Tecniche ottiche per l analisi rapida della qualità dei prodotti ortofrutticoli

Transcript

1 DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI DEPARTMENT OF AGRICULTURAL AND ENVIRONMENTAL SCIENCE Tecniche ottiche per l analisi rapida della qualità dei prodotti ortofrutticoli Riccardo Guidetti Dipartimento di Scienze agrarie e ambientali Università degli Studi di Milano, via Celoria 2, Milano, Italy riccardo.guidetti@unimi.it CIBUS TEC - Parma 30 OTTOBRE 2014 Tecniche ottiche per l analisi rapida della qualità dei prodotti ortofrutticoli

2 La qualità dei prodotti ortofrutticoli Cos è la qualità (UNI EN 28402)? La qualità è data dall insieme delle proprietà e delle caratteristiche di un prodotto che conferiscono ad esso la capacità di soddisfare esigenze espresse o implicite degli utilizzatori Numerosi fattori influenzano la qualità dei prodotti ortofrutticoli: -Fattori ambientali: condizioni climatiche, condizioni pedologiche, condizioni idrologiche; -Fattori agronomici: elementi nutritivi, disponibilità idrica, caratteristiche varietali, preparazione del terreno, densità di impianto, forma di allevamento, stato vegetativo, ecc.; -Fasi di post-raccolta: metabolismo del prodotto ortofrutticolo (climaterico, non climaterico, ecc.), aspetti meccanici (lesioni dovute ad urti, selezione, ecc.), tecnologici (buona o cattiva refrigerazione, trattamenti in cella, ecc.), aspetti patologici (fattori che subentrano a seguito di danni, marciumi, ecc.).

3 Come si misura la qualità dei prodotti ortofrutticoli? Analisi fisiche: dimensioni, colore, consistenza; Analisi chimiche: determinazione di alcuni composti tipici del prodotto (antociani, polifenoli, grado zuccherino, ecc.); Analisi microbiologiche: valutazione della carica microbica (funghi e batteri); Analisi sensoriale: per valutare l apprezzamento del consumatore (gusto, aroma, ecc.)

4 Quando si deve conoscere la qualità del prodotto ortofrutticolo? In campo permette di valutare i fattori ambientali e agronomici Raccolta: l analisi della qualità permette di valutare il miglior momento per la raccolta dei prodotti Conferimento: valuta i prodotti al fine di una loro valutazione economica e stabilisce i trattamenti in post-raccolta ideali Lavorazione: la qualità stabilisce i criteri per l ottimizzazione del ciclo produttivo Evoluzione dei trattamenti post-raccolta: attività respiratoria, trattamenti (AM) Vendita: caratterizzazione del prodotto in funzione delle richieste di mercato Accettazione piattaforma logistica: rispetto delle condizioni di capitolato Consumatore finale: scelta in base all impiego del prodotto e al proprio gusto

5 Strumentazione Tecniche distruttive classiche Tecniche non distruttive

6 Tecniche distruttive classiche Analisi Fisiche Chimiche Microbiologiche Sensoriali Contenuto zuccherino Strumentazione Penetrometro, Dinamometri Rifrattometro, titolatori, gascromatografi, fluorimetri, phmetri Piastre di colture microbiche Panel test Contenuto di clorofilla D u r e z z a

7 Tecniche non distruttive Parametri Dimensioni, peso Durezza Vuoti interni Solidi solubili, durezza, colore proprietà nutraceutiche Aromi Strumentazione Calibratrici meccaniche e ottiche Sistemi meccanici basati su vibrazioni, cadute Sistemi elettrici Sistemi ottici (vari) Naso elettronico

8 Tecniche non distruttive 1: le Calibratrici meccaniche Calibratrice a vaglio: A: nastro di alimentazione; B: vaglio per 3 classi; C: spazzole per la traslazione D: nastri di raccolta prodotti; E: tendine in gomma per rallentare il prodotto. Calibratrice belt and board (nastro e tavola regolabile) A: nastro rotolamento prodotto B: porta di luce variabile C: nastro prodotto calibrato Calibratrice a nastro e rullo (Wayland) A: nastro trasportatore B: rulli di calibrazione C: nastro prodotto calibrato Calibratrice a elementi divergenti A: tipo Jansen B: a rulli

9 Tecniche non distruttive 1: Calibratrici elettroniche per peso ed ottiche Le tazze vengono pesate in una posizione precisa tramite cella di carico. Il sistema elettronico stabilisce la porta di espulsione La telecamera, analizzando il frutto, identifica il colore, le dimensioni, la forma, eventuali difetti esterni.

10 Tecniche non distruttive 2 Le tecniche più evolute hanno come obiettivo quello di identificare alcune caratteristiche qualitative del prodotto. Si basano su: - Proprietà strutturali dei prodotti (durezza, densità, elasticità del tessuto vegetale); - Proprietà ottiche del prodotto; - Caratteristiche elettriche; - Risonanza magnetica; - Risposte alla radiazioni X e ; - Componenti volatili. Tecniche meccaniche -Tecniche ottiche

11 Tecniche meccaniche La durezza è un parametro inversamente correlato con la maturazione A: pistone ad aria compressa dotato di sensore estensimetrico B: sfera di acciaio C: compressore D: supporto rigido E: microprocessore Sistema a caduta: la risposta all impatto, misurata con una cella di carico, è correlata al peso e alla durezza del frutto. Le caratteristiche vibrazionali sono regolate dalla massa, dalla morfologia e dal modulo di elasticità del frutto. Il trasduttore piezoelettrico è un convertitore in grado di trasformare l'energia elettrica fornita dal generatore in energia meccanica di vibrazione

12 Selezione mediante proprietà elettriche A: Campione; B: Nastro; C: Pompa a vuoto per bloccare il campione; D: Elettrodo esterno; E: Elettrodo interno; F: Misuratore di capacità elettrica.

13 Selezione ottica La luce è un onda elettromagnetica che interagisce con la materia. La luce di determinata lunghezza d onda e frequenza quando colpisce un corpo può venire assorbita o riemessa dal corpo stesso. Un corpo nero assorbe a tutte le lunghezze d onda uno bianco le riflette tutte Luce incidente Luce riflessa Luce assorbita

14 Selezione ottica Le onde elettromagnetiche che costituiscono la luce sono, pertanto, suddivise in base a tali grandezze: Regione spettrale Raggi γ Raggi X Ultravioletto Visibile Infrarosso Microonde Radioonde Lunghezza d onda (λ) < 10-1 nm nm nm nm 700 nm μm 0.1 mm - 30 cm > 30 cm Il NIR (Near Infra Red) è la prima zona dell infrarosso (700 nm 2500 nm)

15 Selezione ottica Tecnica spettrofotometrica in grado di analizzare alcuni costituenti ed alcune proprietà dei prodotti ortofrutticoli L analisi spettrofotometrica permette di ottenere informazioni sulla struttura della materia mediante la sua interazione con una radiazione elettromagnetica. E il principio che sta alla base anche del funzionamento degli spettroscopi di laboratorio che valutano, appunto, la misura degli spettri a seguito dell interazione della luce (onda elettromagnetica) con il campione La caratterizzazione della luce è fatta in base ad alcune grandezze (lunghezza d onda, frequenza) correlate al quantitativo di energia posseduto: legge di Planck: E = h h: costante di Planck, 6, Js : frequenza di propagazione, Hertz

16 Selezione mediante radiazione all infrarosso vicino (NIR) 1 Gli spettri Counts Spectra of homogenized grape samples wavelengths (nm)

17 Selezione ottica Sono stati messi a punto sia sistemi di analisi dell immagine sia sistemi di analisi puntuali che, valutando il valore dell intensità luminosa del segnale in riflettanza, quantificano parametri di maturazione o della qualità della matrice di interesse in maniera non distruttiva. analisi superficiale intera matrice analisi puntuale ma anche strati interni

18 Spettroscopia NIR e Vis/NIR Usare la luce per l analisi della qualità dei prodotti VANTAGGI Rapidità Riduzione o eliminazione di reattivi chimici Minor costo per singola analisi Analisi non distruttiva Analisi contemporanea di più componenti Visibile nm NIR nm

19 La spettroscopia Vis/NIR: come funziona? Studia l interazione tra materia e radiazione elettromagnetica La radiazione Infrarossa provoca variazioni nell energia vibrazionale delle molecole Stiramento simmetrico Stiramento asimmetrico Deformazione 400 nm nm

20 Tipologie di sistemi NIR e Vis/NIR GRADO DI COMPLESSITÀ Diversi sistemi disponibili Importante scegliere sistema giusto per l applicazione giusta - Tre categorie principali Sistemi NIR da laboratorio (fino a 2500 nm) Selezionatrici e calibratrici Vis/NIR e NIR Sistemi Vis/NIR semplificati

21 Sistemi NIR da laboratorio Accuratezza e riproducibilità della misura Ottima (tecnologia FT-NIR) Semplicità di utilizzo (una volta calibrati) Ottima Selezionatrici e calibratrici Vis/NIR e NIR Buona Ottima Sistemi Vis/NIR semplificati Buona Ottima

22 Sistemi NIR da laboratorio Flessibilità d utilizzo (aspecificità) Buona Applicabilità in condizioni e ambienti diversi Bassa (se statici) Discreta (se trasportabili) Selezionatrici e calibratrici Vis/NIR e NIR Discreta (sistemi per specifiche categorie di prodotti) Bassa (impianti fissi) Discreta (se trasportabili) Sistemi Vis/NIR semplificati Buona (bassa per sistemi dedicati per singoli prodotti) Ottima (quasi sempre portatili) DIPARTIMENTO DIP. SCIENZE DI SCIENZE AGRARIE AGRARIE E AMBIENTALI E AMBIENTALI

23 Sistemi NIR da laboratorio Costi Medio/Alti Campi d applicazione Ricerca Laboratori d analisi Grande industria (chimica, alimentare, farmaceutica) Selezionatrici e calibratrici Vis/NIR e NIR Medio/Alti Settore ortofrutticolo Selezione e classificazione partite Centri conferimento/ logistici Sistemi Vis/NIR semplificati Bassi Analisi direttamente in campo Supporto ai piccoli produttori Analisi preliminare campioni al conferimento DIPARTIMENTO DIP. SCIENZE DI SCIENZE AGRARIE AGRARIE E AMBIENTALI E AMBIENTALI

24 Dipartimento di Scienze Agrarie e Ambientali Gruppo di ricerca prof. Bodria e prof. Guidetti Realizzazione e sperimentazione di sistemi ottici per la valutazione non distruttiva della qualità di prodotti ortofrutticoli freschi (ma non solo ) - Principali obiettivi della ricerca spettroscopia Vis/NIR strumenti portatili ridotte dimensioni costo limitato facili da usare Applicabilità a diverse tipologie di prodotti Flessibilità d utilizzo

25 Dipartimento di Scienze Agrarie e Ambientali Gruppo di ricerca prof. Bodria e prof. Guidetti Sperimentazioni degli ultimi anni: 1. Sperimentazione postazione Vis/NIR per la gestione di partite di mele in conservazione 2. Studio di un prototipo di selezionatrice NIR per l analisi di frutti in movimento 3. Sperimentazione di un sistema per analisi NIR in linea su grossi lotti di produzione 4. Sperimentazione portatile Vis/NIR (mirtilli, uva, mele, olive, birra, insalata IV gamma) 5. Studio di fattibilità sistema ottico semplificato per mirtilli, uva, insalata di IV gamma 6. Monitoraggio della qualità di prodotti ortofrutticoli mediante analisi dell immagine multispettrale e scattering Finanziamenti istituzionali e da aziende private

26 1 Dispositivo Vis/NIR portatile Dispositivo vis/nir portatile basato sulla riflettanza diffusa Lunghezze d onda: nm Risoluzione: 0.3 nm Componenti del sistema: 1 - Sistema di illuminazione 2 - Cavo a fibre ottiche 3 - Spettrofotometro portatile Sperimentato su: Mirtilli Mele di IV gamma e non Bacche e omogenato d uva Birra Olive Insalata di IV gamma Riflettanza diffusa

27 Sperimentazione su mirtilli Varietà analizzate: Brigitta e Duke Classi Peso medio di 5 frutti (g) Dev. Std. (g) I II III IV

28 Sperimentazione su mirtilli Duke Solidi solubili ( Brix) Antociani totali (mg mv/g) Flavonoidi totali (mg mv/g) Polifenoli (mg cat/g) Ac. Ascorbico (mg/100g) Calibrazione Cross-validazione r cal RMSEC r cv RMSECV Durezza (Mpa) Brigitta Solidi solubili ( Brix) Antociani totali (mg mv /g) Flavonoidi totali (mg mv/g) Polifenoli (mg cat/g) Ac. Ascorbico (mg/100g) Calibrazione Cross-validazione r cal RMSEC r cv RMSECV Durezza (Mpa)

29 Sperimentazione su uva Analisi parametri tecnologici: Contenuto solidi solubili ( Brix) Acidità ph - Relativamente veloci - Personale qualificato Analisi parametri fenolici: Polifenoli (PT) Antociani potenziali (AP) Antociani estraibili (AE) - Lunghe e laboriose - Personale specializzato

30 La maturità fenolica ALCUNI PASSAGGI DEL METODO DI GLORIES METODO GLORIES SELEZIONARE 200 ACINI CON PEDICELLO OMOGENEIZZARE CON IL FRULLATORE Antociani Potenziali (mg/l) PESARE 25 g DI FRULLATO PESARE 25 g DI FRULLATO ml HCl ph 1 23 ml DI AC. TARTARICO AGITARE PER 4 0RE FILTRARE SU LANA DI VETRO SUCCO A ph 1 SUCCO A ph 3.2 UNA GIORNATA DI CENTRIFUGARE CENTRIFUGARE A 3000 RPM PER 7 MINUTI A 3000 RPM PER 15 MINUTI ANTOCIANI ph 1 ANTOCIANI ph 3.2 in provetta: in provetta: 1 ml di estratto 1 ml di estratto 1 ml di etanolo acido 1ml di etanolo acido 20 ml di HCl ph ml di HCl ph 0.6 cuvetta A 2 ml di campione ml H2O cuvetta B 2 ml di campione ml di soluzione metabisolfito TOTALE LAVORO Antociani Estraibili INTERA!!! (mg/l) Metodo Glories cuvetta A 2 ml di campione ml H2O cuvetta B 2 ml di campione di soluzione metabisolfito attendere 30 minuti al buio e leggere a attendere 30 minuti al buio e leggere a 520 nm contro H 2 O 520 nm contro H 2 O

31 Calibrazione Validazione Omogenati Classi n di campioni correttamente classificati n di campioni correttamente classificati Falsi negativi n di campioni correttamente classificati n di campioni correttamente classificati Falsi negativi CSS ( Brix) Acidità titolabile (g/dm3 tart. acid) Non maturi (< 21 Brix) Maturi ( 21 Brix) Non maturi (> 11 g/dm3 a. tart) Maturi ( 11 g/dm3 a. tart) 32/ / % 88.7% 37/ / / / % 83.1% 41/ /41 6

32 2 - Ipotesi di sistema semplificato dedicato per analisi dei mirtilli Mercato in crescita, piccole realtà, spesso a conduzione familiare Il momento della raccolta viene deciso solamente sulla base dell analisi visiva dei frutti e dell esperienza del produttore. No dati oggettivi Necessità di sistemi ulteriormente semplificati ed economici Semplificato: sistema basato su poche lunghezze d onda selezionate. Informazione limitata ma mirata. Obiettivo: sistema da campo per un analisi qualitativa immediata del grado di maturazione dei mirtilli (tecnologia a LED) Discriminare tra la 3 classe (non perfettamente maturi) e la 4 classe di maturazione (maturi)

33 Elaborazione dati e classificazione I 740 nm / 850 nm 6.00 Fase di calibrazione IM = I740 I850 1,5 I680 I y = -1.5x Validazione y = 0.80Ln(x) Classificati in base a IM R 2 = Classi Non Maturi classe1 Maturi classe2 classe Classificazione di riferimento I 680 nm / 850 nm classe4 III 82.5% 17.5% IM > 5,8 non maturi IM < 5,8 maturi IV 5.3% 94.7%

34 3 - Sperimentazione di un sistema per analisi NIR in linea su grossi lotti di produzione QS_ONLINE di UNITEC Il sistema integra la tecnologia NIR su una calibratrice Velocità di analisi: fino a 10 frutti al secondo Il sistema di movimentazione fa ruotare i frutti durante l analisi Acquisizione dati e classificazione in modo completamente automatico

35 Computer Luce Luce Prima testa di lettura Seconda testa di lettura Sistema di fibre ottiche per il trasporto della luce

36 FREQUENCY (%) Analisi dei dati Tecnica di analisi: riflettanza senza contatto col frutto Sistema di illuminazione a fibre ottiche Spettrofotometro per analisi nel range nm Frequency of error for predicted data from measured for Soluble Solids Content (SSC) Sperimentazione 77 % Confronto tra i dati di contenuto zuccherino stimati dal sistema e i dati di riferimento Brix 0 a 0,5 Brix 0,5 a 1 Brix 1 a 1,5 Brix 1,5 a 2 Brix 2 a 2,5 Brix 2,5 a 3 Brix > 3 Brix CLASS OF ERROR

37 4. Monitoraggio della maturazione di uva direttamente in campo Siatema vis/nir portatile per identificare l ottimo momento della raccolta JAZ Vis/NIR portable sistem by OceanOptics Range spettrale valutato: nm Fibra ottica Misura in riflettanza

38 Monitoraggio della maturazione di uva direttamente in campo Campionamento 86 campioni di uva rossa (ogni campione è ottenuto dalla media di 75 spettri, uno per ogni acino). 90 campioni di uva bianca (ogni campione è ottenuto dalla media di 10 spettri, uno per ogni acino). Analisi dei dati Tutti I campioni disponibili, divisi per uva rossa e bianca, sono stati utilizzati per creare modelli di regressione PLS per I parametri considerati: contenuto in solidi solubili, acidità titolabile, ph, grado alcolico potenziale, rapporto zucchero/acidità, amtociani estraibili, antociani e tannini totali.

39 Counts Varietà Cabernet sauvignon (uva rossa) Brix maturazione Picco di assorbimento della clorofilla Terzo overtone dell OH nm

40 Counts Varietà: Sauvignon blanc (uva bianca) Brix maturazione Picco di assorbimento della clorofilla Terzo overtone dell OH nm

41 Risultati PLS model for EA (mg dm -3 ) PLS model for TSS ( Brix) Buone capacità di stima sono state ottenute per i modelli che correlano: contenuto solidi solubili, acidità, grado alcolico potenziale, antociani estraibili, con valori di R 2 fra 0,7 e 0,8 e bassi valori di RMSE. I risultati sono incoraggianti, specialmente se si considera la difficoltà di acquisizione in condizioni incontrollate, come ad esempio standardizzare la luce ambientale. Ciò dimostra l applicazione dello strumento ottico studiato per l analisi veloce, direttamente in campo, di parametri legati alla maturazione dell uva.

42 Risultati Uva rossa Parameteri Unità N di Calibrazione Validazione campioni R 2 cal RMSEC R 2 cv RMSECV Contenuto in solidi solubili Brix Acidità titolabile g tart. acid dm ph Grado alcolico potenziale % vol Zucchero/acidità Antociani totali mg dm Antociani estraibili mg dm Tannini mg kg Uva Bianca N di Calibrazione Validazione Parameteri Unità campioni R 2 cal RMSEC R 2 cv RMSECV Contenuto in solidi solubili Brix Acidità titolabile g tart.acid dm ph

43 Per il futuro Progettato Costruito Testato

44 fantascienza? Applicazioni NIR per smartphone

45 Conclusioni Applicazioni NIR e Vis/NIR settore ortofrutticolo: 1 I sistemi NIR si stanno affermando come soluzioni tecnologiche a supporto della filiera ortofrutticola 2 - Prototipo sistema Vis/NIR portatile messo a punto dal DISAA ha dato risultati promettenti in un ottica applicativa su mirtilli, mele, uva, insalata, olive e birra 3 Lo studio del sistema semplificato per uva e mirtilli permetterà di avere uno strumento semplice, tascabile e poco costoso, a supporto anche dei piccoli produttori Per il futuro (più o meno prossimo ) L applicazione dell analisi dell immagine multispettrale può essere efficacemente applicata allo studio della maturazione e della shelf-life L approccio metodologico basato sulla selezione delle variabili più informative può essere replicato su altri prodotti al fine di studiare strumenti semplici per l analisi dei prodotti (es. altre varietà di frutta, IV gamma)

46 GRAZIE per l attenzione Gruppo di lavoro: Prof. Riccardo Guidetti (riccardo.guidetti@unimi.it) Dott. Roberto Beghi (roberto.beghi@unimi.it) Dott. Valentina Giovenzana (valentina.giovenzana@unimi.it) Ing. DIP. Raffaele DI SCIENZE AGRARIE E Civelli AMBIENTALI (raffaele.civelli@unimi.it)