Determinazione di pigmenti e attributi sensoriali mediante analisi multivariata del colore di immagini digitali

Recentemente è stato presentato un nuovo metodo automatizzato per la classificazione di matrici alimentari disomogenee sulla base delle comuni fotografie digitali RGB che, rappresentando il contenuto in colore di ogni immagine digitale sotto forma di un segnale (colorigramma) dato dalla sequenza di curve di distribuzione di vari descrittori del colore dei pixel, permette di selezionare le regioni più significative con opportuni algoritmi di feature selection/classificazione. I risultati ottenuti su una serie di campioni di pesto alla genovese, ci hanno spinto a valutare la possibilità di impiegare lo stesso approccio a scopi di calibrazione, utilizzando i colorigrammi ottenuti da fotografie di campioni di pesto per prevederne il contenuto in pigmenti (clorofille, feofitine, caroteni) ed alcune caratteristiche legate all’aspetto, valutate per mezzo di un panel test. Per molte delle proprietà studiate sono stati ottenuti modelli di calibrazione PLS con soddisfacente capacità predittiva, e risultati ancora migliori sono stati raggiunti impiegando un algoritmo di feature selection/calibrazione basato sulla Trasformata Wavelet.