Automazione di sistemi di separazione e classificazione di diversi prodotti alimentari

144

Classificazione di carne di pollo mediante l’utilizzo della visione computerizzata

Ad oggi, in molti casi, il processo di separazione e classificazione dei diversi tagli di carne di pollo viene effettuata ancora manualmente. Pertanto, in uno studio recente, effettuato da un gruppo di ricercatori internazionali (Teimouri et al., 2018), viene proposto un sistema in grado di automatizzare tale processo, basato sulla combinazione della visione computerizzata con tecniche di analisi statistica lineari e non.

In particolare, dalle immagini dei campioni (i.e., petto, coscia, filetto, ala e sovracoscia), catturate da una fotocamera CCD (charge-coupled device), vengono estratte le caratteristiche geometriche, colorimetriche e strutturali. I dati così ottenuti sono stati sottoposti a regressione ai minimi quadrati parziali (PLSR), analisi discriminante lineare (LDA) ed analisi mediante rete neurale artificiale (ANN).

I risultati evidenziano che il metodo ANN garantisce una performance migliore rispetto agli altri. In particolare, il suo utilizzo, in combinazione con il sistema di visione computerizzata, si è dimostrato in grado di fornire un tempo di analisi pari a 15 ms per immagine. Inoltre, l’accuratezza di classificazione è risultata pari al 93%, applicando lo strumento su un nastro trasportatore con una velocità pari a 0.2 m s-1.

In queste condizioni, è stato possibile ottenere una capacità di classificazione pari a 2800 campioni all’ora. Concludendo, gli autori sostengono che anche se lo strumento è stato sviluppato per classificare diversi tagli di carne, può essere facilmente adattato ad altri tipi di prodotti alimentari.

Utilizzo della spettroscopia NIR per la classificazione automatica di mandorle in base al loro grado di amarezza

Le mandorle possono essere classificate, in funzione del loro grado di amarezza, in dolci ed amare. Le prime vengono utilizzate principalmente come ingrediente in diversi prodotti alimentari, mentre le seconde vengono utilizzate per l’estrazione del loro olio. La disponibilità di un sistema automatizzato in grado di distinguere le due tipologie di mandorle è, quindi, fondamentale per il settore industriale.

In questo contesto, in uno studio recente, effettuato da un gruppo di ricercatori spagnoli (Cortés et al., 2018), viene proposto un metodo basato sulla spettroscopia NIR (nel vicino infrarosso) per predire il contenuto di amigdalina nelle mandorle, dal momento che questo composto è ritenuto responsabile del loro grado di amarezza. Dapprima, 360 diversi campioni sono stati analizzati in modo convenzionale, mediante estrazione e successiva analisi cromatografica (HPLC), indicando contenuti di amigdalina inferiori a 350 mg kg-1 per la varietà dolce e compresi nell’intervallo 14700-50400 mg kg-1 per la varietà amara.

Utilizzando il metodo dei minimi quadrati parziali (PLS), è stato possibile predire, in modo soddisfacente (coefficiente di determinazione, R2, pari a 0.939), il contenuto di amigdalina di tali campioni a partire dagli spetti NIR. Inoltre, attraverso l’applicazione dell’analisi discriminante PLS-DA è stato possibile classificare correttamente (valori di sensitività e di specificità > 0.94) le mandorle nelle categorie dolci ed amare.

Concludendo, gli autori sostengono che la spettroscopia NIR costituisce una valida alternativa, di tipo non distruttivo, per lo sviluppo di sistemi di classificazione degli alimenti da applicare direttamente sulle linee produttive.

Riferimenti bibliografici

  1. Teimouri et al., Biosystems Engineering, 167, 2018, 8-20
  2. Cortés et al., Food Control, 91, 2018, 68-75

LASCIA UN COMMENTO

Please enter your comment!
Please enter your name here