Questo articolo documenta un approccio alla previsione degli attributi sensoriali positivi – fruttato, amaro, piccante – dell’olio di oliva vergine dalle sue caratteristiche chimiche, utilizzando metodi di apprendimento automatico.
Il set di dati utilizzato in questo studio include quarantanove campioni di olio d’oliva della varietà Koroneiki provenienti da nove frantoi selezionati, distribuiti uniformemente nella regione della Messinia, in Grecia. I campioni sono stati analizzati per l’acidità libera, il numero di perossidi, l’assorbimento UV per la determinazione dei coefficienti di estinzione, i composti fenolici (fenoli secoiridoidi totali, oleocantale, oleaceina, oleuropeina aglicone e ligstroside aglicone) e composti sterolici (steroli totali, colesterolo, campesterolo, stigmasterolo, d7-stigmasterolo, eritrodiolo, uvaolo, b-sitosterolo).
Il procedimento
L’analisi sensoriale dei campioni ha avuto luogo 20-30 giorni dopo la data di campionamento ed è stata misurata l’intensità di tre attributi positivi (fruttato, amaro e piccante). Gli autori hanno utilizzato l’operatore di restringimento e selezione minimo assoluto (Lasso) per la selezione delle caratteristiche e quindi hanno applicato i metodi dei minimi quadrati ordinari (OLS) per costruire i modelli finali.
Tre modelli di machine learning di previsione basati su Python per ciascuna caratteristica sensoriale (fruttato, amaro e pungente) sono stati costruiti e valutati l’uno rispetto all’altro in termini di metriche prestazionali dell’errore quadratico medio (RMSE) e dell’errore percentuale assoluto medio (MAPE), utilizzando la convalida incrociata ripetuta di 5 volte.
Per lo sviluppo dei due modelli di regressione sono stati considerati anche gli effetti di interazione tra le caratteristiche sensoriali, mentre il terzo modello era basato solo su attributi chimici. I risultati ottenuti hanno rivelato una relazione significativa tra ciascun attributo sensoriale e l’intensità degli altri due, con i rispettivi modelli di previsione che hanno dimostrato un livello di performance altamente soddisfacente. Inoltre, i modelli che utilizzavano solo indici chimici come predittori hanno fornito una forte evidenza che gli indici chimici da soli erano sufficienti per prevedere le intensità degli attributi sensoriali.
I risultati di questo studio stabiliscono il valore predittivo dei modelli costruiti, che potrebbero essere utilizzati per supportare i panel nell'addestramento e nella calibrazione.
DOI: 10.1016/j.jafr.2023.100555
Un metodo di analisi di regressione per la previsione degli attributi sensoriali dell’olio d’oliva A regression analysis method for the prediction of olive oil sensory attributes. Journal of Agriculture and Food Research, Volume 12, giugno 2023
K. Kottaridi, A. Milionis, V. Demopoulos, A. Rigakou, V. Nikolaidis
