Indice
Digitalizzare l’analisi sensoriale umana
Diversi metodi sperimentali dimostrano che siamo in grado di distinguere almeno 10.000 odori differenti [1].
Ciò è possibile grazie alla specifica interazione di odoranti (sostanze che producono percezioni odorose) con i nostri recettori olfattivi.
Studi recenti hanno inoltre provato a mappare le caratteristiche fisio-chimiche di tali odoranti con i corrispondenti recettori umani [2].
È stato ipotizzato che le sostanze che stimolano la percezione sensoriale tendono a interagire con più recettori simultaneamente e che i recettori olfattivi e gustativi umani sono allo stesso tempo in grado di legarsi a più sostanze chimiche.
Pertanto, l’interazione dei sistemi biologici con miscugli di sostanze chimiche di tipo volatile e non volatile genera una serie complessa di impulsi che vengono trasmessi al nostro cervello.
Ed è proprio l’elaborazione neurale che permette di produrre ciò che comunemente definiamo percezione sensoriale.
Questa funzionalità innata ci permette di distinguere odori e sapori e di definire ciò che fa scaturire sensazioni piacevoli o sgradevoli.
Per questo motivo, l’analisi sensoriale umana di prodotti alimentari è diventata il metodo più utilizzato nell’industria per valutarne efficacemente le proprietà e qualità così come le percepirebbe un consumatore.
In generale, l’esperienza sensoriale umana ha da sempre ispirato il mondo dell’intelligenza artificiale.
Ad esempio, il riconoscimento automatico di immagini e suoni è alla base di sistemi intelligenti che ci permettono oggi di vedere e sentire meglio.
Al contrario, replicare percezioni olfattive e gustative risulta essere più complicato, data la fisiologia complessa, e per certi versi ancora sconosciuta, che caratterizza olfatto e gusto.
Tuttavia, lo sviluppo di tecnologie innovative che sfruttano l’intelligenza artificiale per migliorare processi già in uso ha portato la comunità scientifica a ideare strumenti che imitino le funzionalità gusto-olfattive e quindi denominati lingua e naso elettronici [3, 4].
Sviluppo di sistemi gustativi e olfattivi intelligenti
Naso e lingua elettronici non devono essere intesi come un tentativo di riprodurre fedelmente le caratteristiche degli organi umani, bensì come strumenti che ne imitano il funzionamento per svolgere operazioni analoghe.
In particolare, queste tecnologie si basano sul raggruppamento di sensori chimici differenti per analizzare sostanze complesse, ovvero composte da più componenti.
Nel caso dei sistemi sensoristici convenzionali, l’identificazione e quantificazione di determinate specie chimiche che compongono una sostanza sono mediate da diversi sensori, ciascuno in grado di interagire con un componente specifico (Fig. 2).
Sebbene tale approccio risulti efficace per l’analisi di prodotti semplici, la sua validità viene meno nel caso di sostanze complesse come i prodotti agroalimentari.
Infatti, tali dispositivi non solo richiederebbero la conoscenza dei componenti da analizzare, ma anche l’integrazione nella stessa matrice di un numero di sensori molto elevato.
Sistemi come naso e lingua elettronici, invece, sfruttano la combinazione di sensori non-selettivi in grado di interagire con più componenti e per questo definiti multi-sensitivi.
In questo caso, la complessità risiede nell’interpretazione dei segnali combinatori provenienti dai singoli sensori, tramite algoritmi di intelligenza artificiale.
Pertanto, tali sistemi possono fornire informazioni sia sulla composizione chimica di una sostanza, sia sulle proprietà derivanti dall’insieme dei suoi componenti.
Gli sforzi scientifici in questo ambito si sono focalizzati sullo sviluppo di metodi e materiali con proprietà multi-sensitive desiderabili [5, 6] e di numerose applicazioni, tra cui l’analisi di prodotti alimentari come bevande, cereali, oli da cucina, uova, latticini, carne e pesce, frutta e verdura [7-12].
Possiamo insegnare ai computer a odorare o gustare?
L’elemento chiave di queste tecnologie è la cosiddetta fase di apprendimento, in maniera analoga a quanto succede con i nostri sistemi biologici.
Calibrare un sistema intelligente significa infatti insegnargli a riconoscere i prodotti e i loro costituenti.
Ciò avviene testando delle sostanze note e utilizzando algoritmi in grado di riconoscere come cambia l’output combinatorio a seconda della variazione delle proprietà fisico-chimiche.
Una volta terminata questa fase, lo strumento è in grado di riconoscere tali sostanze e il responso rappresenta un’impronta digitale di ciò che è stato misurato.
Il controllo qualitativo dei prodotti agroalimentari o il riconoscimento di frodi alimentari sono alcuni esempi di come queste tecnologie si siano dimostrate potenzialmente utili per le analisi routinarie condotte nei centri di produzione e controllo.
Infatti, la possibilità di individuare l’impronta digitale di un prodotto autentico permette il riconoscimento di possibili alterazioni in maniera rapida e a basso costo.
Strumenti complessi ed estremamente accurati richiedono tempo, personale qualificato e investimenti per permettere un numero di analisi adeguato agli standard di controllo.
Al contrario, i sistemi intelligenti forniscono una risposta rapida e sono tendenzialmente più semplici da utilizzare.
Inoltre, dal momento che la fase di apprendimento viene effettuata una sola volta, non richiedono costi aggiuntivi per un numero elevato di analisi.
Per questo motivo, gli studi più recenti si sono focalizzati sull’identificazone di una correlazione tra l’output dei dispositivi e l’analisi di panel sensoriali.
Pur restando il metodo privilegiato in molti processi industriali, l’analisi sensoriale umana presenta dei limiti dovuti alla variabilità dei risultati, ai tempi e ai costi necessari per allestire regolarmente sessioni di valutazione sensoriale.
Tuttavia, naso e lingua elettronici non devono essere considerati delle alternative assolute alla percezione sensoriale umana dal momento che la fase di apprendimento richiede il riconoscimento di proprietà gusto-olfattive valutate dai consumatori stessi.
Nei processi di innovazione e sviluppo di nuovi prodotti, tali dispositivi potrebbero piuttosto rappresentare un mezzo di supporto che limita l’impiego dell’analisi sensoriale fornendo uno screening accelerato di nuove formulazioni.
Conclusioni
I progressi nello sviluppo di sistemi sensoriali intelligenti hanno provato le loro capacità di analizzare diversi prodotti alimentari.
Sebbene l’accuratezza potrebbe essere inferiore rispetto a strumenti più complessi, tali dispositivi potrebbero essere impiegati in maniera complementare all’analisi sensoriale per ridurne tempi e costi.
Speriamo che tu abbia trovato la lettura di questo articolo sui sistemi sensoriali intelligenti per l’analisi alimentare interessante. Per altri contenuti simili, consulta la sezione Blog del nostro sito web. E se vuoi restare sempre al passo con le ultime novità in fatto di Agrifood, iscriviti alla nostra Newsletter!
[1] Meister, M., On the dimensionality of odor space. Elife 4, 2015.
[2] Kowalewski, J.; Brandon H.; Anandasankar R., A System-Wide Understanding of the Human Olfactory Percept Chemical Space. Chemical senses 46, 2021. https://doi.org/10.1016/j.foodchem.2022.132841
[3] Gardner J. W.; Bartlett P. N., A brief history of electronic noses, Sensors and Actuators B 19, 1994.
[4] Vlasov Y.; Legin A.; Rudnitskaya A.; Di Natale C.; D’Amico A., Nonspecific sensor arrays (“electronic tongue”) for chemical analysis of liquids (IUPAC Technical Report), Pure and Applied Chemistry 77, 2005.
[5] Ciosek P.; Wro W., Sensor arrays for liquid sensing – electronic tongue systems, The Analyst 132, 2007.
[6] Karakaya D.; Ulucan O.; Turkan M., Electronic Nose and Its Applications: A Survey, International Journal of Automation and Computing 17, 2020. https://doi.org/10.1007/s11633-019-1212-9
[7] Baldwin E. A.; Bai J.; Plotto A.; Dea S.; Electronic noses and tongues: Applications for the food and pharmaceutical industries, Sensors 11, 2011.
[8] Judal A.; Bhadania A., Advances in artificial electronic sensing techniques for quality measurements in dairy and food industry, National Seminar on “Indian Dairy Industry-Opportunities and Chal-lenges”, Technical Articles, 2008.
[9] Pérez-Ràfols C.; Serrano N.; Ariño C.; Esteban M.; Díaz-Cruz J. M., Voltammetric electronic tongues in food analysis, Sensors 19, 2019.
[10] Müller-Maatsch J.; Van Ruth S. M., Handheld devices for food authentication and their applications: A review, Foods 10, 2021.
[11] Sierra-Padilla A.; García-Guzmán J. J.; López-Iglesias D.; Palacios-Santander J. M.; Cubillana-Aguilera L., E-tongues/noses based on conducting polymers and composite materials: Expanding the possibilities in complex analytical sensing, Sensors 21, 2021.
[12] Patel H., Patel P., Patel H., Innovative application electronic nose and electronic tongue techniques for food quality estimation, Int. J. Recent Technol. Eng. 8, 2019.
Gianmarco Gabrieli
Dottorando industriale presso IBM Research Europe a Zurigo. La sua ricerca è incentrata sullo sviluppo di sensori chimici supportati da algoritmi di intelligenza artificiale. È parte del team di sviluppo di HyperTaste, una lingua elettronica portatile e riconfigurabile utilizzata per accelerare processi di controllo e innovazione per diverse applicazioni.
