L'arca olearia
La rapida determinazione qualitativa e quantitativa dell'adulterazione dell'olio d'oliva

Il rilevamento spettrometrico della massa di flusso, accoppiato con modelli di apprendimento supervisionati avanzati, è un metodo di rilevamento rapido, sensibile e ad alto rendimento contro l'adulterazione dell'olio di oliva
07 gennaio 2025 | 10:00 | Graziano Alderighi
L'attuale ricerca sulla rilevazione di frodi sull'olio d'oliva comporta una vasta gamma di metodi, come la spettroscopia Raman, la spettroscopia infrarossa, la spettroscopia a matrice di eccitazione-emissione, la biografie e gascromatografia. In generale, c'è un compromesso tra precisione e velocità di rilevamento per la maggior parte delle tecniche. Tra i metodi spettroscopici, Raman e la spettroscopia infrarossa possono fornire modelli di impronte digitali per l'olio d'oliva con una semplice preparazione del campione e una misurazione rapida. Tuttavia, il rilevamento delle impronte digitali spettroscopico fornisce informazioni limitate sui singoli componenti chimici a causa della forte sovrapposizione di picchi, rendendo difficile ottenere un'analisi accurata e ad alto rendimento dell'adulterazione dell'olio d'oliva. Al contrario, l'autenticazione dell'olio d'oliva viene effettuata utilizzando la cromatografia liquida e gassosa per quantificare i componenti chimici primari, compresi i trigliceridi (TAG) e gli acidi grassi. Tuttavia, questi metodi analitici, che sono tipicamente utilizzati per l'autenticazione dell'olio d'oliva, richiedono tempo, ad alta intensità di reagente e spesso richiedono complesse fasi di preparazione del campione. Di conseguenza, non sono applicabili per la rapida individuazione dell'adulterazione in grandi set di campioni. Ancora più importante, la rapida individuazione dell'adulterazione dell'olio d'oliva a bassi livelli (meno del 20%) rimane impegnativa e richiede ulteriori ricerche.
In questo contesto, è fondamentale migliorare i metodi analitici esistenti e sviluppare nuove strategie analitiche per garantire l'autenticità dell'olio d'oliva.
Il rilevamento spettrometrico della massa di flusso (FIMS), accoppiato con modelli di apprendimento supervisionati avanzati, è un metodo di rilevamento rapido, sensibile e ad alto rendimento. Questo approccio può superare i limiti della bassa efficienza di rilevamento e fornire metodi utili per l'autenticazione degli alimenti. Inoltre, è stato dimostrato che il fingerprinting FIMS differenzia con successo i materiali botanici basati su diversi genotipi, ambiente di coltivazione e parti di piante. FIMS è una spettrometria a iniezione diretta che consente il monitoraggio in tempo reale dei componenti dei triacilgliceroli (TAG).
I profili dei triacilgliceroli dell'olio d'oliva sono fondamentali per la rilevazione dell'adulterazione
Tuttavia, poiché i moderni metodi di analisi possono produrre impronte digitali grandi e complesse, l'apprendimento automatico sta diventando sempre più importante nell'analisi delle impronte digitali, in quanto fornisce un approccio decisionale rapido, automatizzato e obiettivo. I modelli di apprendimento automatico sono comunemente utilizzati per estrarre le informazioni delle caratteristiche da spettri di impronte digitali complessi per la discriminazione del gruppo di campioni. Tra gli algoritmi di apprendimento automatico, l'analisi parziale degli meno quadrati-discriminatori (PLS-DA) è l'approccio di classificazione più comune applicato per l'autenticazione alimentare grazie alla sua semplicità e prestazioni relativamente buone. Ciò è in parte dovuto al fatto che PLS-DA è ampiamente disponibile nei più noti pacchetti software statistici e la sua implementazione è semplice con le impostazioni predefinite. Pertanto, questo ha portato a una situazione in cui non tutti i ricercatori optano per altri algoritmi di classificazione dell'apprendimento automatico. Mentre i modelli di classificazione tradizionali hanno ottenuto risultati promettenti nell'autenticazione degli alimenti, i limiti intrinseci dei metodi lineari, come PLS-DA, possono compromettere le loro prestazioni. In genere, PLS-DA si è dimostrato efficace nell’identificare un singolo adulterante nell’olio d’oliva o nei campioni adulterati e non adulterati. Tuttavia, l'accuratezza del modello PLS-DA nella discriminazione multiclasse rimane subottimale. Di conseguenza, rilevare contemporaneamente e con precisione l'adulterazione nell'olio d'oliva con un mix di diversi oli vegetali rimane una sfida significativa.
A causa della diversità dell'adulterazione e della complessità dei dati delle impronte digitali, vi è un'urgente necessità di sviluppare modelli più efficienti e accessibili per rilevare e quantificare l'adulterazione dell'olio d'oliva. Support vector machine (SVM) è un potente classificatore che utilizza funzioni del kernel, rinomato per le sue robuste prestazioni di classificazione.
Il rilevamento spettrometrico della massa di flusso contro l'adulterazione dell'olio di oliva
L'autenticità dell'olio d'oliva è una preoccupazione significativa per i produttori, i consumatori e i responsabili politici. Per aiutare ad affrontare questo problema, è stato proposto un approccio di rilevamento delle impronte digitali a massa di iniezione di flusso rapido, efficiente e accurato, combinato con modelli di classificazione e regressione SVM e PLS, per l'identificazione e l'analisi quantitativa dell'adulterazione dell'olio d'oliva.
Sulla base dell'analisi comparativa completa, SVM ha sovraperformato quelli di PLS-DA, raggiungendo valori più elevati per l'accuratezza, la sensibilità e la specificità, nonché i valori predittivi predittivi positivi e negativi, nell'identificazione di campioni di olio d'oliva adulterati. Inoltre, rispetto al modello PLSR, il modello SVR ha dimostrato prestazioni superiori nel determinare il contenuto di olio d'oliva adulterato, con un coefficiente di determinazione più elevato e un errore di piazzale medio radice inferiore.
In conclusione, la tecnologia di rilevamento delle impronte digitali FIMS in combinazione con SVM può essere implementata in modo efficace per un'identificazione e una quantificazione rapida, affidabile e accurata dell'adulterazione dell'olio d'oliva.
Potrebbero interessarti
L'arca olearia
Quante trappole sono necessarie per un efficace monitoraggio della mosca dell'olivo?

Il monitoraggio della popolazione della mosca dell'olivo è fondamentale, in particolare in regime biologico. Spesso però il monitoraggio risulta fallaceper problemi legati alle trappole o al loro utilizzo in campo. Ecco alcune indicazioni utili
29 agosto 2025 | 17:45
L'arca olearia
L'oliveto semi intensivo è più sostenibile del tradizionale

Il miglioramento dell'efficienza dell'irrigazione e la gestione del consumo di fertilizzanti possono migliorare la sostenibilità ambientale della produzione di olive in entrambi i sistemi
29 agosto 2025 | 17:30
L'arca olearia
Talco o caolino durante la gramolazione per migliorare la resa di estrazione in olio

L'argilla caolino e il talco sono stati impiegati e valutati su scala industriale in frantoio per valutare l'efficacia nella resa di estrazione in olio. Nessuno dei coadiuvanti altera sensibilmente gli oli di oliva prodotti
29 agosto 2025 | 17:15
L'arca olearia
L'uso dei residui di potatura e dell'inerbimento spontaneo per controllare l'erosione e la perdita di carbonio negli oliveti

Negli anni '80, l'uso della vegetazione vivente come copertura del suolo è stato proposto come strategia per gestire la perdita del suolo e ridurre il deflusso. Oltre all'inerbimento, un'altra alternativa è quella di triturare i residui di potatura. Ecco i risultati
29 agosto 2025 | 16:50
L'arca olearia
Velocità e frequenze ideali per la raccolta in continuo delle olive

Le macchine scavallatrici possono operare con diverse velocità e frequenze, da cui discendono efficienze di raccolta delle olive e danni all’olivo molto differenti. Ecco la velocità di avanzamento ideale e la frequenza ottimale
28 agosto 2025 | 14:00
L'arca olearia
Stabilire il momento ottimale per la raccolta delle olive: strumenti e parametri

La corretta determinazione del tempo di raccolta ottimale è fondamentale per garantire la massima qualità dell'olio d'oliva, che richiede la valutazione precisa e tempestiva della maturità delle olive: metodi distruttivi e non distruttivi
27 agosto 2025 | 13:00