Secondo i regolamenti italiani, nel caso della produzione della pasta, il massimo livello di contaminazione del frumento duro (DW) con frumento tenero (CW) è pari al 3%. Perciò, è fondamentale, per l’industria del settore, disporre di metodi affidabili in grado di quantificare, direttamente in linea, tale contaminazione.
In questo contesto, in uno studio recente, effettuato da un gruppo di ricercatori internazionali [Vermeulen et al., 2018], viene proposto l’utilizzo di un metodo di imaging iperspettrale nel vicino infrarosso (NIR) che consente di catturare immagini in un intervallo di lunghezza d’onda compreso tra 1100 e 2400 nm. Per la sperimentazione sono stati impiegati 77 campioni di DW e 180 di CW. Per discriminare le due tipologie di materie prime, sono stati utilizzati quattro diversi approcci basati su criteri morfologici, profili degli spettri NIR, contenuto proteico ed il rapporto chicchi vetrosi/chicchi non vetrosi.
I modelli di classificazione sono stati, quindi, costruiti mediante l’analisi ai minimi quadrati parziali. I risultati dimostrano che attraverso una combinazione degli approcci basati su criteri morfologici ed i profili degli spettri NIR è possibile determinare la contaminazione nei campioni con un’accuratezza del 99%.
Concludendo, gli autori sostengono che lo studio conferma il potenziale della tecnologia NIR nel fornire, con un’unica misura, le informazioni necessarie per discriminare il DW dal CW. Tuttavia, ulteriori approfondimenti sono necessari per testare l’affidabilità del sistema su scala industriale, attraverso test di classificazione delle materie prime direttamente in linea.
Riferimenti bibliografici: Vermeulen et al., Journal of Cereal Science, 84, 2018, 74–82
