Analisi strumentali in grado di distinguere fruttato, amaro, muffa e riscaldo

Sono molti i gruppi di ricerca che stanno cercando di trovare sistemi d'analisi, anche attraverso la fusione di più strumenti, che possano affiancare o sostituire la prova organolettica.

Uno dei team più attivi fa capo all'Università di Terragona che cerca di utilizzare, a questo scopo, sistemi d'analisi semplici, alla portata di ogni laboratorio.

Lo stato della ricerca permette di intravedere buone potenzialità per il futuro ma non certo per l'immediato.

La ricerca dell'Università di Terragona ha esaminato 343 campioni d'oli d'oliva, raccolti in quattro differenti campagne olearie, esaminandoli poi con spettrometria di massa (HS-MS), spettroscopia al medio infrarosso (FT-MIR) e spettrometria all'UV visibile (UV-vis).

Tutti idati raccolti sono poi stati inseriti in un modello di calibrazione multivariato, utilizzando la tecnica della regressione PLS.

Per confrontare i dati ottenuti dalla ricerca sono stati utilizzati i valori di riferimento degli attributi sensoriali forniti da un panel ufficiale.

I dati strumentali sono stati utilizzati prendendo in esame diversi modelli di fusione tra i vari sistemi d'analisi adottati.

I risultati più vicini a quelli del panel test ufficiali sono stati ottenuti mediante la fusione dei dati ottenuti da spettrometria di massa e spettroscopia infrarossa, ma sono risultati accurati solo per gli attributi positivi di amaro e fruttato e per i difetti di riscaldo e muffa.

I ricercatori, pure ammettendo che per gli altri difetti le previsioni non erano in linea con i dati del panel test, giudica promettente il sistema d'analisi combinato, anche perchè, per la classificazione commerciale, viene richiesta solo la presenza di fruttato e l'assenza di difetti organolettici.

Bibliografia

Eva Borràs, Joan Ferré, Ricard Boqué, Montserrat Mestres, Laura Aceña, Angels Calvo, Olga Busto, Prediction of olive oil sensory descriptors using instrumental data fusion and partial least squares (PLS) regression, Talanta, Volume 155, 1 August 2016, Pages 116-123, ISSN 0039-9140