Please use this identifier to cite or link to this item: http://hdl.handle.net/2067/2752
Title: Tecniche analitiche non distruttive e metodiche chemometriche applicate alla valutazione qualitativa di nocciola e castagna
Other Titles: Non destructive techniques and chemometric analyses to evaluate hazelnut and chestnut quality
Authors: Moscetti, Roberto
Keywords: Nocciola;Castagna;Spettroscopia Vis/NIR;Valutazione qualitativa;Hazelnut;Chestnut;Vis/NIR Spectroscopy;Quality evaluation;AGR/09
Issue Date: 4-Apr-2013
Publisher: Università degli studi della Tuscia - Viterbo
Series/Report no.: Tesi di dottorato di ricerca. 25. ciclo
Abstract: 
La ricerca è stata finalizzata allo studio delle caratteristiche qualitative di
frutti di nocciolo (Corylus avellana L.) e di castagno (Castanea sativa Miller) ed
allo sviluppo di funzioni discriminanti in grado di operare una distinzione dei
frutti stessi per classi di qualità.
Le metodiche analitiche impiegate hanno riguardato l’uso della
spettroscopia Vis/NIR (Visible/Near Infrared), quale tecnologia non distruttiva
potenzialmente impiegabile nella selezione on-line. I dati sono stati sottoposti ad
analisi chemometrica con l’obbiettivo di sviluppare ed ottimizzare la capacità
discriminante delle funzioni di classificazione testate durante la sperimentazione.
Per i frutti di nocciolo, i risultati consistevano in un errore discriminante
del 5.2% (5.4% falso negativo, 5.0% falso positivo) per semi con difetti visibili
e/o occulti, mediante l’impiego della Linear Discriminant Analysis. Una
funzione iterativa è stata utilizzata per operare la selezione dei pretrattamenti
spettrali ottimali e delle lunghezze d’onda più significative, che sono risultate le
seguenti: 564 nm, 600 nm, 1223 nm, 1283 nm e 1338 nm.
Per i frutti di castagno, lo studio ha riguardato il riconoscimento di
castagne infestate da larve di insetto (Cydia splendana Hb., Cydia fagiglandana
Zel., Pammene fasciana L. e Curculio elephas Gyll.). I risultati sono stati
ottenuti impiegando la metodica precedentemente utilizzata su frutti di nocciolo.
La capacità discriminante migliore è risultata pari ad un errore del 8.4% ed è
stata ottenuta impiegando le lunghezze d’onda di 1582 nm, 1900 nm e 1964 nm.
In conclusione, è stata dimostrata la fattibilità dell’utilizzo della
spettroscopia Vis/NIR per la selezione di nocciole e castagne per classi di
qualità.

The purpose of the research was to study the quality characteristics of
hazelnut (Corylus avellana L.) and chestnut (Castanea sativa Miller) fruit, and
the development of a discriminant function able to distinguish fruits by quality
classes. The feasibility of a rapid, on-line detection system was evaluated.
Measurements were performed using a spectrophotometer for Vis/NIR
(Visible/Near Infrared) spectra assays. Data were subjected to chemometric
computations. An iterative Linear Discriminant Analysis algorithm was used to
choose the best combination of pre-treatments and a relatively small set of
wavelengths to correctly classify the samples.
The best result for a properly detection of hazelnut-fruit flaws was equal to
5.2% total error (5.4% false negative, 5.0% false positive). The optimal features
were the wavelengths at 564 nm, 600 nm, 1223 nm, 1283 nm and 1338 nm.
A total error of 8.4% (16.8 false negative, 0.0% false positive) was
obtained for classification of chestnut fruit infested by larvae (Cydia splendana
Hb., Cydia fagiglandana Zel., Pammene fasciana L. e Curculio elephas Gyll.).
The best discriminant performance was computed using the wavelengths at 1582
nm, 1900 nm and 1964 nm.
The results demonstrated the feasibility of Vis/NIR spectroscopy to
correctly classify hazelnut flaws and chestnut affected by infestations, in a rapid
on-line system.
Description: 
Dottorato di ricerca in Meccanica agraria
URI: http://hdl.handle.net/2067/2752
Appears in Collections:Archivio delle tesi di dottorato di ricerca

Files in This Item:
File Description SizeFormat
rmoscetti_tesid.pdf3.23 MBAdobe PDFView/Open
Show full item record

Page view(s)

1
Last Week
0
Last month
1
checked on Dec 1, 2020

Download(s)

36
checked on Dec 1, 2020

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.