Olio extravergine di oliva o olio vergine di oliva: a scoprirlo ci pensa un dispositivo portatile

Garantire l'autenticità degli oli di oliva extravergine è fondamentale a causa dell'elevato rischio di pratiche fraudolente associate a questo prezioso prodotto.

I metodi tradizionali si basano su analisi fisico-chimiche e organolettiche, costose, dispendiose in termini di tempo, e richiedono personale specializzato.

Uno studio dell’Università di Cordoba introduce modelli di classificazione probabilistica utilizzando metodi bayesiani per migliorare l'affidabilità della spettroscopia a infrarossi (NIRS) per il controllo di qualità dell'olio d'oliva.

A differenza dei modelli tradizionali, questi metodi consentono la quantificazione dell'incertezza, migliorando così la precisione decisionale nelle applicazioni industriali.

Il test su oli extravergini di oliva, vergini di oliva e lampanti: scoprire le frodi

Un totale di 259 oli di oliva (104 extravergine (EV), 71 vergine (V) e 84 lampante (L)) sono stati analizzati da due strumenti con diverse configurazioni ottiche e metodi di presentazione del campione.

L'analisi discriminante parziale del minimo quadrato (PLS-DA) è stata applicata per sviluppare una strategia di classificazione in due fasi: in primo luogo, per discriminare le categorie non-LOO contro LOO, e quindi discriminare la categoria di campioni nonLOO (distinguendo EVOO contro VOO).

I modelli hanno raggiunto un tasso di classificazione corretto (CCR) fino all'86,36% per discriminare l’olio extravergine di oliva dall’olio vergine di oliva con lo strumento da banco, con più della metà dei campioni classificati nelle rispettive categorie con una probabilità superiore al 75%, che evidenzia la loro efficacia nel garantire la qualità e l'autenticità degli oli ottimizzando al contempo le risorse nell'industria dell'olio d'oliva.

Risultati simili (81,82 %) sono stati ottenuti per il dispositivo portatile, nonostante le differenze di gamma operativa, la qualità ottica e il prezzo.

I risultati dimostrano che i modelli di classificazione probabilistica possono migliorare significativamente il processo di classificazione quantificando l'incertezza, integrando così i metodi tradizionali e fornendo un quadro robusto per classificare le categorie di oli d'oliva.