24–25 Feb 2021
online event
Europe/Ljubljana timezone

A data fusion model of NIR and RAMAN techniques for the geographical screening of Italian extra virgin olive oil.

Not scheduled
20m
online event

online event

Poster agro-food

Description

Due to climate changes and Xylella fastidiosa infection the production of Italian extra virgin olive oil (EVO) recentely decreased. Italy now imports oils from other countries to meet the needs of the consumers and the food industry. As a consequence, an increase of frauds based on the mixture of the Italian EVO oil with those produced by other countries in Europe or outside Europe has been reported. The aim of the study is the set-up of a simple and efficient analytical approach able to discriminate Italian EVO oils from those produced by other countries. The EVO oils were analyzed by two non-destructive spectroscopic techniques RAMAN and NIR. The spectra obtained by both analytical methods were pre-processed, normalized and then statistically analyzed by Mid-Level Data Fusion. A classification model, able to discriminate Italian EVO oils, was obtained.
Forty-one oils were analyzed (7 Greek oils and 34 Italian oils). The spectra were obtained by using the RAMAN spectrophotometer BRAVO (Bruker) and the NIR instrument named MPA (Bruker).
The fusion of the principal components obtained by the two techniques enhanced the efficiency of the classification model. In fact, no good geographical discrimination of the oils was obtained by the principal components analysis (PCA) of the data obtained by each technique. Instead, an efficient classification by PLS-DA of the training set with accuracy more than 90% was obtained after Mid-Level Data Fusion, whereas the accuracy of the PLS-DA classification was more than 83% on a validation-set of new samples .
Geographical discrimination of EVO oils can be successfully obtained by the fusion of NIR and RAMAN data. New samples will be added in the future to this preliminary study in order to improve the accuracy of the approach.

A causa dei cambiamenti climatici e della epidemia di xylella fastidiosa, sono diminuite le produzioni nazionali di olio d’oliva e l’Italia è costretta a importare oli di altri paesi al fine di soddisfare le esigenze dei consumatori e dell’industria alimentare. Questo ha portato ad un aumento della possibilità di frodi, con la produzione di blend di olio italiano con oli di origine europea ed extraeuropea, e venduti come oli di provenienza italiana. L’obiettivo dello studio è quello di mettere a punto una metodologia semplice ed efficace per discriminare oli EVO di origine italiana da quelli di altra provenienza. Gli oli sono stati analizzati mediante tecniche non distruttive come la spettroscopia RAMAN e NIR. Gli spettri provenienti dalle due tecniche analitiche sono stati sottoposti a pretrattamenti e normalizzazioni per poi essere valutati e fusi statisticamente mediante Mid-Level Data Fusion. I risultati evidenziano come il modello di classificazione può rappresentare uno strumento efficace per la discriminazione degli oli EVO provenienti da olive italiane.
Sono stati analizzati 41 oli (7 Greci, 34 Italiani), gli spettri sono stati acquisiti in trasmissione con spettrofotometro RAMAN (Bruker BRAVO) e spettrofotometro NIR (Bruker MPA).
La fusione delle componenti principali delle due tecniche dimostra l’elevata sinergia delle informazioni con un significativo incremento dell’efficienza del modello di classificazione. Infatti le analisi PCA iniziali dei dati delle due tecniche non hanno portato risultati soddisfacenti, non riuscendo a discriminare gli oli di differente origine geografica. L’accuratezza di classificazione ottenuta dalla PLS-DA nel training set è più del 90% , il modello è stato testato utilizzando un validation-set di nuovi campioni e l’accuratezza è risultata essere superiore al 80% .
Lo studio preliminare di classificazione mediante NIR e RAMAN data fusion risulta molto promettente e con notevoli prospettive di miglioramento attraverso una successiva implementazione del numero di campioni.

Consider for full paper in JNIRS Yes, please

Primary authors

Dr Bragolusi Marco (IZSVenezie) Dr Massaro Andrea (IZSVenezie) Dr Tata Alessandra (IZSVenezie) Dr Piro Roberto (IZSVenezie)

Presentation materials