La sfida dei Politecnici di Milano e Torino che punta a una soluzione innovativa tramite sensori a microonde e algoritmi.
Milano – I prodotti alimentari confezionati possono nascondere contaminanti che minacciano la qualità del prodotto, causando il ritiro dal mercato o mettendo a rischio la salute dei consumatori. Per affrontare questa sfida, un team di studenti dell’Alta Scuola Politecnica – percorso biennale di eccellenza congiunto del Politecnico di Milano e quello di Torino – affiancato da Wavision s.r.l., spin-off dell’università del capoluogo piemontese, ha lavorato sul progetto, una soluzione innovativa tramite sensori a microonde e algoritmi di apprendimento automatico (Machine Learning). Così la scienza arriva in aiuto alla politica, immersa in dibattiti fiume sulle misure da approvare.
Un fenomeno, quello della sicurezza alimentare, che è al centro di molti dibattiti politici. L’ultimo rapporto sulla sicurezza alimentare Ue, evidenzia che residui di pesticidi, microrganismi patogeni e allergeni caratterizzano lo scenario. Il ministero italiano della Salute ha pubblicato una relazione sulla sicurezza alimentare in Unione Europea basato sulle notifiche di allerta e d’informazione registrate dagli Stati membri presso il RASFF – Rapid Alert System on Food and Feed (and Food Contact Materials, FCM) – nel 2022.
Trend in calo su frutta e vegetali (che pure mantengono il primo posto per numero di segnalazioni), carni di pollame, prodotti della pesca, materiali a contatto con gli alimenti, erbe e spezie. Aumentano invece le notifiche su frutta a guscio, prodotti a base di noci e semi, alimenti dietetici e fortificati, integratori alimentari, cereali e prodotti da forno. La Germania è il primo Paese per numero di segnalazioni con 586 notifiche (13,5 % sul totale). A seguire Paesi Bassi, 558 notifiche (12,8%), Belgio, 422 notifiche (9,7%), e Spagna, 324 notifiche (7,5%). L’Italia è quinta in classifica, assieme alla Polonia, con 318 notifiche (7,3% del totale). Le notifiche eseguite dal nostro Paese al RASFF riguardano soprattutto frutta a guscio, prodotti a base di noci e semi (17,9%), frutta e vegetali (16,3%), pesce e prodotti della pesca (13,8%).
Le aziende alimentari, di fronte alla domanda crescente della popolazione, e grazie all’incremento dell’automazione dei processi, producono volumi sempre più consistenti di alimenti confezionati, con
l’aumento proporzionale del rischio di contaminazione. Tutelare la sicurezza dei consumatori permette di mantenere la fiducia dei clienti e la reputazione del marchio, aspetto cruciale per queste aziende. Essenziale è, dunque, individuare la presenza dei contaminanti prima della commercializzazione.
La tecnologia alla base del progetto scientifico made in Italy, propone un principio innovativo di riconoscimento: grazie alla differenza, vista dalle microonde, tra il prodotto da ispezionare e l’eventuale corpo estraneo. Nel caso di avvenuta contaminazione, le microonde vengono alterate in modo che gli algoritmi sviluppati da Wavision ne possano rilevare la presenza.
Le capacità di questo sistema si pongono come un’innovazione finalizzata a superare i limiti intrinseci dei dispositivi già disponibili, poiché il principio di detection si basa su una proprietà fisica mai considerata finora per questo fine, ovvero il contrasto dielettrico; ad esempio, i dispositivi basati su raggi X sfruttano il contrasto in densità tra prodotto e contaminante, limitandone le capacità di rilevazione per classi di contaminanti molto frequenti in industrie alimentari, come plastiche, vetro, legno, e altro.
Il progetto si svolge ora in cinque direzioni. Inizialmente, si lavorerà sul miglioramento del setup del prototipo per gli esperimenti, proponendo un’alternativa che utilizzi componenti più economici, senza compromettere l’efficienza. Successivamente, si procederà con l’espansione del dataset per rafforzare i test di robustezza e migliorare la capacità di identificare i contaminanti. Sarà condotta un’analisi teorica sui contaminanti biologici, per identificare quelli prevalenti. Verranno valutati anche modelli avanzati di apprendimento automatico per migliorare l’accuratezza della rilevazione e ridurre i tempi di calibrazione.
Infine, sarà introdotto un modello di Rete Neurale addestrato per individuare e gestire le anomalie nella catena di produzione industriale. Sebbene siano stati compiuti molti progressi, rimangono aperte alcune
questioni di ricerca. Tuttavia, l’approccio innovativo del team Wavision affronta molte delle limitazioni nei metodi attuali di rilevamento di contaminanti, mirando a ridurre i costi, gli sprechi e a garantire la sicurezza dei consumatori. Questo avanzamento nella tecnologia potrebbe rivoluzionare l’industria, assicurando prodotti più sicuri e garantendo la fiducia dei consumatori.