La rivista "Sensors" ha pubblicato un articolo sulla ETongue, un progetto METROFOO-IT di UniParma per la classificazione di pomodori di diverse cultivar. Grazie all'utilizzo della Lingua elettronica e a tecniche variate di machine learning, è stato possibile discriminare con successo e in maniera estremamente rapida dei campioni di passate di pomodoro.
Si tratta di un importante risultato scientifico per l’Università di Parma nell’ambito del progetto METROFOOD-IT: quello pubblicato sulla rivista Sensors (MDPI) è un articolo inerente allo sviluppo e alla valutazione delle prestazioni di una lingua elettronica voltammetrica (E-Tongue) per la classificazione di passate di pomodoro in funzione della cultivar della materia prima.
La pubblicazione è avvenuta nel contesto di uno Special Issue intitolato "Low-Cost Chemosensors for Applications in Environment, Health, Food, and Industry Process Control" ed in regime open access, che ne permette la piena condivisione pubblica. L’articolo può essere scaricato a questo link: https://www.mdpi.com/1424-8220/24/11/3586
METROFOOD-IT (www.metrofood.it) è un’infrastruttura di ricerca finanziata nell’ambito del Piano Nazionale di Ripresa e Resilienza (PNRR), che si propone di supportare la ricerca e l’innovazione nel settore agroalimentare fornendo servizi integrati, accelerando la digitalizzazione dei sistemi agroalimentari e la loro efficienza, la rintracciabilità e la sostenibilità e promuovendo l’affidabilità di prodotti e processi e delle informazioni fornite ai cittadini, alle autorità locali e a tutti gli stakeholders dei sistemi agroalimentari.
Lo studio in questione (“Evaluation of a Voltametric E-Tongue Combined with Data Preprocessing for Fast and Effective Machine Learning-Based Classification of Tomato Purées by Cultivar”) è stato svolto nell'ambito delle attività del progetto METROFOODIT, tramite le facilities acquisite, e annovera tra gli autori la Responsabile del progetto Prof.ssa Maria Careri, la Prof.ssa Ilaria De Munari, il Prof. Stefano Cagnoni, il Prof. Marco Giannetto ed altri ricercatori afferenti al progetto. Il risultato è stato raggiunto grazie alla sinergia tra le unità operative UNIPR1 – Unità Sensori Analitici Smart e UNIPR2 – Ingegneria Informatica e Sensori Elettronici.
Funzionamento e risultati
Più nel dettaglio, i gruppi di ricerca di Chimica Analitica, di Ingegneria Elettronica e di Ingegneria dell’Informazione dell’Università di Parma hanno realizzato una lingua elettronica elettrochimica basata sulla combinazione di tre sensori implementati su elettrodi screen-printed modificati con nanomateriali compositi per il controllo dell’autenticità di prodotti alimentari. Le potenzialità dell’e-tongue, abbinata ad una preelaborazione dai dati mirata ad ottimizzare le prestazioni delle tecniche multivariate di Machine Learning, sono state applicate con successo alla discriminazione rapida di campioni di passate di pomodoro ottenute da cultivar di diverso valore commerciale. È stato quindi possibile differenziare le tre varietà di pomodoro (datterino rosso, datterino giallo e perino) sulla base di responsi riconducibili alla concentrazione di zuccheri e di antiossidanti.
Un risultato molto interessante è stata l’estrema rapidità di esecuzione dell’analisi: la lingua elettronica realizzata permette infatti di analizzare simultaneamente fino ad otto campioni in meno di un minuto. importante, inoltre, è stata l’elaborazione dei dati analitici mediante tecniche di Machine Learning per la classificazione dei campioni. Tra queste, l'Analisi Discriminante Lineare si è rivelata particolarmente performante, fornendo un punteggio medio di corretta classificazione superiore al 99%. Lo sviluppo di algoritmi e modelli statistici per la fase di preelaborazione dei dati si è dimostrato vantaggioso al fine della riduzione della dimensionalità dei dati e quindi del costo computazionale, favorendo quindi una futura implementazione hardware. L’importanza dio questo studio innovativo risiede nella possibile progettazione di soluzioni hardware da integrare in dispositivi portatili a basso costo per applicazioni future nel campo dell’autenticità di prodotti alimentari e per la rilevazione di adulterazioni.
