L I sistemi olfattivi artificiali

(1)

Fig.1 – Sistema olfattivo umano.

APPLICAZIONI NEL PACKAGING E NEL CONTROLLO ALIMENTARE

I sistemi olfattivi artificiali

I cosiddetti SOA, Sistemi Olfattivi Artificiali (nasi elettronici), riproducono artificialmente le prestazioni di riconoscimento e classificazione di odori che si verificano all’interno di un organismo vivente, utilizzando sensori chimici e software di elbaorazione dati. Tra i principali vantaggi di queste tecniche, quando applicate, ad esempio, alla caratterizzazione di alimenti e di imballaggi alimentari, sono i tempi di riusposta ridotti, l’assenza di pretrattamento

dei campioni, la facilità di interpretazione dei risultati e la capacità di lavorare in continuo.

M. SUMAN, U. BERSELLINI, L. GABBA, G. CRISTOFANILLI, C. RICCI, A. BORDINISANTUCCI, S. SANFELICI, E. COLLE, E. DALCANALE

L

a qualità degli alimenti è costituita da un insieme complesso di parametri valutativi, in con- formità con le richieste dei consumatori, che comprendono gli attributi sensoriali, la composizione chimica, le proprietà fisiche, il livello dei contaminanti microbiologici e tossi- cologici, la shelf-life e il confezionamento. Col termine generale di “flavor” ci si riferisce invece al complesso degli stimoli olfatto-gustativi, tat- tili e chinestetici che permettono di identificare un alimento e stabilire un criterio di giudizio. Il flavor negli alimenti risulta strettamente legato alla qualità del prodotto, in quanto rappresenta l’impatto tra il consumatore e l’alimento. L’aroma si riferisce alle sensazioni gradevoli percepite dall’organo olfattivo per via diretta o indiretta all’assaggio di un alimento e spesso rappresenta il più importante contributo al flavor. L’aroma di un alimento indica la percezione dell’insieme delle molecole volatili che si sprigionano dall’alimento stesso: il problema dell’identificazione e del controllo delle componenti volatili derivanti da processi industriali inerenti alla produzione e alla commer- cializzazione dei prodotti alimentari rappresenta, nel presente, una delle questioni di maggiore interesse per la determinazione della qualità del prodotto finito.

Le molecole odorose presentano delle caratteristiche che le accomunano:

A L I M E N T I

– alta volatilità, indispensabile per- ché raggiungano la cavità nasale, si sciolgano nel muco e stimolino la mucosa olfattiva;

– liposolubilità, che facilita la riten- zione delle molecole all’interno della membrana delle cellule sensi- tive e quindi il loro legame con i recettori;

– tendenza a legarsi con le proteine (recettori di membrana).

La quantità di sostanze volatili presenti in un alimento è estremamente bassa (tipicamente 10-15 mg/kg), ma il numero di tali composti è molto al- to. In alimenti che hanno subito un trattamento termico, da solo (ad es.

caffè) o in associazione a un processo fermentativo (birra, thè,…), è possibile individuare infatti più di 500 composti volatili. Le valutazioni dell’intensità dipendono dalle personali soglie di percezione, che deter- minano l’entità delle valutazioni analitiche di profilo e delle sensazioni di gradevolezza. Esiste dunque un valore soglia di concentrazione al di sotto del quale l’odore non È rivelato e un valore di saturazione oltre il quale la curva di percezione raggiunge un pla- teau [1]. La differenza nelle caratteristiche di alcuni aromi può quindi essere ricondotta alle differenti concentrazioni degli stessi composti co- stitutivi. La soglia limite minima di concentrazione apprezzabile delle sostanze in fase gas dipende poi dalla pressione di vapore, la quale è a sua

volta legata sia alla temperatura che al mezzo in cui esse si trovano. Tale valore è infine influenzato anche dalla procedura d’assaggio e/o dalla pre- stazione del panel sensoriale.

La frequente discrepanza nei valori di soglia riportati in letteratura è fon- damentalmente dovuta a queste dif- ferenze.

Altro fattore che influenza il profilo è la competizione delle varie sostanze aromatiche per i siti recettoriali: può verificarsi che una sostanza presente solo in tracce caratterizzi comunque nettamente l’aroma perché ha una maggiore affinità col sito del recetto- re stesso (un esempio è il classico odore di uova marce percepito anche

(2)

Fig. 2 – Schema a blocchi di un SOA .

a bassissime concentrazioni di deri- vati solforati).

Fisiologia della percezione olfattiva

L’area della membrana olfattiva (che manifesta il suo optimum di funzionamento alla temperatura di 37°C) occupa circa 6 cm2 nella parte più alta della cavità nasale (fig. 1). L’atto di annusare permette all’aria di giunge- re in modo improvviso e irregolare a contatto con tale area, trasportando le molecole odorose [2].

Inoltre, nel processo olfattivo corre- lato alla masticazione le sostanze volatili con peso molecolare minore di 400 vengono trasportate, attraverso la bocca, nelle cavità nasali, dove giungono anch’esse a contatto con le cellule olfattive [3]. Diversamente dal gusto, per il quale sono tuttora riconosciuti cinque tipi di recettori responsabili della sensazione di dolce, salato, amaro, aspro e umami (glu- tammato), l’olfatto coinvolge centi- naia di famiglie recettoriali (dissemi- nate su 100 milioni di cellule olfattive) [4] in grado di riconoscere principalmente una categoria di molecole.

Lo stimolo sensoriale è dato dall’in- terazione delle strutture sensibili, i recettori, con le molecole sensoriali volatili, producendo lo stimolo chimico. Tale processo avviene in tempi distinti in quanto le molecole odorose percorrono, all’interno delle ca- vità nasale, spazi diversi prima di raggiungere i recettori, la cui stimo- lazione può poi avvenire per tempi più o meno prolungati. L’insieme di tutti gli impulsi elettrici è convoglia- to nei glomeruli del bulbo olfattivo, dove si genera un “modello di eccita- zione spazio-temporale” caratteristi- co di ogni sostanza. Tale modello è rielaborato nel cervello in modo da ottenere l’associazione al rispettivo descrittore. L’apprendimento e la memorizzazione delle associazioni avviene durante l’infanzia: qui vengono percepiti, analizzati, ricordati, classificati, riconosciuti gli aromi e i loro componenti.

È il sistema limbico del cervello la zona ove vanno a raccogliersi i segnali e dove avviene la loro “memorizzazione”: per tale ragione quando perce- piamo un odore particolare questo può far riaffiorare ricordi o precise esperienze vissute in passato associa- te ad esso.

Inoltre, il sistema limbico non è solo un’area di memoria del cervello ma è anche sede di controllo delle emozioni e dell’umore: in esso, quindi, odori, emozioni e ricordi “si incontrano ed interagiscono fra loro”.

tazione bidimensionale di uno spazio a più dimensioni per cui le funzioni discriminanti non sono ortogonali tra di loro.

Attualmente in commercio si possono individuare sostanzialmente quat- tro categorie principali di sensori:

MOS (Metal Oxide Semiconductors);

Sensori CP (Conductive Polymers);

Sensori PCS (Polymer Composite Conductors); Sensori QCM (Quartz Crystal Microbalance).

In questo articolo vengono descritte applicazioni che fanno uso di sensori MOS, i quali sono in pratica costituiti da una lamina ceramica riscaldata in- ternamente da una resistenza elettrica, ricoperta in superficie da uno strato di film di ossidi semicondutto- ri, tra cui il più utilizzato a livello commerciale è il biossido di stagno (SnO2).

Il principio di funzionamento di questo tipo di sensori (fig. 2) si basa su una diminuzione della resistenza elettrica causata dall’ossidazione superficiale delle sostanze che compon- gono l’aroma e dalla riduzione dell’ossigeno precedentemente adsorbito ed attivato sulla superficie del senso- re stesso. Questi sensori sono carat- terizzati da bassa selettività, elevata sensibilità (fino ai ppb), alta resistenza all’umidità e lunga durata nel tempo (3-5 anni).

SOA per controllo qualità degli imballaggi alimentari

Tra i vari controlli che possono essere eseguiti su di un alimento, sicura- mente non sono da trascurare quelli inerenti gli imballi di copertura e di protezione del prodotto tal quale dall’ambiente esterno.

Gli imballi utilizzati per i prodotti alimentari, in genere, sono multistrati flessibili frequentemente stampati e/o verniciati, all’interno dei quali è possibile ritrovare un gran numero di sostanze organiche potenzialmente Sistemi Olfattivi Artificiali

(SOA)

I SOA si propongono di riprodurre artificialmente le prestazioni di riconoscimento e classificazione di odori che si verificano all’interno di un organismo vivente; la cavità nasale viene riprodotta nei SOA mediante una camera a tenuta termostatata, conte- nente un insieme di sensori chimici che, lambiti da un flusso laminare di una miscela aeriforme, interagiscono con essa, generando un segnale elet- trico (ad esempio una variazione di resistenza) a causa della temporanea presenza delle molecole volatili sulla loro superficie. Un computer, dotato di un opportuno software di elaborazione dati, svolge poi la funzione ana- loga a quella cerebrale.

Proprio come accade per il cervello, anche il SOA necessita di “imparare”:

è cioè necessario sottoporlo ad un periodo di addestramento per fargli memorizzare un sufficiente numero di combinazioni di segnali derivanti da miscele volatili a composizione nota. Questo viene fatto con il duplice scopo di ottenere sia una ripetibilità di risposta verso odori paragonabili, sia un alto potenziale discriminante verso odori differenti tra loro [5].

I segnali emessi dai sensori vengono memorizzati e sottoposti ad un’elaborazione statistica che in genere consiste in un’analisi delle componenti principali (PCA) oppure nell’analisi della funzione discriminante (DFA) [6]. Il calcolo della PCA è un processo iterativo nel quale vengono trovate le componenti principali ortogonali nello spazio sensori-parametri, lungo le quali la variazione nella serie dei dati è massima. Il calcolo della DFA, invece, consiste nel riconoscimento della classe di appartenenza di un campione incognito tramite confronto con un set di misure precedentemente analizzate di cui sono note le categorie di appartenenza; è una rappresen-

(3)

capaci di sprigionare odori sgradevoli o comunque componenti volatili, come ad esempio residui di monomeri derivanti dai materiali plastici di base, solventi, additivi di inchiostri, ver- nici di sovrastampa, additivi delle materie plastiche di base (antiossi- danti, stabilizzanti termici e radiativi, plastificanti, espandenti,…), adesivi e primer di accoppiamento nonchè i loro solventi [7]. I controlli tradizio- nalmente impiegati si riferiscono principalmente alla gascromatografia ed all’analisi sensoriale. Le limitazioni principali che si possono individuare nell’indagine gascromatografica sono le seguenti:

– sostanze non inserite nello standard di controllo non vengono considerate;

– non c’è correlazione diretta tra la risposta del detector FID del ga- scromatografo e il potenziale d’impatto organolettico di una determi- nata sostanza rilevata come picco sul tracciato;

– la strumentazione necessita di per- sonale con un’adeguata preparazione tecnica.

Esistono d’altronde notevoli limitazioni anche nell’ambito dell’analisi sensoriale:

– la preparazione dei campioni è lunga ed impedisce dei controlli “on li- ne” del processo;

– è necessario un panel di assaggiatori addestrato e di dimensioni suf- ficienti (almeno 7 persone);

– si può controllare un ridotto numero di campioni al giorno a causa anche dell’affaticamento olfattivo del panel di assaggiatori;

– il concetto di “soglia olfattiva” [9]

di un determinato composto percepito da un panel sensoriale non è univoco: in letteratura vi sono mol- teplici definizioni e metodiche di determinazione;

– un dato derivante da analisi sensoriali non è facilmente impugnabile in sede legale nel caso di contesta- zioni o reclami

Ci si è pertanto posti l’obbiettivo di mettere a punto un SOA per valutare oggettivamente e rapidamente la qualità degli imballi alimentari e quindi la loro idoneità organolettica al confezionamento degli alimenti: gli studi svolti attraverso la collaborazio- ne tra Barilla ed il Dipartimento di Chimica Organica e Industriale dell’Università di Parma hanno condotto ad un prototipo a 6 sensori MOS che ha soddisfatto questa speci- fica necessità e alla nascita di una so- cietà di spin-off accademico (Soatec - Parma).

I tipi di imballo considerati sono quel-

li tipicamente utilizzati nel mondo alimentare e per comodità sono stati di- visi nelle seguenti classi:

– classe A: carta + polipropilene metallizzato

– classe B: carta + alluminio + polietilene

– classe F: polipropilene + polipropilene metallizzato

– classe H: poliestere metallizzato + polipropilene

– classe E: polipropilene + polipropilene

– classe D: polipropilene – classe M: polietilene

Gli imballi sono stati chiusi (quantità pari a 50 cm²) in fiale da 20 ml e sottoposti a riscaldamento a 60°C - 10

minuti per la generazione dello spazio di testa. Tra gli aspetti di ottimiz- zazione delle condizioni analitiche considerati si sottolinea la scelta di utilizzo di aria cromatografica secca quale gas di trasporto: gli stessi imballi hanno infatti bassissime percen- tuali di acqua ed alti valori deprime- rebbero inutilmente la risposta.

Per quanto riguarda la costruzione delle banche dati dei diversi materiali è stato necessario analizzare in modo alternato e con ordine casuale imballi buoni e imballi cattivi. Sono stati considerati una serie di solventi rappre- sentanti di categorie aventi soglie limite di impatto organolettico differenti. Non avendo a disposizione un

Fig. 3 – Esempi di banche dati SOA su imballi.

CLASSE F: POLIPROPILENE + POLIPROPILENE METALLIZZATO

CLASSE H: POLIESTERE METALLIZZATO + POLIPROPILENE

(4)

numero sufficiente di campioni “cattivi” si è appositamente messa a pun- to una metodica che prevede il dro- gaggio artificiale di imballi buoni mediante l’utilizzo di quei solventi che generalmente creano problemi in questo settore (tab.1).

La scelta del numero minimo di analisi richieste per la costituzione della banca dati si è basata su diversi studi statistici disponibili in letteratura e il valore finale è stato ottenuto median- te il seguente calcolo: N (parametro fisso dipendente dall’approccio statistico impiegato e solitamente compreso tra 3 e 10) x (numero di sensori) x (numero di parametri delle curve di acquisizione scelti per l’elaborazione dei dati) x (nu- mero di gruppi da discriminare).

Inizialmente sono state considerate tutte le classi di imballo insieme, con- siderando per ognuna due tipologie di campioni, “buoni” e “cattivi” (ovve- ro con livelli fino al 50% superiori al valore limite in tabella): il SOA è riu- scito a percepire non solo le differen- ze di qualità, ma anche la tipologia del materiale di base ed è quindi ri- sultato indispensabile considerare singolarmente le diverse classi di materiali e solo successivamente prova- re a raggrupparne alcune tra loro.

Nella figura 3 sono riportati esempi di banche dati ottenute per l’imballo polipropilene + polipropilene me- tallizzato e per l’imballo poliestere metallizzato + polipropilene: si so- no ottenute delle buone discrimina- zioni per entrambe le categorie, sono stati completamente separati gli imballi buoni da quelli cattivi ed inoltre tra le aree dei campioni drogati non si sono avute delle sovrapposizioni.

Essendo riusciti a costruire le banche dati per tutte le tipologie di imballo in questione e a dimostrare che il sistema è stabile nel tempo, si è quindi provato a simulare l’attività di un laboratorio controllo qualità che riceve giornalmente dei campioni di imballaggi incogniti. Sono stati impiegati imballi provenienti da diversi

lotti settimanali di consegna e desti- nati a diversi tipi di prodotti. Gli imballi sono stati analizzati preventiva- mente in gascromatografia in modo da conoscere con certezza la qualità dei materiali che venivano sottoposti al giudizio del naso elettronico e da poter così controllare il giudizio emesso dallo stesso strumento. Un esempio di riconoscimento è riporta- to in figura 4. Grazie al costante ag- giornamento delle banche dati si è anche riusciti a mantenere sotto stretto controllo il drift dei sensori che, altrimenti, può condizionare la riproducibilità delle misure e la vali- dità temporale delle banche dati stesse. Il sistema infatti è stato pre- disposto (anche a livello di software) per sfruttare in modo “intelligente” i campioni incogniti: il campione incognito, una volta riconosciuto, può essere inserito nella banca dati della classe appropriata: questa diventa pertanto costituita dalle misure ne- cessarie più recenti (venendo sem- pre aggiornata) e l’eventuale drift dei sensori viene compensato, con la contemporanea aggiunta di nuova informazione.

Caratterizzazione SOA del prosciutto crudo

Il prosciutto di Parma è particolar- mente apprezzato per le caratteristiche aromatiche e gustative che si svi- luppano durante il lungo processo di stagionatura (12 mesi almeno). La formazione delle molecole aromatiche è un processo estremamente complesso che coinvolge numerose reazioni chimiche ed enzimatiche a carico del tessuto muscolare e del tessuto adiposo che hanno luogo soprattutto nella fase di caldo del ciclo pro- duttivo [10]. Ossidazione dei lipidi e degradazione degli amminoacidi co- stituiscono le reazioni biochimiche di base nella produzione della maggior parte dei composti volatili e non-volatili. Esse sono essenzialmente soste- nute dagli enzimi endogeni poiché nel prosciutto crudo la carica microbica presente, nei muscoli interni, risulta essere praticamente nulla. La costruzione della banca dati in questo caso è stata fatta eseguendo per ogni campione un’analisi con sistema SOA dotato di 12 differenti sensori MOS.

Il campionamento della parte di prosciutto da analizzare prevede innan- zitutto una macinazione ed un rapido congelamento sotto azoto liquido. Al momento dell’analisi vera e propria il campione, viene dosato (2 g) e successivamente lasciato a temperatura ambiente per 30 minuti all’interno della vial (volume 20 mL) predispo- sta per l’analisi, per la formazione dello spazio di testa.

Prima di tutto si è valutata la possibi- lità di discriminare i campioni in base agli stabilimenti di produzione. La DFA presentata in figura 5 (in cui gli stabilimenti sono indicati come A, B e C) dimostra la fattibilità di tale classi- TAB.1 - SOLVENTI UTILIZZATI E LORO SOGLIE LIMITE

SOLVENTE SOGLIA LIMIT

(mg/mq)

Acetato di etile 20 Soglia limite alta

Cicloesano 4 Soglia limite alta

Metossipropanolo 2 Soglia limite media

Acetilacetone 1 Soglia limite media

Toluene 0.5 Soglia limite bassa

Metossipropilacetato 0.5 Soglia limite bassa

Fig. 4 – Riconoscimento campioni di imballo incogniti.

(5)

ficazione ed in particolare tende a se- parare i campioni delle aziende A e C, ponendo in una zona intermedia i prosciutti dell’azienda B.

Sussiste quindi un ruolo preponde- rante dello stabilimento nello sviluppo dell’aroma, perciò i dati sono stati poi suddivisi per classi di stagionatura, ottenendo librerie più piccole, sul- le quali abbiamo calcolato ancora la DFA (fig. 6). Si nota che il naso elettronico separa i prosciutti provenienti dallo stesso stabilimento in modo progressivamente più netto all’aumentare della stagionatura. Lo sviluppo aromatico avviene infatti negli ultimi mesi della maturazione del prosciutto (generalmente dopo i 10 mesi) e quindi implica un maggior ac- cumulo di molecole odorose. In generale si è potuto evidenziare una tendenza di sviluppo dell’aroma in termini di aumento di intensità e non di cambiamento qualitativo in seguito al protrarsi dell’invecchiamento.

Una fase successiva ha riguardato l’individuazione di possibili difetti or- ganolettici, prendendo in particolare in considerazione le zone del gambo e dell’arteria femorale.

Il difetto di gambo è riconoscibile dal tipico odore di marcio, riconducibile a fenomeno alterativo-mefitico profondo che interessa tutte le por- zioni muscolari della coscia; esso co- mincia ad evidenziarsi anche nelle prime fasi della stagionatura a temperatura ambiente, specie se la carica microbica iniziale era elevata e ri- masta silente nel periodo di riposo e salatura, nonchè se la penetrazione stessa del sale è risultata ostacolata da fattori ambientali. Nel caso dell’arteria femorale, impropriamente detta vena laterale, il difetto è principalmente riconducibile a cattive condizioni igieniche nelle fasi precedenti la salatura (tali da provocare una forte

contaminazione superficiale della coscia) o ad un’errata applicazione delle tecnologie produttive (in particolare temperature troppo elevate nel periodo di cella e un insufficiente dis- sanguamento). Nella figura 7 è possibile vedere come il SOA separi tra loro i diversi campioni di prosciutto in funzione dell’entità del difetto organolettico presente. La tabella inserita nella medesima figura riporta anche il giudizio corrispondente ottenuto dall’analisi di un panel di assaggiatori addestrato: si può notare la grande corrispondenza con i risultati di classificazione ottenuti appunto dal naso elettronico.

SOA per valutazione di difetti in oli vergini d’oliva

La qualità dell’olio vergine d’oliva è condizionata da una serie di fattori ambientali e di produzione che è indispensabile conoscere per ottenere un prodotto di qualità elevata.

Il comportamento dei consumatori nei confronti dell’olio d’oliva è soprattutto legato a fattori sensoriali:

aspetto, odore, sapore, sensazione al palato. Ognuno di questi fattori inte- ragisce differentemente con i diversi consumatori, a seconda delle diverse situazioni. Il consumatore è anche influenzato da fattori non sensoriali, come ad esempio la salute, la cultura, l’area geografica, il clima, così come da altre variabili quali la convenienza e la disponibilità del prodotto.

Tuttavia senza entrare nel merito a valutazioni personali derivanti da un complesso di abitudini ed esperienze, si possono ritenere attributi di qua- lità per un olio extra vergine d’oliva i seguenti:

– grado di acidità più basso possibile (non superiore prudenzialmente allo 0,5%);

– composizione e caratteristiche chi-

mico-fisiche ampiamente compre- se nei limiti previsti dalle normati- ve di legge e dai disciplinari per le DOP;

– aroma e gusto irreprensibili (assenza di difetti quali muffa, rancido, ossidato, etc);

– all’assaggio e al panel test si deve percepire nettamente il fruttato di oliva (verde o matura);

– le percezioni organolettiche positi- ve (aroma, sapore e sensazioni tat- tili) devono essere presenti in un rapporto di equilibrio e di armonia [11].

Lipolisi e ossidazione sono i due processi maggiormente responsabili del deterioramento dell’olio d’oliva. La lipolisi, in genere, ha inizio quando l’olio è ancora nel frutto, mentre l’ossidazione inizia quando l’olio è sotto- posto a spremitura e continua soprattutto durante la fase di stoccaggio [12]. Per potere valutare la qualità di

Fig. 5 – Classificazione SOA di prosciutti crudi (stagionati a 22-24 mesi) provenienti da 3 differenti stabilimenti.

Fig. 6 – Classificazione SOA di prosciutti crudi provenienti da un singolo stabilimento ma ottenuti a differenti tempi di stagionatura.

Fig. 7 – Classificazione SOA di prosciutti crudi con individuazione di difetti.

PUNTO 1: posizione del gambo, in prossimità della tibia; PUNTO 2: posizione della vena laterale, in prossimità

dell’arteria femorale; PUNTO 3: posizione della zona femorale, nelle vicinanze della testa del femore; PUNTO 4: posizione dell’anchetta, localizzata principalmente sotto l’osso del bacino.

(6)

un olio di oliva non è sufficiente ana- lizzarne le qualità chimico-fisiche; è infatti possibile che un olio extra vergine di oliva perfetto dal punto di vista chimico, abbia dei difetti dal pun- to di vista organolettico. Il punteggio organolettico è ottenuto dalle medie dei voti che gli assaggiatori attribui- scono alle percezioni dei pregi e dei difetti e soprattutto dal giudizio glo- bale che ne deriva. Il C.O.I., Consiglio Oleicolo Internazionale, ha proposto una disposizione CEE (Reg. 796/02) , che dal primo settembre 2002 ha so- stituito il precedente regolamento CEE (n° 256/91) e che si differenzia da questo principalmente per il me- todo di valutazione e per quello di classificazione dell’olio in funzione dell’intensità dei difetti.

Fra gli attributi definiti, quelli più im- portanti per la valutazione dei difetti degli oli vergine di oliva sono: avvi- nato, riscaldo, rancido, e morchia.

Molto interesse suscita il difetto rancido (flavor sgradevole e irreversibi- le), specialmente a livello commerciale ed industriale, perché l’insor- genza dello stesso non è necessaria- mente correlabile né ad una cattiva conservazione delle olive né ad un er- rato processo di produzione dell’olio.

L’olio di oliva vergine, infatti, tende ad irrancidire durante il periodo di conservazione anche se questa viene condotta in condizioni ottimali (assenza di luce ed ossigeno, temperature di refrigerazione): all’interno del prodotto possono continuare reazioni chimiche che portano all’autossi- dazione dei grassi e al successivo sprigionamento di composti volatili caratteristici (ad esempio aldeidi come l’esanale).

Sono state analizzate con SOA a 12 sensori a film sottile le stesse miscele impiegate nell’addestramento dei panelisti, al fine di paragonare la capa- cità discriminante del sistema olfattivo artificiale alle prestazioni ottenute dal panel sensoriale e quindi di intro- durre il SOA come strumento da controllo qualità in industrie olearie per valutare la qualità dell’olio extra vergine d’oliva [13-14].

I campioni sono stati preparati con le seguenti modalità: 200 µL di olio sono stati prelevati e depositati sul fon- do di una fiala di vetro da 25 mL di volume; durante la generazione dello spazio di testa, per cui sono necessari pochi minuti, le fiale contenenti l’olio sono state poste in un luogo a temperatura ambiente e in assenza di luce per evitare fenomeni ossidativi.

Inoltre, per aumentare la frazione volatile della componente aromatica, le fiale sono state termostatate a

30°C (valore che simula la temperatura di degustazione dell’alimento stesso) per 400 secondi prima del- l’iniezione.

Gli standard di olio difettato rancido che utilizzano i panel test per adde- strarsi hanno 12 livelli di difettosità, da 1 (il più intenso) a 12 (privo di difetto); il livello 10 viene riconosciuto come difettato dal 75% degli assaggiatori. L’elaborazione dei dati provenienti dal SOA è stata condotta con- centrandosi sui valori a minore inten- sità di difetto (7-12). La costruzione della banca dati ha richiesto 5 giorni d’analisi per un totale di 330 misure con una buona riproducibilità tra le giornate. Il riconoscimento con DFA utilizzando due coefficienti della tra- sformata di Fourier dei segnali supera il 90% (fig. 8). La separazione tra i differenti valori è risultata estremamente precisa, inoltre sono stati discrimi- nati i campioni 11 e 12 che i panelisti stessi hanno difficoltà nel riconoscere.

Consclusioni

I vantaggi dei SOA che si sono potuti apprezzare negli studi sopra esposti riguardano principalmente:

– tempi di risposta ridotti e quindi possibilità di maggiore campionamento su di uno stesso lotto;

– assenza di pretrattamenti dei campioni prima dell’analisi;

– risultati espressi in maniera sem- plice, sintetica e facilmente inter- pretabile da un utilizzatore anche inesperto.

Un ulteriore vantaggio indiscutibile dei SOA è la capacità di lavorare in continuo senza subire le problemati- che di affaticamento e conseguente diminuzione della sensibilità olfattiva che sono invece tipiche di un panel sensoriale; anzi, sperimentalmente si è osservato che più lo strumento la- vora, migliori sono i risultati. D’altronde, va detto che negli ultimi anni i SOA sono stati proposti sul mercato

come strumenti versatili in grado di risolvere rapidamente i problemi di rilevamento di odori più svariati e complessi, senza procedere invece ad una precisa identificazione delle migliori condizioni operative. Questo eccessivo ottimismo si è poi spesso scontrato proprio con problemi prati- ci di messa a punto, tra cui quelli di garantire un’adeguata sensibilità\se- lettività, ripetibilità e riproducibilità delle misure.

La realtà odierna rimane comunque estremamente interessante: se questi strumenti vengono “tarati” di volta in volta su una singola mirata applicazione, in termini di scelta dei sensori, condizioni operative e di campionamento, dimensioni e mantenimento delle banche dati di riferimento, essi si rivelano effettivamente vincenti.

In particolare, i sensori MOS utilizzati nel presente lavoro hanno dimostrato elevata affidabilità nella risposte emesse e quindi, unendo questo parametro al loro costo contenuto, ri- sultano una scelta ottimale per il SOA nelle applicazioni in campo alimentare mirate soprattutto a supportare un panel sensoriale di riferimento.

Il presente articolo è tratto dal convegno “Le tre giornate del controllo alimentare”, Mor- gan Ed. Tecniche, Milano, 16-18 giugno 2004.

BIBLIOGRAFIA

[1] J.W.Gardner, P.N. Barlett, “Electronic Noses-principles and applications”, 1999, pag. 22.

[2] H.Mc Gee, “Il cibo e la cucina, Scienza e cultura degli alimenti”, F. Muzzio Edizioni, pag. 635.

[3] P.Mielle, Trends in food science & Tec- nology 1996, 7, pag. 432.

[4] L.Maroni, “Degustare il vino”, 1995, Lm edizioni, Roma.

[5] M. Suman, C. Ricci, E. Dalcanale, U. Ber- sellini, Imballaggio 2001, 540, pag. 70.

[6] G. Forsgren, Nordic Pulp and Paper Research Journal 1997,12, pag. 276.

[7] M. Suman, C. Ricci, E. Dalcanale, L. Sen- si, U. Bersellini, ItaliaImballaggio 2002, Vol-4, pag. 195.

[8] C. Ricci, U. Bersellini, E. Dalcanale, Ita- liaImballaggio 2003, Vol-3, pag. 283.

[9] J. H. Ruth, Am. Ind. Hyg. Assoc. Jour- nal 1986, 47, pag.142.

[10] M. Flores, A.M.Spanier, F.Toldrà, “Fla- vour of meat products and seafoods”, 1998, pag. 320.

[11] ARPAT, “Valutazione delle caratteristiche organolettiche degli oli d’oliva vergini”, 2001, pag. 14-32.

[12] R. Aparicio, S. M. Rocha, I. Delgadillo, M. T. Morales, J. Agric. Food Chem. 2000, 48, pag. 853.

[13] E. Dalcanale, M.S. Gardini, M. Allai, La Chimica e l’Industria 1999, 81, pag. 465 [14] F. Camurati, G.Cristofanilli, M.Bona- donna, E. Colle, E. Dalcanale, Riv.Ital. So- stanze Grasse 2003, 80, pag. 65.

ig. 8 – Classificazione SOA olio di oliva vergine a diverso livello di rancidità - confronto con punteggio panel sensoriale.