Nuova prospettiva di controllo della contaminazione dell'olio d'oliva

Lubrificanti, oli motore, cherosene, gasolio e olio minerale bianco sono tutti derivati del petrolio a cui gli esseri umani hanno accesso nella loro vita quotidiana, e gli idrocarburi aromatici (benzene, toluene e xilene) in questi derivati del petrolio sono cancerogeni e biotossici, e l'esposizione prolungata può portare a danni al tratto respiratorio, alla pelle, al fegato e al sistema nervoso centrale. Inoltre, antiossidanti e agenti antiusura sono anche ampiamente aggiunti a questi derivati del petrolio, e questi additivi sono anche molto minacciosi per la salute umana.

Molti camion cisterna che hanno trasportato derivati del petrolio non ripuliscono in tempo prima di iniziare a trasportare e immagazzinare oli commestibili, il che si traduce nei residui di derivati del petrolio che si mescolano in oli commestibili. L'introduzione di queste sostanze negli oli commestibili può influire direttamente sulla loro qualità e sicurezza.

Attualmente, i metodi comuni utilizzati per distinguere i derivati del petrolio e gli oli commestibili includono principalmente gascromatografia (GC), spettrofotometria ultravioletta-visibile (UV-Vis), ecc. 

Sebbene questi metodi abbiano i propri vantaggi, non possono soddisfare i requisiti di semplici passaggi, precisione ed efficienza allo stesso tempo. La spettroscopia near-infrared (NIR) può rilevare rapidamente campioni senza danni, la luce del vicino infrarosso si riferisce all'intervallo di lunghezza d'onda di 700-2526 nm tra lo spettro elettromagnetico visibile e mid-infrarosso, la materia organica generale nell'intervallo di assorbimento della spettroscopia a infrarossi è principalmente i gruppi contenenti idrogeno (O H , C  H,  N  H, S H, P  H), come il moltiplicativo e combinato-frequenza Alcune strutture e composizioni principali di quasi tutte le sostanze organiche possono trovare segnali nei loro spettri NIR e gli spettri sono stabili e facili da ottenere. Pertanto, la spettroscopia a infrarossi è molto adatta per prodotti agricoli, alimenti e altri aspetti.

I dati dei campioni di olio d'oliva contaminati da derivati del petrolio (olio lubrificante, olio motore, cherosene, olio di gasolio, olio minerale bianco) e campioni di olio d'oliva puro vengono raccolti utilizzando la spettroscopia nel vicino infrarosso e il modello di classificazione è combinato con Convolutional Neural Network e Long Short-Term Memory. Attraverso il modello CNN, 128 dimensioni delle funzionalità dei dati di input vengono raggruppate e ridotte in 13 funzionalità, ognuna delle quali contiene 32 canali, e infine appiattita come l'input, costruendo così un sistema di rilevamento stabile e accurato.

I risultati sperimentali mostrano che CNN-LSTM mostra prestazioni di classificazione significativamente superiori rispetto alla macchina vettoriale di analisi discriminante meno parziale dei quadrati (PLS-DA) e della macchina vettoriale di supporto (SVM). Ha effettivamente evitato problemi di classificazione eccessiva e imprecisi, garantendo al contempo l'accuratezza dell'identificazione. Pertanto, CNN-LSTM ha dimostrato di essere uno strumento efficace per l'analisi dei dati spettrali e ha aperto nuove strade per la ricerca futura sui metodi di rilevamento degli alimenti non invasivi.