Pubblicato articolo sull'utilità di un sistema di rivelamento del danno occulto della castagna basato su misurazioni spettroscopiche (NIR)

21/07/2021 07:43:39

Feasibility of FT-NIR spectroscopy and Vis/NIR hyperspectral imaging for sorting unsound chestnuts

In questo studio è stato testato l’utilizzo dell’analisi di immagine iperspettrale nel visibile/vicino infrarosso (Vis/NIR HSI) e della spettroscopia nel vicino infrarosso in trasformata di Fourier (FT-NIR) per il rilevamento di castagne infestate/infettate. Analizzando l’efficacia di questa tipologia di tecnologie non distruttive, l’intento era quello di fornire una valida ed affidabile alternativa alle tecniche di selezione tradizionali, attraverso una loro applicazione in linea. La sperimentazione è stata condotta su un totale di 720 frutti, forniti dall’azienda Mastrogregori s.r.l. I campioni sono stati classificati dall’azienda in due lotti (360 frutti sani e 360 frutti guasti) mediante il sistema di cernita tradizionale che prevede il flottaggio e la successiva cernita manuale effettuata da operatori esperti. I due lotti sono stati conservati a 4 ± 1 °C fino al momento dell’analisi. Prima delle misurazioni, i campioni sono stati fatti acclimatare, lasciandoli a temperatura ambiente per 12 ore. Successivamente, le castagne sono state sottoposte alle misurazioni non distruttive (acquisizioni spettrali) seguite immediatamente dalle analisi distruttive (microbiologica ed entomologica). I modelli di classificazione sono stati sviluppati utilizzando la Partial Least Squares Discriminant Analysis (PLS-DA), associando i dati spettrali acquisiti su ogni singolo campione (matrice X) con i corrispondenti dati provenienti dalle analisi distruttiva (vettore Y). Alle castagne sane è stato associato un valore di Y = 0; per le castagne guaste un valore Y = 1. Le prestazioni di ogni modello PLS-DA sono state valutate in termini di errore Falso Positivo (FP), errore Falso Negativo (FN) ed errore totale (ET). I migliori risultati sono stati ottenuti impiegando la tecnologia Vis/NIR HSI. Nello specifico, il miglior modello di classificazione è stato ottenuto dalla scansione dell’ilo ed era caratterizzato da un errore FP dell’8 %, FN del 14 % e l’ET dell’11 %. Il modello ottenuto tramite la tecnologia FT-NIR ha mostrato risultati simili in termini di errore Falso Negativo (15% FN). Tuttavia, le performance di classificazione globali di quest’ultimo sono risultate inferiori (17% ET) a causa del più alto errore Falso Positivo (19 % FP). In conclusione, considerando che l’errore totale di classificazione del sistema di cernita tradizionale è circa pari al 14.5 %, il modello Vis/NIR rappresenta un’ottima alternativa se implementato in un sistema di cernita rapido ed in linea.

scarica PDF

Get in touch

Compila il seguente modulo, ti ricontatteremo al più presto!

Nome *

Email *

Oggetto

Messaggio *

Presa visione dell'informativa procedendo all'invio della richiesta autorizzo al trattamento dei dati rispetto alla finalità 1.1 dell'informativa.