New technologies and methodologies for traceability, quality, safety, measurements and certifications to enhance the value and protect the typical traits in agri-food chains
| TITOLO DESCRIZIONE | Tracciabilità e certificazione del grano mediante spettroscopia NIR e MIR integrata con intelligenza artificiale |
|---|---|
| Ente | UNIRM1 |
| Quale bisogno soddisfa | La soluzione è rivolta ha creare un metodo rapido non invasivo e applicabile nel PoC per la determinazione di origine, specie botanica, parametri di qualità e sicurezza |
| Descrizione | la soluzione permette di determinare l'origine, specie botanica, parametri di qualità e sicurezza. La solizione partita dall'analisi di 23 varietà di grano raccolte in 11 regioni italiane e 2 paesi esteri tra giugno e luglio 2023. I campioni sono stati analizzati con spettrometri avanzati, e i dati elaborati con modelli di intelligenza artificiale e chemiometria per migliorare la precisione nella classificazione. L’analisi NIR ha raggiunto un’accuratezza del 75%, mentre il metodo MIR ha permesso di classificare correttamente il 95% dei campioni. Integrando entrambi i dati, la capacità predittiva è migliorata oltre l’82%. Inoltre, modelli specifici per singole varietà hanno ottenuto un’efficienza superiore all’85-90%, dimostrando che questa tecnologia può essere un valido strumento per la tracciabilità e certificazione del grano. |
| Numero Task | 9.1.2 |
| Titolo Task | Multivariate modelling analysis of experimental data for food certification |
| Docente di riferimento | federico |
| marini | |
| Email nascosta; è necessario JavaScript. | |
| Target | aziende agricole; aziende agroalimentari; centri nazionali di stoccaggio e di saggio; dogani, porti |
| Abstract grafico della soluzione | |
| Task leader | Claudia Zoani; Gabriella Tamasi |
| WP leader | Claudia Zoani -Simone Orlandini |
| TRL iniziale | 3 |
| TRL attuale | 4 |
| TRL finale | 7 |
| Note | https://www.agritech-metriqa.it/dashboard/wp1/index.php?F=Home |