Presentation of my Bachelor's thesis
•Télécharger en tant que PPTX, PDF•
1 j'aime•191 vues
Recommandé
Recommandé
Contenu connexe
En vedette
En vedette (20)
Presentation of my Bachelor's thesis
- 1. Padova, 14 Marzo 2012 PREDIZIONE DELLA COMPOSIZIONE CHIMICA DELLA CARNE DI SUINO TRAMITE SPETTROSCOPIA NEL VICINO INFRAROSSO MEDIANTE SONDA A FIBRE OTTICHE Facoltà di Agraria Corso di Laurea in Scienze e Tecnologie Agrarie Laureando: Daniele Pasini Relatore: Prof. Luigi Gallo Correlatore: Prof. Paolo Carnier, dott.ssa Valentina Bonfatti
- 2. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche INTRODUZIONE Il valore nutrizionale della carne dipende dalla sua composizione La qualità della carne è fondamentale per l’accettabilità del prodotto da parte del consumatore La qualità della carcassa suina viene valutata con il metodo EUROP: - elevato sviluppo muscolare - quantità di grasso limitata L’ analisi centesimale ha costi elevati
- 3. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche INTRODUZIONE - NIRS - Metodo basato sull’interazione della materia con le radiazioni elettromagnetiche La combinazione delle proprietà di dispersione dell’energia luminosa determina la riflettanza diffusa (R) della luce Lo spettro di riflettanza può essere messo in relazione con la composizione di una sostanza Assorbimento Riflessione Trasmissione
- 4. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche OBIETTIVI Valutazione della capacità predittiva tramite l’uso di un NIRS portatile sulla composizione della carne - campioni interi -campioni macinati
- 5. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche MATERIALI E METODI CAMPIONAMENTO 210 campioni di lombo Novembre - Gennaio 2011 Macellati a gruppi di 70 animali Peso medio di 166 ± 15 kg Progenie di verri nucleo GORZAGRI linea C21 e di scrofe ibride Goland linea C40 (linea di derivazione Large White) inseriti nel programma SIB Test della linea C21
- 6. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche MATERIALI E METODI - Prelievo campioni e acquisizione spettri - Sostanza Secca Proteina Grezza Estratto etereo Ceneri REFERENCE ANALYSIS Spettri acquisiti con LabSpec®2500 Riflettanza, tra 350 e 2,500 nm Acquisizione su lombi interi e macinati in triplo
- 7. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche MATERIALI E METODI - Calibrazione NIRS - Pre-trattamenti matematici degli spettri Eliminazione outliers Partial Least Square Regression (PLSR) SECV= errore standard in cross-validation R2 CV = R2 in cross-validation
- 8. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche RISULTATI - statistiche descrittive - Media CV Minimo Massimo SS, % 25.97 0.11 19.00 44.98 PG, % SS 75.19 0.07 59.89 87.68 EE, % SS 21.01 0.28 8.24 35.53 CEN, % SS 3.53 0.10 2.44 5.10
- 9. RISULTATI - spettri acquisiti - Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche
- 10. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche RISULTATI - calibrazione lombi interi - Carattere N SEC RSQ SECV R2 CV SS, % 207 1.77 0.57 1.87 0.52 PG, % SS 209 3.41 0.64 4.07 0.49 EE, % SS 208 3.50 0.67 4.20 0.52 CEN, % SS 204 0.23 0.46 0.24 0.44 SEC = errore standard di calibrazione; RSQ = coefficiente di determinazione in calibrazione; SECV = errore standard in cross-validation; R2 CV = coefficiente di determinazione in cross-validation.
- 11. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche RISULTATI - calibrazione lombi macinati - Carattere N SEC RSQ SECV R2 CV SS, % 208 0.96 0.87 1.03 0.85 PG, % SS 205 0.70 0.98 0.87 0.97 EE, % SS 203 0.63 0.99 0.86 0.98 CEN, % SS 205 0.11 0.89 0.12 0.86 SEC = errore standard di calibrazione; RSQ = coefficiente di determinazione in calibrazione; SECV = errore standard in cross-validation; R2 CV = coefficiente di determinazione in cross-validation.
- 12. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche RISULTATI - correlazioni predetto - misurato - 58 63 68 73 78 83 88 58 63 68 73 78 83 88 PGpredetta,%SS PG misurata, % SS 58 63 68 73 78 83 88 58 63 68 73 78 83 88 PGpredetta,%SS PG misurata, % SS INTERO MACINATO
- 13. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche RISULTATI – correlazioni predetto-misurato - INTERO MACINATO 8 12 16 20 24 28 32 36 40 8 12 16 20 24 28 32 36 40 EEpredetto,%SS EE misurato, % SS 8 12 16 20 24 28 32 36 40 8 12 16 20 24 28 32 36 40 EEpredetto,%SS EE misurato, % SS
- 14. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche RISULTATI - calibrazioni da lombi macinati -
- 15. Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche CONCLUSIONI L’utilizzo del NIR permette di eseguire la predizione della composizione chimica della carne su larga scala Predizioni accurate su campioni macinati Risultati approssimativi su campioni interi La selezione dei suini potrebbe fare uso di tecniche NIR per la misura dei fenotipi
- 16. GRAZIE PER L’ATTENZIONE Daniele Pasini – Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche
Notes de l'éditeur
- Buon giorno a tutti, lo studio al quale ho preso parte ha riguardato la “Predizione della composizione chimica della carne di suino tramite spettroscopia nel vicino infrarosso mediante sonda a fibre ottiche”.
- Il valore nutrizionale della carne dipende dalla sua composizione chimica e suoi costituenti più importanti sono i grassi e le proteine. Il contenuto di grasso è di fondamentale importanza per la qualità della carne suina perché è in grado di condizionare l’accettabilità del prodotto da parte del consumatore, il quale predilige carni magre. Normalmente, la valutazione della carcassa viene effettuata usando il metodo EUROP, il quale permette di individuare i tagli magri presenti nella carcassa, dando però scarse informazioni riguardo la distribuzione del grasso nei singoli tagli. Per ottenere quindi una valutazione più dettagliata della composizione chimica della carne sì può ricorrere all’analisi centesimale, che però presenta dei costi troppo elevati.
- Per trovare una soluzione a questi limiti sì è quindi deciso di determinare la qualità della carne adottando la tecnica NIRS, tecnica di analisi rapida non invasiva che sfrutta l’interazione della materia con le radiazioni del vicino infrarosso. I componenti chimici del campione una volta colpiti dalla radiazione elettromagnetica possono determinare la riflettanza diffusa e lo spettro generato da questa può essere messo in relazione con la composizione chimica del campione.
- Lo scopo della tesi è stata la valutazione della capacità predittiva della tecnica NIRS sulla composizione della carne suina, tramite l’utilizzo di uno strumento NIRS portatile munito di fibra ottica
- Per questa prova sperimentale sono stati prelevati 210 campioni di lombo direttamente in catena di macellazione nel periodo compreso tra novembre 2010 e gennaio 2011. Si è deciso di considerare come campione per le analisi il lombo in quanto è uno dei tagli più pregiati destinato al consumo fresco. I campioni derivavano da suini pesanti provenienti da un unico allevamento e macellati a gruppi di 70 animali ad intervalli di 3 settimane tra una macellazione e l’altra. I suini presi in considerazione costituivano un ibrido commerciale C Gorzagri.
- Sono state eseguite delle letture con lo strumento NIRS portatile LabSpec 2500 acquisendo i relativi spettri in modalità riflettanza nella regione compresa dai 350-2500 nm. Le letture fatte sui lombi interi presso il macello, e sui lombi macinati presso il laboratorio del dipartimento di scienze animali sono state fatte in tre punti diversi. Oltre all’acquisizione degli spettri è stata effettuata l’analisi centesimale utile alla determinazione dei costituenti chimici della carne quali la sostanza secca, proteina grezza, estratto etereo e ceneri.
- La calibrazione del NIRS si è svolta in diverse fasi: prima sono stati effettuati dei pretrattamenti matematici degli spettri, poi sono stati eliminati gli outliers e infine gli spettri sono stati sottoposti ad analisi multivariata tramite trattamento PLSR. I 2 parametri utilizzati per valutare la capacità predittiva delle calibrazioni del NIRS sono stati l’errore standard in cross validation che esprime la differenza tra il valore predetto dal NIRS e quello misurato, poi l’r2 in cross validation che è il coefficiente di determinazione tra valori predetti e osservati.
- Questa tabella riporta le statistiche descrittive medie riguardo la composizione centesimale dei campioni analizzati, per quanto riguarda il contenuto in % di SS, PG , EE , CEN tutti riferiti alla SS. Si può notare come il coefficiente di variabilità per i vari costituenti della carne risulti basso, ad eccezione del grasso il quale presente un coeff di variab del 28% e un valore minimo di 8.24% e massimo di 35,53 %.
- In questo grafico è invece riportato lo spettro medio ottenuto per i campioni di lombi interi e macinati. E’ stato possibile notare una notevole differenza tra lo spettro acquisito sul campione intero e quello acquisito sullo stesso campione macinato. Come potete notare l’andamento dello spettro medio ricavato dalle letture effettuate sui campioni macinati è nettamente superiore rispetto a quello ricavato dai campioni interi in quanto il campione macinato è sempre più omogeneo del rispettivo campione intero e quindi ha dato origine ad una riflettanza maggiore.
- In questa tabella sono riportati i parametri di calibrazione ottenuti mediante acquisizione degli spettri sui lombi interi. Possiamo notare valori di errore standard sia in calibrazione che in cross validation molto alti per tutti i costituenti presi in esame,e valori di R2cv molto bassi e quindi scarsamente predittivi.
- Passiamo ora alla tabella riguardante i parametri di calibrazione ottenuti mediante l’acquisizione degli spettri sui lombi macinati. Vediamo come tutti i valori di errore standard in cross validation si sono ridotti in modo rilevante e i valori di R2cv sono aumentati raggiungendo valori vicini ad 1 soprattutto per quanto riguardo il contenuto di proteina e grasso. Possiamo quindi dire che le letture sul campione macinato si sono rivelate molto più predittive di quelle effettuate sul campione intero e quindi la preparazione del campione è un parametro fondamentale per effettuare le letture.
- In questo grafico sono riportati in ordinata i valori di PG predetti dal NIRS e in ascissa i valori di PG misurati tramite l’analisi centesimale sia sui campioni interi che su quelli macinati. Si osserva come la correlazione fra valori predetti e osservati risulti massima per i campioni macinati in quanto le correlazioni dei valori di PG predetto e misurato sono il più vicino possibile alla bisettrice che ne identifica il massimo valore predittivo.
- E lo stesso per quanto riguarda le correlazioni relative al contenuto di grasso.
- Questi sono i loadings ottenuti nel corso delle calibrazioni fatte sui campioni macinati e possiamo vedere come a 600 nm, a 950 nm e a 1400 nm questi si discostino più da 0 e dove quindi lo spettro è più correlato ai componenti chimici. Si può inoltre notare come le curve relative a SS e Grasso seguono lo stesso andamento in quanto la presenza di grasso è influenzata dalla presenza di SS. L’andamento di queste curve motiva quindi la variabilità dell’andamento dei vari costituenti chimici.
- Concludendo, lo studio condotto ha permesso di sviluppare una calibrazione NIRS per la predizione della PG, EE, SS e CEN nella carne. Lo strumento NIRS portatile considerato in questo studio si è dimostrato molto utile in quanto ha permesso di effettuare le letture direttamente in macello in modo rapido e più economico rispetto ai metodi tradizionali. I risultati ottenuti dalle letture sui campioni macinati si sono dimostrati più predittivi di quelli ottenuti a partire dal campione intero. Tuttavia nonostante la scarsa accuratezza delle predizioni ottenute dalle letture effettuate sui lombi interi, considerando un numero più elevato di campioni, questi potrebbero essere utilizzati ai fini della selezione genetica.
- E con questo ho concluso, grazie per l’attenzione.