La vita di un olio extra vergine di oliva ora si predice grazie al computer
Caratteristiche dielettriche e cromatiche alla base di nuovi modelli predittivi sulla qualità dell'olio extra vergine d'oliva durante lo stoccaggio. Le tecniche di apprendimento delle macchine hanno dimostrato una buona capacità di determinare la conservabilità
La vita dell'olio extra vergine di oliva durante lo stoccaggio deve essere continuamente monitorata, per assicurarsi che i parametri si mantengano entro gli standard legali.
Tutto questo ha costi elevati.
Una ricerca iraniana propone un nuovo approccio basato sulla fusione della spettroscopia dielettrica e della visione computerizzata per la caratterizzazione degli indici di qualità dell'olio d'oliva durante lo stoccaggio al fine di ridurre i tempi di analisi, il consumo di reagenti, la manodopera e le apparecchiature ad alto costo.
Sono state estratte le caratteristiche cromatiche e sono state estratte le caratteristiche dielettriche nell'intervallo di frequenza da 40 kHz a 20 MHz per ogni campione di extra vergine d'oliva.
Dopo la preelaborazione dei dati, sono stati sviluppati e confrontati modelli di classificazione e previsione.
Diverse tecniche di machine learning sono state studiate per la classificazione del tempo di memorizzazione e la predizione degli indici di qualità, tra cui rete neurale artificiale (ANN), macchina vettoriale di supporto (SVM), rete Bayesiana (BN) e regressione lineare multipla (MLR).
Il miglior risultato nella classificazione degli oli di oliva, tenuto conto del mix di tutti i parametri cihimo-fisici, è stato ottenuto con la tecnica della rete Bayesiana con una precisione del 100%.
Tra i modelli predittivi, la macchina vettoriale di supporto ha ottenuto i migliori risultati per la previsione dell'indice di perossidi, l'assorbanza UV a 232 nm (K232) e il tenore in clorofilla.
La rete neurale artificiale ha dato il miglior risultato per predire l'acidità libera.
I risultati di questa ricerca possono essere utilizzati per sviluppare un sistema efficiente ed affidabile di valutazione e monitoraggio della qualità dell'olio d'oliva durante lo stoccaggio.
Bibliografia
Alireza Sanaeifar, Abdolabbas Jafari, Mohammad-Taghi Golmakani,
Fusion of dielectric spectroscopy and computer vision for quality characterization of olive oil during storage,
Computers and Electronics in Agriculture,
Volume 145,
2018,
Pages 142-152,
ISSN 0168-1699
