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

Recentemente \ue8 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 pi\uf9 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 possibilit\ue0 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\u2019aspetto, valutate per mezzo di un panel test. Per molte delle propriet\ue0 studiate sono stati ottenuti modelli di calibrazione PLS con soddisfacente capacit\ue0 predittiva, e risultati ancora migliori sono stati raggiunti impiegando un algoritmo di feature selection/calibrazione basato sulla Trasformata Wavelet