Il monitoraggio della qualità sensoriale dei prodotti a base di cacao richiede molto tempo, oltre all’impiego di un panel di esperti. Perciò, scopo di uno studio recente, effettuato da un gruppo di ricercatori internazionali (Collazos-Escobar et al., 2024), è stato quello di applicare la spettroscopia nel medio infrarosso (MIR) in combinazione con tecniche di machine learning (ML) per predire tale qualità.
I campioni sono stati analizzati sia mediante ATR-FTIR (spettroscopia infrarossa a trasformata di Fourier in riflettanza totale attenuata), in un intervallo di lunghezza d’onda compreso tra 4000 e 650 cm-1, sia mediante l’impiego di un panel composto da 4 persone. I dati spettrali sono stati elaborati utilizzando una tecnica di normalizzazione e combinati con quelli sensoriali.
Successivamente, l’analisi delle componenti principali (PCA) è stata impiegata per ottenere regressori da utilizzare come input del sistema ML. Secondo i risultati del panel, le fave di cacao provenienti da diverse aree di coltivazione presentano caratteristiche sensoriali simili. Tuttavia, utilizzando la PCA, è stato possibile identificare una distinzione nei campioni provenienti dalle zone più settentrionali.
I risultati statistici rivelano il potenziale della spettroscopia MIR, in combinazione con tecniche di ML, nella previsione rapida (tempo di calcolo, CT, <0.02 s) ed accurata (coefficiente di determinazione, R2, >99.9%) della qualità sensoriale dei prodotti a base di cacao. Secondo gli autori, infine, l’implementazione di questi strumenti di intelligenza artificiale può essere utilmente utilizzata per supportare la valutazione anche di altre caratteristiche qualitative del cioccolato, consentendone, inoltre, la classificazione in base all’origine del cacao.
Riferimenti bibliografici: G.A. Collazos-Escobar et al., Infrared Physics and Technology, 141, 2024, 105482.
