SPECTROSCOPY, IMAGE ANALYSIS AND HYPERSPECTRAL IMAGING FOR FOOD SAFETY AND QUALITY: A CHEMOMETRIC APPROACH

This PhD project regards different applications of non-destructive optical techniques to evaluate quality and shelf life of agro-food product as well as the early detection of biofilm on food plants. Spectroscopy, image analysis and hyperspectral imaging could play an important role in the assessment of both quality and safety of foods due to their rapidity and sensitivity especially when using simplified portable devices. Due to the huge amount of collected data, chemometric, a multivariate statistical approach, is required, in order to extract information from the acquired signals, reducing dimensionality of the data while retaining the most useful spectral information. The thesis is organized in four chapters, one for each technique and a final chapter including the overall conclusion. Each chapter is divided in case studies according to the matrix analysed and the data acquisition and elaboration carried out. The first chapter is about spectroscopy. The aim of the first study - Testing of a Vis-NIR system for the monitoring of long-term apple storage - is to evaluate the applicability of visible and near-infrared (Vis-NIR) spectroscopy to monitor and manage apples during long-term storage in a cold room. The evolution of the apple classes, originally created, was analysed during 7 months of storage by monitoring TSS and firmness. Vis-NIR allows an accurate estimation of chemical-physical parameters of apples allowing a non-destructive classification of apples in homogeneous lots and a better storage management. The work reported in the second paragraph - Wavelength selection with a view to a simplified handheld optical system to estimate grape ripeness - is aimed to identify the three most significant wavelengths able to discriminate grapes ready to be harvested directly in the field. Wavelengths selection was carried out with a view to construct a simplified handheld and low-cost optical device. Standardized regression coefficients of the PLS model were used to select the relevant variables, representing the most useful information of the full spectral region. The same approach was followed to discriminate freshness levels during shelf-life of fresh-cut Valerianella leaves - Selection of optimal wavelengths for decay detection in fresh-cut Valerianella Locusta Laterr. (third paragraph). The aim of the work presented in the fourth paragraph of the first chapter - Comparison between FT-NIR and Micro-NIR in the evaluation of Acerola fruit quality, using PLS and SVM regression algorithms - is to estimate titratable acidity and ascorbic acid content in acerola fruit, using a MicroNIR, an ultra-compact and low-cost device working between 950 – 1650 nm. The spectral data were modelled using two different regression algorithms, PLS (partial least square) and SVM (support vector machine). The prediction ability of Micro-NIR appears to be suitable for on field monitoring using non-linear regression modelling (i.e. SVM). In the second chapter, image analysis was performed. The traditional RGB imaging for the evaluation of image texture, a specific surface characteristic, is presented. The texture of an image is given by differences in the spatial distribution, in the frequency and in the intensity of the values of the grey levels of each pixel of the image. This technique was applied for the early detection of biofilm in its early stages of development, when it is still difficult to observe it by the naked eye, was evaluated (Image texture analysis, a non-conventional technique for early detection of biofilm). In the third paragraph, image and spectroscopy were combined in hyperspectral imaging applications. Data analysis by chemometric was crucial in any stage of my PhD project. Chemometric is a multivariate statistical approach that is applied on chemical data to extract the useful information avoiding noise and redundant data. At the beginning of the third chapter - Hyperspectral image analysis: a tutorial - proposes an original approach, developed as a flow sheet for three-dimensional data elaboration. The method was applied, as an example, to the prediction of bread staling during storage. The first application about hyperspectral on acerola is focused on the vitamin C content - HIS for quality evaluation of vitamin C content in Acerola fruit. Ten different acerola fruits picked up according to two different stages of maturity, based on the colour of the peel (5 green and 5 red acerola), were analysed. The spectra of pure vitamin C powder was used as references for computing models with two different correlation techniques: spectral angle mapping and correlation coefficient allowing the construction of a qualitative distribution map of ascorbic acid inside the fruit. The aim of the last one work presented is to evaluate acerola post-harvest quality - Selection of NIR wavelengths from hyperspectral imaging data for the quality evaluation of Acerola fruit. Hyperspectral images of 20 acerolas were acquired for five consecutive days and an investigation of time trends was carried out to highlight the most important three wavelengths that characterized the ripeness/degradation process of the Acerola fruit. The false-colour RGB images, derived from the composition of the three interesting wavelengths selected, data enable early detection of the senescence process in a rapid and non-destructive manner. In conclusion, the three non-destructive optical techniques applied in this PhD project have proved to be one of the most efficient and advanced tools for safety and quality evaluation in food industry answering the need for accurate, fast and objective food inspection methods to ensure safe production throughout the entire production process.

Questo progetto di dottorato studia le differenti applicazioni delle tecniche ottiche non distruttive per la valutazione della qualità e della shelf-life di prodotti vegetali così come l’identificazione precoce di sviluppi microbici su superfici industriali. La spettroscopia, l’analisi dell’immagine e l’analisi dell’immagine iperspettrale possono giocare un ruolo importante nella valutazione sia della qualità che della sicurezza degli alimenti grazie alla rapidità e sensibilità della tecnica, specialmente quando si utilizzano strumenti semplificati portatili. Un approccio statistico multivariato (chemiometria) è richiesto al fine di estrarre informazioni dal segnale acquisito, riducendo la dimensionalità dei dati e mantenendo le informazioni spettrali più utili. Lo scopo del primo studio presentato – Testing of a Vis-NIR system for the monitoring of long-term apple storage – è la valutazione dell’applicabilità della spettroscopia nel visibile e vicino infrarosso (Vis-NIR) per il monitoraggio e la gestione delle mele durante lo stoccaggio a basse temperature. Per sette mesi è stata seguita l’evoluzione in termini di grado zuccherino e consistenza delle mele suddivise in classi di maturazione. I risultati hanno indicato che la spettroscopia è una tecnica non-distruttiva che consente una stima accurata dei parametri chimico-fisici per la classificazione delle mele in lotti omogenei. Il lavoro descritto nel secondo paragrafo - Wavelength selection with a view to a simplified handheld optical system to estimate grape ripeness – è finalizzato all’identificazione delle tre lunghezze d’onda più importanti per il riconoscimento, direttamente in campo, dell’uva pronta per essere raccolta al fine della messa a punto di un sistema semplificato e a basso costo. I coefficienti di regressione standardizzati del modello PLS (Partial Least Square) sono stati utilizzati per selezionare le variabili più importanti, che racchiudono l’informazione più utile lungo l’intero spettro. La stessa procedura è stata condotta per determinare la freschezza delle foglie di Valerianella durante la shelf-life - Selection of optimal wavelengths for decay detection in fresh-cut Valerianella Locusta laterr (terzo paragrafo). Lo scopo del lavoro presentato nel quarto paragrafo del primo capitolo - Comparison between FT-NIR and Micro-NIR in the evaluation of Acerola fruit quality, using PLS and SVM regression algorithms – è stimare l’acidità titolabile e il contenuto di acido ascorbico all’interno del frutto acerola, utilizzando uno strumento compatto e a basso costo denominato Micro-NIR, che lavora nell’intervallo spettrale 950-1650 nm. I dati spettrali sono stati modellati mediante l’applicazione di due algoritmi PLS e SVM (Support Vector Machine). La capacità predittiva dello strumento semplificato è risultata interessante per applicazioni di monitoraggio in campo, soprattutto modellizzando i dati in modo non lineare. Nel secondo capitolo, è presentata l’applicazione di immagini RGB per la valutazione delle superfici - Image texture analysis, a non-conventional technique for early detection of biofilm. La texture dell’immagine è definita come una differenza nella distribuzione spaziale, nella frequenza e nell’intensità dei livelli di grigio in ogni pixel dell’immagine. Questo metodo è stato determinante per l’identificazione precoce dello sviluppo microbico su superfici normalmente impiegate nell’industria alimentare. L’approccio chemiometrico è stato cruciale in ogni fase del progetto di dottorato ed è definito come un approccio statistico multivariato che si applica ai dati chimici per estrarre informazione utile, ridurre il rumore di fondo e l’informazione ridondante. Il lavoro presentato all’inizio del terzo capitolo - Hyperspectral image analysis: a tutorial - propone una procedura standard per l’elaborazione di dati tridimensionali, presentando un esempio relativo alla predizione del raffermamento del pane in cassetta. Il secondo paragrafo del terzo capitolo, presenta una applicazione dell’immagine iperspettrale su acerola, focalizzata sul contenuto di vitamina C - HSI for quality evaluation of vitamin C content in Acerola fruit. In questo lavoro, è stata acquisita l’immagine di dieci acerola, raccolte in funzione del livello di maturazione, definito in base al colore della buccia (cinque acerola verdi e cinque rosse). Lo spettro della polvere di vitamina C pura è stato utilizzato come riferimento per l’applicazione di due algoritmi di correlazione (spectral angle mapping e correlation coefficient), consentendo la costruzione di mappe qualitative di distribuzione dell’acido ascorbico all’interno del frutto. Lo scopo dell’ultimo lavoro presentato è la valutazione della qualità post raccolta dell’acerola - Selection of NIR wavelengths from hyperspectral imaging data for the quality evaluation of Acerola fruit. Le immagini iperspettrali di venti acerola sono state acquisite per cinque giorni consecutivi. La valutazione delle modificazioni spettrali durante il tempo ha consentito la selezione delle tre lunghezze d’onda caratterizzanti il processo di maturazione/degradazione del frutto. L’immagine in falsi colori, derivante dalla composizioni delle immagini alle tre lunghezze d’onda di interesse, consente l’identificazione precoce del processo degradativo in maniera rapida e non distruttiva. Le tre tecniche non distruttive impiegate in questo progetto di dottorato hanno dimostrato efficienza e applicabilità per la valutazione della qualità e della sicurezza degli alimenti, rispondendo alla necessità dell’industria alimentare di tecniche accurate, veloci e obiettive per assicurare produzioni ottimali lungo l’intero processo produttivo.