Immagine in campo chiaro del polline. Credito:lui, Gkantiragas e Glowacki.
Un team di ricercatori dell'Imperial College di Londra e dell'UCL ha recentemente sviluppato un nuovo metodo per autenticare il miele utilizzando l'apprendimento automatico e la microscopia. La loro tecnica, delineato in un documento pre-pubblicato su arXiv, potrebbe rilevare il miele diluito o etichettato erroneamente a un costo molto inferiore rispetto ai metodi esistenti.
Il miele viene prodotto dalle api dopo aver raccolto il nettare dai fiori, scomponilo in zuccheri semplici e conservalo all'interno dei favi. Il miele è attualmente il terzo prodotto alimentare più contraffatto a livello globale. È spesso etichettato erroneamente, che comporta la vendita di un tipo di miele per un altro, o viene diluito con altre sostanze, come lo sciroppo di zucchero.
"Il miele è fatto dalle api dalle piante, "Gerard Glowacki, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Le piante hanno il polline, e ogni pianta ha un polline diverso. Se miele di Manuka, ad esempio, non ha polline di Manuka o affatto polline, allora non è miele di Manuka."
Il miele finto costa molto meno da produrre, e questo può influire negativamente sui produttori di miele genuino, costringendoli ad abbassare i loro margini di profitto o talvolta ad abbandonare del tutto il mercato. Inoltre, le pratiche di apicoltura nella produzione di miele falso sono spesso inferiori rispetto alle pratiche nella produzione di miele genuino, che può provocare il maltrattamento delle colonie di api. Metodi efficaci ed economici per autenticare il miele potrebbero aiutare a identificare rapidamente il miele falso, in modo che possa essere ritirato dal mercato o rietichettato correttamente.
"Melissopalinologia, autenticare il miele dalle sue fonti botaniche, esiste da alcuni decenni buoni, con la reputazione di essere un processo lento e specializzato, "Pietro Lui, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Pensavamo di poter velocizzare le cose con un operatore che non soffrisse di cose umane come la stanchezza, dimenticanza e noia».
Un diagramma che spiega il sistema per l'autenticazione del miele. Credito:lui, Gkantiragas e Glowacki.
I metodi di autenticazione del miele più comunemente impiegati includono la reazione a catena della polimerasi quantitativa (qPCR), spettroscopia di risonanza magnetica nucleare (NMR), spettrometria di massa per cromatografia liquida (LC-MS), spettroscopia nel vicino infrarosso (NIR) e microscopia. I ricercatori hanno anche sviluppato altri test per l'identificazione di tipi specifici di miele, ma la maggior parte di questi si è finora dimostrata inefficace.
L'attuale tecnica all'avanguardia per autenticare il miele di manuka, un tipo di miele molto ricercato ricavato dal nettare dei fiori di manuka e prodotto tipicamente in Nuova Zelanda, si basa su quattro marcatori chimici e sull'uso di un test per il DNA del polline di manuka. Questo metodo, però, può essere utilizzato solo per autenticare il miele di manuka e non è applicabile ad altri tipi di miele.
La maggior parte delle procedure di autenticazione del miele viene eseguita nei laboratori da specialisti e richiede attrezzature specializzate, quindi sono spesso molto costosi. Nel loro studio, Glowacki, Lui e il loro collega Alexis Gkantiragas hanno sviluppato un nuovo metodo per autenticare il miele utilizzando la microscopia potenziata dall'apprendimento automatico, che potrebbe essere molto più economico delle procedure esistenti.
"Identifichiamo il polline nei campioni di miele utilizzando tecniche standard di deep learning, " Gkantiragas ha spiegato. "Da questo, possiamo applicare approcci più quantitativi per analizzare cose come la distribuzione e la densità del polline. Possiamo quindi identificare l'origine geografica e/o botanica del miele".
I ricercatori hanno raccolto campioni di diversi tipi di miele e li hanno sparsi su vetrini. Questi vetrini sono stati coperti e analizzati utilizzando un microscopio a campo chiaro, catturando circa 2500 immagini microscopiche di polline.
La postazione di lavoro dei ricercatori mentre stavano ottenendo una versione a basso costo del sistema in esecuzione. Credito:lui, Gkantiragas e Glowacki.
Dopo aver accuratamente etichettato e annotato queste immagini, i ricercatori li hanno usati per addestrare il loro modello di apprendimento automatico. Il loro modello consiste in una rete di segmentazione, addestrato a rilevare e segmentare il polline, così come una rete di autenticazione, addestrati a classificare i diversi tipi di miele.
"Attualmente è difficile distinguere il falso dal vero miele, " Gkantiragas ha detto. "Il test dello zucchero può essere ingannato usando zuccheri diversi. L'NMR è costoso e ha bisogno di professionisti. La nostra attrezzatura costa una paghetta, è semplice da usare e ha il potenziale per essere implementato su larga scala."
Nelle valutazioni preliminari, i ricercatori hanno scoperto che il loro metodo di autenticazione del miele potrebbe rilevare efficacemente il miele diluito e con etichette errate. Però, non è in grado di identificare la contaminazione con metalli pesanti, pesticidi o antibiotici, quindi potrebbe essere necessario utilizzarlo in combinazione con altri test chimici. Inoltre, il loro metodo non può essere utilizzato per autenticare campioni di miele ultrafiltrati in cui non è presente polline.
Sebbene i risultati raccolti dai ricercatori siano promettenti, il loro sistema deve essere ulteriormente sviluppato prima di poter essere applicato su scala più ampia. Ad esempio, i ricercatori devono raccogliere un set di dati sui pollini più ampio per catturare meglio la diversità dei pollini nel miele.
"Un passo importante nel ridimensionare il sistema dalla ricerca al mondo reale sarebbe rafforzare il sistema per renderlo indipendente dall'hardware, " Ha spiegato. "Stiamo guardando, tra l'altro, metodi di addestramento contraddittorio per garantire che le nostre rappresentazioni delle funzionalità siano di prim'ordine."
I ricercatori stanno pianificando di continuare a lavorare sul loro sistema per garantire che possa autenticare efficacemente il miele in scenari del mondo reale. In futuro, potrebbero persino prendere in considerazione l'idea di pilotare uno schema di certificazione decentralizzato basato sulla loro tecnologia.
© 2019 Scienza X Rete
