Grazie a sensori a microonde ed al Machine Learning, permette di compiere un passo avanti nella rilevazione dei contaminanti nel cibo
Le microonde sono alla base del funzionamento della tecnologia “Wavision”
I prodotti alimentari confezionati possono nascondere contaminanti che minacciano la qualità del prodotto, mettendo a rischio la salute dei consumatori, oltre che la reputazione delle aziende: per risolvere questo problema un team di studenti dell’Alta Scuola Politecnica – percorso biennale di eccellenza congiunto del Politecnico di Milano e del Politecnico di Torino – affiancato da Wavision, spin-off del Politecnico di Torino, ha lavorato sul progetto “Wavision”, una soluzione innovativa tramite sensori a microonde e algoritmi di apprendimento automatico (Machine Learning), che consente di rilevare la presenza di corpi estranei.
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 un aumento proporzionale del rischio di contaminazione. Tutelare la sicurezza dei consumatori permette di mantenere la fiducia dei clienti e la reputazione del marchio, un aspetto cruciale per il settore. È essenziale, dunque, individuare la presenza dei contaminanti prima della commercializzazione. La tecnologia alla base del progetto 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 …
Il progetto dell’Alta Scuola Politecnica (percorso biennale di eccellenza, avviato nel 2004, dal Politecnico di Milano e dal Politecnico di Torino, che riunisce in una community 150 giovani di talento delle due Università) si concentrerà inizialmente 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.
L’approccio innovativo di “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. Fonte: WineNews,07.3.2024
