle variabili, permetterebbe di ottenere una classificazione accurata anche con strumenti a filtro, che potrebbero essere implementati più facilmente (in quanto più economici) sia dai produttori che dagli enti preposti al controllo.