La spettroscopia nel vicino infrarosso: prospettive future

3235

La spettroscopia nel vicino infrarosso (NIRS) è ormai una tecnica consolidata per le analisi e i controlli di prodotto, poiché i suoi punti di forza, come la velocità di risposta, la possibilità di effettuare controlli non distruttivi, la possibilità di utilizzo di sonde a fibre ottiche e di telecamere per il controllo online, hanno favorito la sua divulgazione. Come tutte le tecniche spettroscopiche la NIRS si basa sulle interazioni tra la luce e la materia che, come è stato ampliamente dimostrato dai fisici del secolo scorso, forniscono informazioni utili sulla concentrazione e sulla struttura dei componenti da analizzare [1]. La peculiarità di tale tecnica è data dalla misura degli assorbimenti alle lunghezze d’onda proprie di quella porzione dello spettro elettromagnetico che va da 780 nm a 2.500 nm dovuti a overtones o a combinazioni di transizione vibrazionale di molti legami che coinvolgono l’elemento idrogeno con atomi più grandi (C-H, N-H, O-H, P-H, S-H). Per questo motivo la NIRS è adatta alla determinazione di componenti quali acqua, proteine, lipidi e carboidrati che contengono tali legami.

La misura della composizione chimica degli alimenti necessita però una prima fase di calibrazione, dove campioni accuratamente scelti vengono analizzati con tecniche classiche e messi in relazione alle proprietà dei loro spettri, cioè l’insieme degli assorbimenti registrati. Dopo il calcolo e la validazione di modelli matematici, realizzati con metodi chemiometrici, necessari a gestire la gran quantità di dati a disposizione, è possibile predire la composizione chimica di campioni ignoti, con un margine di errore definito dalla precisione statistica della regressione calcolata. Nel settore lattiero-caseario la tecnica NIRS veniva in origine utilizzata solo per analizzare il latte in polvere, a causa del suo basso contenuto in acqua: infatti nella regione spettroscopica NIR si ha un elevato assorbimento dell’acqua, che “maschera” gli assorbimenti degli altri componenti. Lo sviluppo di strumenti più precisi e versatili accanto allo sviluppo di software di gestione dati, hanno fatto si che questa tecnica possa essere impiegata non solo per l’analisi quantitativa di prodotti quali latte e formaggi, ma anche per il monitoraggio di processi come la mungitura, la coagulazione del latte, le cinetiche di spurgo del siero ecc. 

NIRS nei controlli di processo

A livello internazionale diversi lavori sono stati condotti al fine di valutare l’uso della NIRS in sistemi di controllo del latte in impianti automatici di mungitura. Una volta verificata la sua idoneità, il sistema potrebbe dare ai produttori delle informazioni sulla qualità del latte e sulla condizione fisiologica di ogni singola vacca e, di conseguenza, fornire loro un feed-back di controllo per ottimizzare la gestione della stalla. Sia ricercatori belgi [2] che tedeschi [3] sono giunti alla conclusione che misure effettuate in riflettanza, ossia quando si considera la radiazione luminosa riflessa dal campione, permettono un’accuratezza di predizione eccellente sia per il contenuto di grasso che per le proteine del latte. Minore risulta l’accuratezza della predizione del contenuto in lattosio, che comunque risulterebbe adeguata nel caso si applicassero le raccomandazioni sulla riproducibilità per i dispositivi at-line. Al contrario né utilizzando misure NIRS in riflettanza né in trasmittanza, ovvero quando si considera la radiazione luminosa che attraversa il campione, è stato possibile ottenere predizioni soddisfacenti per la determinazione del contenuto in urea del latte.

Processo di filtrazione su tela di un siero per allontanarne le particelle solide

Per quanto riguarda il processo di coagulazione del latte, già alla fine degli anni Novanta, inizio nuovo millennio, è stato dimostrato come la spettroscopia NIR fosse in grado di monitorarne l’intero andamento. È possibile individuare sia il tempo di coagulazione, inteso come la comparsa dei primi fiocchi caseosi, che altri due punti chiave, come la massima accelerazione e la minima decelerazione di processo di aggregazione, che sono indici delle modificazioni strutturali che avvengono nel corso della fase primaria [4]. Recentemente ricercatori danesi [5] hanno messo a punto un algoritmo per estrarre informazioni utili in tempo reale, da misure in riflettanza tramite NIRS da correlare con le diverse fasi del processo di coagulazione. Dopo aver formulato il modello questo è stato testato su diverse prove di coagulazione verificando come vi fosse un buon accordo tra lo stesso, man mano che venivano acquisiti gli spettri, e i dati sperimentali. Applicando il modello si potrebbe così controllare l’andamento del processo coagulativo e allo stesso tempo riuscire a prevedere il momento più opportuno per procedere al taglio della cagliata.

Processo di filtrazione su tela di un siero per allontanarne le particelle solide

Ma misure online con sensori NIRS sono state fatte anche nella successiva fase di produzione di formaggio valutando sia la produzione di siero che il suo contenuto in grasso e sostanze solide, e contemporaneamente, l’umidità residua nella cagliata. A partire da questi dati sono stati sviluppati modelli di calibrazione “robusti”, in grado di predire tali parametri, il cui fine è quello di migliorare significativamente il controllo di umidità della cagliata direttamente nei caseifici [6]. La NIRS si è rivelata adatta non solo per il controllo dei processi produttivi che coinvolgono il latte, ma anche a seguire l’andamento fermentativo di degradazione del lattosio in acido lattico, di sieri pastorizzati, da parte di ceppi di Lactobacillus Plantarum. Inserendo direttamente una sonda ottica in siero inoculato e incubato a 30 °C è stato possibile ottenere modelli di regressione soddisfacenti sia per il contenuto in lattosio, che per il contenuto in acido lattico. Il modello sviluppato per il monitoraggio della produzione di biomassaè risultato particolarmente adeguato a seguire l’andamento fermentativo [7]. 

La determinazione di costituenti presenti nei prodotti caseari

Il consumo di melanina (sostanza chimica ricca in azoto), e la sua estesa portata dei prodotti interessati, specialmente quelli lattiero caseari, provoca gravi preoccupazioni per la salute; per questo è essenziale trovare metodi rapidi e sensibili per rilevarne la presenza. A questo scopo è stato provato che la NIRS è uno strumento efficace per determinare il contenuto di melanina nei prodotti caseari, testando per esempio prodotti per l’infanzia, latte in polvere o latte liquido. È stato provato che possono essere raggiunti limiti di rilevabilità della melanina bassi, anche al di sotto di 1 ppm (0,76±0,11 ppm), applicando opportuni algoritmi matematici agli spettri e scegliendo tecniche di regressione non lineari come per esempio le reti neurali (artificial neural network – ANN), la support vector regression (SVR), la PLS polinomiale (Poly-PLS) ecc. Questo perché la relazione tra spettri NIRS di prodotti lattei e il contenuto in melamina non è lineare [8]. È possibile utilizzare la NIRS anche per quantificare in modo indiretto delle caratteristiche non riconducibili ad assorbimenti specifici di gruppi funzionali. Si tratta d’informazioni comunque contenute negli spettri di assorbimento ed estraibili mediante analisi statistica, grazie alla presenza di variazioni di assorbimento legate alle interazioni tra i diversi costituenti.

Ricercatori sudafricani hanno sviluppato modelli di calibrazione per la predizione simultanea del pH e della acidità titolabile in Kefir, estraendo in modo diverso informazioni utili da un unico set di dati spettrali raccolti. Il miglior modello per la predizione del pH è stato ottenuto con gli spettri non pretrattati matematicamente, mentre nel caso dell’acidità titolabile si sono avuti risultati migliori pretrattando gli spettri di assorbimento. Le successive prove di validazione dei modelli calcolati, utilizzando campioni nuovi non considerati nella fase di calcolo del modello, hanno permesso di verificare come essi fossero idonei per analisi di screening [9]. Ricercatori spagnoli hanno invece discriminato formaggi di pecora di agricoltura biologica da formaggi di pecora non bio, sempre utilizzando dati ottenuti dalla lettura di campioni con spettroscopia NIR. I campioni di formaggio sono stati ottenuti da latte di massa di greggi di due specie di pecora locali allevate, nella stessa area geografica, sia in modo biologico che non biologico. Le informazioni spettroscopiche sono state accoppiate a un’analisi discriminante basata sulla tecnica di regressione parziale dei minimi quadrati (partial least squares, PLS). Con il modello ottenuto è stato possibile avere una percentuale di classificazione corretta del 97% sia per i campioni biologici che per quelli non biologici; quando il modello è stato applicato a un set di campioni di validazione, non inclusi nella calibrazione, si è ottenuta una percentuale di corretta classificazione del 90% per i campioni biologici e del 80% per i campioni non biologici [10].

Un uso alternativo della spettroscopia NIRS che sfrutta le proprietà di deviazione della luce da parte dei globuli di grasso presenti nel latte è stato studiato nell’ambito del progetto Scatterlat finanziato dalle regione Lombardia, che ha avuto come obiettivi la messa a punto sia di una metodica per la valutazione della distribuzione dei globuli di grasso in latte che di una metodica per la previsione della capacità di affioramento del latte individuale e di massa. Nell’ambito del progetto è stata anche verificata la trasferibilità del modello matematico per il calcolo della densità ottica originata dai globuli di grasso presenti nel latte, creato a partire da spettri raccolti con strumento da banco, su uno spettrometro a basso costo e portatile. Dell’importanza tecnologica della distribuzione delle dimensioni dei globuli di grasso nel latte ne ha già ampliamente discusso il dott. Cabassi su queste stesse pagine [11]. Mentre la capacità predittiva mostrata dal modello messo a punto per calcolo delle curve di affioramento nel tempo in funzione delle caratteristiche di distribuzione dei globuli di grasso ha consentito di valutare l’effettivo impatto tecnologico della variabilità dimensionale osservata nel monitoraggio dei campioni di latte individuale e aziendale di massa. Tale tipo d’informazioni può essere sfruttata nell’industria di trasformazione nell’organizzazione del ritiro del latte, del riempimento delle torri di affioramento e nell’ottimizzazione dei tempi di affioramento.

Prospettive future

Infine, tra le prospettive future di utilizzo della spettroscopia NIR vi è certamente l’analisi diretta di prodotti caseari, per esempio i formaggi già confezionati. Ricercatori Giapponesi hanno messo a punto un modello per la misura del contenuto in grasso, proteine e sale in fette di formaggio fuso avvolte in film di polietilene (PE) utilizzando misure NIRS in riflettenza [12]. Applicando agli spettri raccolti un pretrattamento, ovvero il calcolo della derivata seconda delle curve spettrali, i ricercatori hanno verificato che è possibile eliminare l’influenza degli assorbimenti dovuti al rivestimento in PE e ottenere modelli di calibrazione predittivi soddisfacenti.

Stefania Barzaghi

Bibliografia 

[1] Dufour, É., International Journal of Dairy Technology 64,153-165 (2011)

[2] Aernouts B., Polshin E., Lammertyn J., Saeys W., J. Dairy Sci. 94, 5315–5329 (2011)

[3] Melfsen, Hartung E., Haeussermann A., Biosystems Engineering 112 (3), 210-217 (2012)

[4] Sinelli N., Riva M., Giangiacomo R., Cattaneo T.M.P., In “Ricerche e innovazioni nell’industria Alimentare” vol VI. Chirotti Editore Pinerolo (TO), 1104-112,(2004)

[5] Lyndgaard C. B., Engelsen S.B., Van Den Berg F.W.J., Journal of Food Engineering 108, 345–352 (2012)

[6] Mateo M.J., O’callaghan D. J., Everard C. D., Castillo M., Payne F. A., O’donnell C. P., Food Research International 43 177–182 (2010)

[7] Remagni M.C., Cattaneo T.M.P., Carminati D., Il latte, giugno, 52-54 (2012)

[8] Balabina R. M., Smirnov S. V., Talanta 85, 562–568 (2011)

[9] Ntsame Affane A.L., Fox G.P., Sigge G. O., Manley M., Britz T. J., International Dairy Journal 21, 896-900 (2011)

[10] González-Martína M. I., Hernández-Hierroa J. M., Revilla I., Vivar-Quintana A., González-Pérez C., Gómez García L., Palacios Riocerezo C., Lobos Ortega I.A., Talanta 85 1915– 1919 (2011)

[11] Cabassi G., Il latte, gennaio, 52-55 (2012)

[12] Pi F., Shinzawa H., Ozaki Y., Han D., International Dairy Journal 19, 624–629 (2009)