18/06 Metrofood Seminars

L’affidabilità delle misurazioni nel controllo analitico degli alimenti e di materiali a contatto con alimenti è alla base della realizzazione dell’infrastruttura di ricerca nazionale METROFOOD-IT (https://www.metrofood.it/), che si colloca nell’ambito dell’infrastruttura europea METROFOOD-RI – Infrastructure for promoting metrology in food and nutrition, di cui l’Università di Parma è partner dal 2017. L’infrastruttura fornisce servizi avanzati per la qualità, sicurezza e autenticità dei prodotti alimentari rivolti ad aziende del sistema agroindustriale e ad agenzie di ispezione e controllo, mettendo a disposizione l’accesso a facilities fisiche (laboratori e impianti) e a risorse di Information Technologies (App, software, etc.) integrate in sistemi elettronici avanzati.

Le facilities fisiche includono strumentazioni per diagnostica avanzata, basate su tecniche di spettrometria di massa ad alta risoluzione e su tecniche immunoenzimatiche, e per diagnostica non invasiva, basate sulla microscopia elettronica a scansione ambientale con mappatura di elementi (ESEM-EDX) per analisi morfologiche e composizionali e sulla tecnologia del “naso elettronico”. L’infrastruttura prevede anche lo sviluppo di sensori smart per la progettazione di “lingue elettroniche” portatili basate su soluzioni IoT e su algoritmi di Intelligenza Artificiale per fornire servizi a supporto della digitalizzazione del sistema agroalimentare nell’ambito delle tecnologie analitiche di processo (PAT) e di screening on site (PON)*.

*G. Magnani, C. Giliberti, D. Errico, M. Stighezza, S. Fortunati, M. Mattarozzi, A. Boni, V. Bianchi, M. Giannetto, I. De Munari, S. Cagnoni, M. Careri, Evaluation of a Voltametric E-Tongue Combined with Data Preprocessing for Fast and Effective Machine Learning-Based Classification of Tomato Purées by Cultivar, Sensors 24 (2024) 3586. https://doi.org/10.3390/s24113586

La tracciabilità geografica consente di seguire il percorso degli alimenti dalla loro origine al consumatore, garantendo autenticità, trasparenza e sicurezza, e contribuendo a prevenire pratiche commerciali scorrette. Negli ultimi anni sono stati sviluppati numerosi approcci scientifici per determinare l’origine geografica dei prodotti agroalimentari, basati su tecniche analitiche avanzate.

L’approccio più promettente consiste nell’integrazione di diverse metodologie analitiche applicate a differenti matrici alimentari. Tale approccio genera una notevole quantità di dati, la cui elaborazione richiede strumenti statistici e chemiometrici in grado di semplificarli, mantenendone intatto il contenuto informativo.

In questo contributo verranno presentati esempi di applicazione di analisi con tecniche multielemento e isotopiche per l’autenticazione e la tracciabilità geografica di prodotti agroalimentari come pomodoro, limone, patata e asparago, insieme ai rispettivi suoli di coltivazione.

Il suolo riveste un ruolo centrale negli studi di tracciabilità geografica, poiché regola la distribuzione, la mobilità e la biodisponibilità degli elementi chimici, che vengono assorbiti dalle piante attraverso le radici e traslocati alle parti edibili. Di conseguenza, la composizione elementare dei prodotti agroalimentari riflette, in una certa misura, quella del suolo di origine.

Il settore agroalimentare si trova a un punto critico, affrontando la duplice sfida di soddisfare la crescente domanda alimentare globale e garantire la sostenibilità ambientale, senza compromettere la sicurezza e la qualità degli alimenti. Questa presentazione esplora il potenziale trasformativo dell'integrazione di sensori Internet of Things (IoT), tecnologia blockchain e Intelligenza Artificiale (IA) per affrontare queste sfide. I sensori IoT raccolgono dati in tempo reale sulle condizioni di produzione e conservazione, consentendo un monitoraggio continuo della qualità e della sicurezza lungo tutta la filiera alimentare. La blockchain offre un framework inviolabile per la tracciabilità completa dei prodotti, dalla fattoria alla tavola, garantendo la trasparenza delle informazioni e permettendo l'identificazione immediata dell'origine di potenziali contaminazioni o frodi alimentari. Gli algoritmi di machine learning analizzano i dati per rilevare anomalie, prevedere rischi per la sicurezza alimentare e ottimizzare i protocolli di controllo qualità. La presentazione evidenzierà come questi sistemi integrati possano prevenire la diffusione di alimenti non sicuri, ridurre significativamente il rischio di richiami di prodotto e assicurare la conformità agli standard di sicurezza alimentare più rigorosi. La sinergia tra IoT, blockchain e IA non solo migliora la produttività agricola e la sostenibilità, ma crea anche un ecosistema digitale di fiducia che salvaguarda la salute pubblica e rafforza la resilienza della catena di approvvigionamento alimentare. Nonostante i benefici evidenti, l'adozione diffusa si scontra con ostacoli tecnici, economici e sociali. Affrontare queste sfide attraverso la continua innovazione e collaborazione è cruciale per realizzare il pieno potenziale di queste tecnologie nella creazione di un sistema alimentare sicuro, trasparente e sostenibile.

METROFOOD-IT ha ricevuto un finanziamento dall’Unione Europea (NextGenerationEU, PNRR - Mission 4 “Education and Research” Component 2: from research to business, Investment 3.1: Fund for the realisation of an integrated system of research and innovation infrastructures - IR0000033 (D.M. Prot. n.120 del 21/06/2022)