Upload
donatella-pinna
View
215
Download
0
Embed Size (px)
Citation preview
1
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Naso Elettronico e
Lingua Elettronica
Esempi di applicazione in campo alimentare
2
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Non è quindi sorprendente che numerosi sforzi siano stati prodotti in questi ultimi anni per introdurre sul mercato strumenti che operano con principi simili a quelli olfattivi e gustativi umani: il "NASO ELETTRONICO" e la “LINGUA ELETTRONICA”.
La percezione degli ODORI e dei SAPORI da parte dell’uomo è di fondamentale importanza nella valutazione della qualità dei prodotti alimentari.
3
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
• La lingua elettronica analizza matrici liquide ed i sensori sono direttamente immersi nel campione liquido.
• Il naso elettronico è specifico per i composti volatili ed i sensori analizzano lo spazio di testa del campione.
Naso elettronico vs lingua elettronica:
4
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Mappa dei segnali derivanti dai sensori
Naso elettronico
Lingua elettronica
L’insieme delle risposte dei sensori del naso e della lingua elettronica creano una “mappa” di segnali aspecifici che costituiscono il PROFILO DEL PRODOTTO detto anche FOOD FINGERPRINT
5
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Birra e bevande alcoliche- Controllo materie prime- Caratterizzazione e
determinazione dell’origine geografica
- Monitoraggio (on line) delle fasi di produzione
Carne e derivati- Rancidità- Studi di composizione- Odori estranei
Applicazioni del naso e della lingua elettronica in campo alimentare
Prodotti della pesca- Freschezza
Latte e derivati- Odori estranei nel latte- Caratterizzazione e
determinazione dell’origine geografica
-Valutazione dell’intensità odorosa
Prodotti vegetali- Freschezza- grado di maturazione
6
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Controllo di qualità:
•Studi di shelf-life
•Valutazione della presenza di contaminati
Caratterizzazione e determinazione della tipicità dei prodotti
Confronti e correlazioni con i risultati dell’analisi sensoriale.
Applicazioni del naso e della lingua elettronica in campo alimentare
7
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
L’aroma quale attributo della shelf life
Durante la conservazione di un prodotto alimentare il profilo aromatico cambia per effetto di alcune reazioni degradative (ossidazione, crescita microbica, attività lipolitiche o proteolitiche)
Il tipo di composti volatili e la loro concentrazione può essere analiticamente determinata con tecniche SPME-GC-MS (very time consuming!)
L’impronta aromatica può essere qualitivamente caratterizzata mediante l’impiego del naso elettronico. Quest’ultima tecnica è particolarmente semplice e rapida.
8
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
8°C
15°C
0 3 4 5 6 7 10
0 3 7 9 13 15 17 20 22 31
Tempo cons (giorni)
T°cons (°C)
Analisi
Composizione (t=0):Acqua, proteine, grassi,
ceneri, cloruri
Durante CONS:pH, Acidità,colore (L a b)
Durante CONS:Naso elettronico,
Applicazioni del naso elettronico:Case study 1: la shelf life della crescenza
S. Benedetti, N. Sinelli, S. Buratti, M. Riva. Shelf life of Crescenza Cheese as Measured by Electronic Nose. J. Dairy Sci. 88 3044-3051 (2005).
9
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Naso elettronico
In studi di shelf life, la risposta dei sensori aumenta o dimimuisce in relazione al tempo di conservazione del prodotto
Alcuni sensori sono più efficaci nel classificare/discriminare i campioni
MO
SFE
T
MO
S
Mappa della risposta dei sensori
10
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
PCA Score Plot
Lo score plot (per 6 sensori selezionati) evidenzia una direzione di discriminazione dei campioni (da sinistra a destra) in funzione del tempo di conservazione della crescenza alle due temperature stabilite
11
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Una tecnica di raggruppamento applicato al set completo dei dati (risposta dei sensori x campioni) consente l’individuazione di possibili classi E come si evidenzia dal dendrogramma la possibilità si suddividere I campioni in freschi vecchi e molto vecchi.
Cluster Analysis
freschi
vecchi
Molto vecchi
Dendrogramma
12
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Discriminant Functions
Function 1 (77.7% of variance)
6420-2-4-6
Fu
nct
ion
2 (
22
.3%
of
vari
ace
)
4
2
0
-2
-4
-6
-8
-10
Centroids
Unknow n Samples
Very Old
Old
Fresh
Classificazione (LDA)
Dopo aver individuato le possibili classi, il data set può essere impiegato per creare un modello di classificazione da utilizzare per scopi predittivi, cioè in grado di prevedere lo stato di conservazione di campioni sconosciuti
3 freschi e 4 molto vecchi Proiezione delle tre classi nello spazio definito dalle due funzioni discriminanti della LDA
13
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Springcrest:
Silver Rome
Earlymaycrest
Maycrest
Golden delicious
Fuji
Stark delicious
Applicazioni del naso elettronico: Case study 2: valutazione del grado di maturazione della frutta
0 3 7 9 14 17 19 22
T°cons (°C) Tempi di cons.
20°C
20°C
0 1 2 5 6 7 8 11
T°cons (°C) Tempi di cons.
Analisi
Alla raccolta (t=0):Colore, peso
Durante CONS:Naso elettronico,
dosaggio dell’etilene
0 3 7 9 14 17 19 22
S. Benedetti, S. Buratti, A. Spinardi, S. Mannino, I. Magnani. Electronic nose as a non-destructive tool to characterise peach cultivars and to monitor their ripening stage during shelf life. Postharvest Biology and Technology 47, 181-188 (2008).
14
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Risultati analoghi
per le altre
cultivar di mele!!!
“Stark” “Springcrest”
PCA Score Plot
Risultati analoghi
per le altre
cultivar di pesche!!!
15
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Sensore con capacità discriminate
Sensore con capacità discriminate
PCA Loading Plot dei campioni di pesche durante la maturazione
PCA Loading Plot dei campioni di mele durante la maturazione
16
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
UNRIPE RIPE OVERRIPE
UNRIPE RIPE OVERRIPE
Parametrizzazione e definizione delle classi di maturazione
Unripeness limit
Ripeness limit
Unripeness limit
Ripeness limit
17
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Naso e lingua elettronica nella caratterizzazione e determinazione della tipicità dei prodottiLa necessità di salvaguardare e valorizzare alimenti a denominazione d’origine, alimenti tipici della produzione nazionale, ha portato negli ultimi anni ad una più puntuale caratterizzazione e ricerca di elementi tipici nelle diverse matrici alimentari.
18
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Applicazioni del naso e della lingua elettronica: Case study 3: caratterizzazione di vini barbera a
denominazione d’origine.
Cinquantatre campioni di vini barbera DOC lombardi e piemontesi:
23 barbera Oltrepò Pavese (Pavia)
12 barbera Piemonte (Asti, Alessandria,Cuneo)
11 barbera Asti (Asti, Alessandria)
5 barbera Alba (Cuneo)
Analisi
Composizione fenolica:Polifenoli totali;
assorbanza alle lunghezze d’onda di 280, 320, 370,
520 nm.
Analisi Chimiche tradizionali:
Acidità totale volatile,pH, conducibilità, alcool, estratto totale, rH
Analisi sensoriale strumentale:
Naso elettronico, lingua elettronica, colore
S. Buratti, S. Benedetti, M. Scampicchio, E.C. Pangerod. Characterization and classification of Italian Barbera wines by using an electronic nose and an amperometric electronic tongue. Analytica Chimica Acta, 525 133-139 (2004).
19
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Nell’area definita dalle prime due componenti principali vi è una chiara separazione dei campioni in base alla loro regione d’origine.
=Barbera Oltrepò Pavese; =Barbera Piemonte; =Barbera Asti; = Barbera Alba
Barbera Piemonte
Barbera Asti e Alba
I migliori risultati sono stati ottenuti considerando solo i dati del naso e della lingua elettronica
Lombardia
Piemonte
20
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Proiezione delle quattro classi di vini barbera nello spazio definito dalle due funzioni discriminanti della LDA
Cross validation error rate: 1.89%
Classificazione (LDA)
Oltrepò Pavese
Piemonte
Asti
Alba
21
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Studio delle relazioni tra le risposte del naso e della lingua e le proprietà sensoriali degli
alimenti
Quando la sicurezza e l’apporto di nutrienti sono garantiti, i parametri sensoriali diventano il fattore discriminante nella definizione della qualità di un prodotto alimentare.
I parametri sensoriali possono essere valutati con metodologie complesse e “time-consuming”, quali l’impiego di panel test, praticamente inapplicabili in molti settori del controllo di qualità.
Il naso elettronico e la lingua elettronica sono metodologie analitiche obiettive che permettono di valutare le caratteristiche olfattive e gustative di un alimento in modo rapido.
22
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Applicazioni della lingua elettronica: Case study 4: caratterizzazione di Tè e
determinazione dell’astringenza
Campioni sottoposti all’analisi:
1 tè verde in foglie
2 tè verde in bustina
2 tè oolong in foglie
1 tè nero in foglie
1 tè nero in bustina
1 tè nero deteinato in bustina
23
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
samples AAE CT0 CA0 C00 AE1 cpa(AAE) cpa(CT0) cpa(CA0) cpa(C00) cpa(AE1)tea verde 1 -101.61 -32.99 -95.96 -72.8 -104.76 -17.19 -10.75 -5.37 -9.84 -48.67tea verde 2 (foglia) -93.38 -20.75 -93.47 -80.32 -94.45 -13.18 -7.87 -3.96 -14.81 -43.93tea verde 3 -101.64 -30.74 -95.64 -73.66 -102.28 -17.16 -10.49 -5.2 -9.75 -48.38oolong 1 -82.77 -3.34 -85.65 -87.13 -64.73 -9 -5.09 -2.14 -18.74 -32.18oolong 2 -78.5 1.99 -82.83 -87.27 -59.38 -9.63 -4.8 -2.66 -19.9 -31.17nero 1( deca) -72.34 10.72 -76.22 -74.96 -14.94 -6.16 -2.77 -0.6 -17.49 -15.78nero2 ( foglia) -78.44 -1.85 -77.39 -87.79 -29.99 -6.94 -3.65 -0.7 -27.13 -20.2nero 3 -75.19 -1.77 -74.27 -61.34 -32.41 -8.56 -4.16 -1.18 -11.68 -23.23
Taste sensor output
Parametri di conversione (Weber-Fechner’s Law)
samples Sourness Bitterness Astringency aftertaste B aftertaste A Umami Richness Saltinesstea verde 1 -31.82 7.42 11.305 2.065 12.265 16.005 7.22 8.315tea verde 2 (foglia) -30.995 9.5 11.61 3.11 11.07 14.71 5.535 5.225tea verde 3 -31.71 7.73 11.27 2.05 12.19 16.01 7.21 7.75oolong 1 -28.4 11.915 9.67 3.935 8.11 13.035 3.78 0.84oolong 2 -27.465 12.385 9.665 4.18 7.855 12.365 4.04 -0.5nero 1( deca) -25.275 11.395 4.04 3.675 3.975 11.39 2.585 -2.7nero2 ( foglia) -25.665 12.135 4.43 5.7 5.09 12.35 2.915 0.465nero 3 -24.625 8.44 4.825 2.455 5.855 11.845 3.595 0.445
Taste information
24
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
PCA BiPlot
AstringenAstringenzaza
valutazionvalutazione e sensorialesensoriale
non fermentato
parzialmente fermentato
fermentato
Sovrapposizione dello Score plot relativo agli 8 campioni di tè del Loading plot dei descrittori del gusto maggiormente significativi
25
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Correlazione risultante tra
l’analisi sensoriale e la lingua
elettronica
y = 2.0357x
r=0.977
0
2
4
6
8
10
12
14
0 1 2 3 4 5 6 7
astringenza (sensoriale)
as
trin
ge
nza
(lin
gu
a e
lett
ron
ica
)
26
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
1. Alto Adige Pinot Nero2. Brusco dei Barbi3. Morellino di Scansano4. Primitivo del Salento5. Valcalepio Rosso 6. Irpinia Aglianico7. Valtellina Superiore
Inferno8. Vallagarina Negrara9. Sangiovese Novello10. Lacrima di Morro d’Alba11. Dolcetto di Dogliani12. Oltrepò Pavese Bonarda13. La Segreta Rosso 14. Colline Novaresi15. Suvereto Rosso Val di
Cornia
Applicazioni del naso e della lingua elettronica: Case study 5: predizione di descrittori sensoriali
e della qualità globale di vini rossi secchi
Analisi
Composizione fenolica:Polifenoli totali;
Antocianine totali; Flavonoidi totali;
Flavonoidi non antocianici;
Analisi sensoriale:panel di 8 giudici esperti
ONAV
Analisi sensoriale strumentale:
Naso elettronico, lingua elettronica, colore
S. Buratti, D. Ballabio, S. Benedetti, M.S. Cosio. Prediction of Italian red wine sensorial descriptors from electronic nose, electronic tongue and spectophotometric measurements by means of Genetic Algorithms regression models. Food Chemistry 100 211-218 (2007)
27
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Risultati analisi sensoriale
1 2 3 4 5 6 7 8 9
Aroma fruttato
Aroma speziato
Aroma legno
Acido
Amaro
Flavour fruttato
Flavour speziato
Flavour legno
Alcohol
Astringenza
Corpo
Qualità totale
Boxplot dei punteggi assegnati dagli assaggiatori come media, deviazione std. valore max e min dei descrittori sensoriali
Pu
nte
gg
i b
en
dis
trib
uit
i su
lla s
cala
di g
iud
izio
28
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Analisi multivariata dei dati
Costruzione dei modelli predittivi dei descrittori sensoriali
La procedura di validazione (Metodo Bootstrap)
DATASETDATASET
Tutte le variabiliTutte le variabili
Modelli matematici Modelli matematici
predittivi e informativipredittivi e informativi
Variabili selezionateVariabili selezionate
Algoritmi Algoritmi
GeneticiGenetici
Una popolazione di modelli di regressione viene generata e modificata mediante un processo evolutivo
29
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Modelli di regressione dei descrittori sensoriali
variabili coinvolte nei modelli risultati migliori in predizione
Coefficienti di regressione in fitting (R2) e predizione (Q2bootstrap e Q2leave-one-out) dei modelli di regressione dei descrittori sensoriali
Buona accuratezza in predizioneBuona performance in fitting
30
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Conclusioni
Lingua e naso artificiali presentano indubbi vantaggi, quali: Facilità di utilizzo; Velocità di risposta; Versatilità di
impiego; Assenza di pretrattamenti del campione; Oggettività delle analisi.
Possono essere di utile supporto alle analisi chimico-fisiche ed all’analisi sensoriale.
Il costo di tali strumenti può essere ammortizzato quando sono necessari controlli ripetuti e continui
Il Naso Elettronico e la Lingua Elettronica sono tecniche promettenti per il controllo di qualità, per la valutazione dell’autenticità dei prodotti di qualità e per predire le caratteristiche sensoriali dei prodotti
alimentari.
31
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti
Grazie per l’attenzione!
32
“Tecniche strumentali innovative per la caratterizzazione delle percezioni sensoriali” – Milano 17 febbraio 2009
Dott. Susanna Buratti