La telecamera FX10 di Specim, distribuita in Italia da iMAGE S SpA, è una soluzione promettente per garantire la qualità del prodotto in modo continuo ed efficace
L’analisi iperspettrale si sta affermando come uno strumento efficace per classificare le diverse tipologie di olio e identificare eventuali adulterazioni attraverso la risposta spettrale. A questo scopo, è stata utilizzata la telecamera FX10 di Specim, azienda finlandese leader nel settore dell’hyperspectral imaging distribuita in Italia da iMAGE S SpA. La telecamera opera nella banda spettrale compresa tra 400 a 1000 nm, adatta al controllo di prodotti alimentari liquidi quali l’olio, non essendo influenzata dalla presenza dell’acqua e, dove si possono estrarre maggiori informazioni sulla composizione chimica degli oli alimentari.
La telecamera è stata installata su un sistema di scansione appositamente configurato, con un’illuminazione uniforme garantita da faretti alogeni. I dati raccolti sono stati trasformati in riflettanza e successivamente analizzati tramite software specializzati e script sviluppati ad hoc basati su metodi di classificazione quali PLS-DA e reti neurali. L’attenzione si è concentrata su specifiche bande spettrali che permettono di verificare la sofisticazione dell’olio, la composizione organo elettrica e, pertanto la provenienza delle stesse olive, le differenze tra olio vergine ed extra vergine e, infine, la possibilità di identificare presenza di altri elementi quali oli di girasole, nocciole o mandorle, rispetto all’olio di oliva.
L’installazione di un sistema iperspettrale direttamente sulla linea di produzione consentirebbe di effettuare un controllo continuo del prodotto prima e dopo dell’imbottigliamento, assicurando una verifica completa della qualità dell’olio. Attualmente, i controlli vengono effettuati a campione, ma l’obiettivo è monitorare l’intero flusso produttivo per garantire standard più elevati.
Per l’analisi degli oli sono stati adottati metodi di classificazione basati sia su regressioni lineari sia classificatori che sfruttano reti neurali (MLP). In particolare, sono stati estratti gli spettri di differenti tipologie di oli e, con questi sviluppate le metodologie di analisi e di confronto.
Grazie alla possibilità di ricostruzione del colore, partendo dallo spettro estratto, sono state anche eseguite delle analisi sulle differenze di colorazione dell’olio, caratteristica delle olive utilizzate. In questo caso è stata considerata una regione spettrale parziale compresa tra i 400 e 750nm.
Interessante osservare come campioni visivamente simili presentassero differenze significative a livello spettrale, dimostrando così l’efficacia dell’analisi iperspettrale nell’individuare adulterazioni e garantire la qualità dei prodotti.
Un ulteriore sviluppo ha previsto l’impiego di un software dedicato per l’elaborazione dei dati. Questo applicativo ha permesso anche di confrontare con precisione gli spettri dei campioni utilizzando algoritmi basati su confronto diretto di spettri, come lo Spectral Angle Mapper (SAM) o lo Spectral Similarity Value (SSV). I risultati ottenuti hanno confermato l’accuratezza del sistema nel distinguere le diverse tipologie di olio.
In conclusione, l’analisi iperspettrale applicata alla produzione di olio rappresenta una soluzione promettente per garantire la qualità del prodotto in modo continuo ed efficace. I risultati finora raggiunti suggeriscono che questa tecnologia potrebbe presto diventare uno standard nell’industria alimentare per il controllo qualità.
Spectral analysis in oil classification
The FX10 camera from Specim, distributed in Italy by iMAGE S SpA, is a promising solution to continuously and efficaciously guarantee product quality
Hyperspectral analysis has become increasingly popular as an effective instrument to classify different types of oil and identify possible adulteration through spectral response. The FX10 camera from Specim, Finnish company leader in hyperspectral imaging sector and distributed in Italy by iMAGE S SpA, has been purposely used.
The camera operates in the spectral band between 400 and 1000 nm and is suitable for inspecting liquid food products, such as oil, since it is not affected by the presence of water, and can provide information on the chemical composition of edible oils.
The camera has been installed on a purposely configured scanning system, provided with uniform lighting thanks to halogen spotlights. The data collected has been changed into reflectance and then analysed by means of specialized software and specially developed scripts based on classification methods, such as PLS-DA and neural networks. Attention was paid to specific spectral bands that enable verifying oil adulteration, organ-electric composition, and therefore the origin of the olives, the difference between virgin oil and extra-virgin oil, and finally the possibility of identifying the presence of other elements, such as sunflower, hazelnut or almond oils, compared to olive oil.
The installation of a hyperspectral system on the production line would enable continuous product control before and after bottling, granting complete control of the quality of the oil. Presently, controls are carried out on a sample basis, but the goal is monitoring the entire production flow as to guarantee higher standards.
For oil analysis, classification methods basing on both linear regressions and classifiers using neural networks (MLP) are used. In particular, the spectra of different types of oil have been extracted and, with them analysis and comparison methods developed.
Thanks colour reconstruction, starting from the spectrum extracted, some analysis was also performed on the differences of oil colorization, characteristic of the olives used. This case, a partial spectral region between 400 and 700 nm has been considered.
It is worth noticing that some visually similar samples showed significant differences at spectral level, thus evidencing the effectiveness of hyperspectral analysis in finding adulteration and guaranteed product quality.
Further development included dedicated software for data processing. This application also made it possible to accurately compare samples spectra by using algorithms based on direct spectra comparison, such as the Spectral Angle Mapper (SAM) or Spectral Similarity Value (SSV). The results confirmed the accuracy of the system in distinguishing different types of oil.
In conclusion, hyperspectral analysis applied to oil production is a promising solution to continuously and efficiently guarantee product quality. Results achieved so far suggest that this technology is likely to become a standard for quality control in the food industry.
