NobleBlocks

Research indexJournal article

Αξιολόγηση φορητού αισθητήρα NIR για την πρόβλεψη ποιοτικών χαρακτηριστικών και συντηρητικών ποτών με μηχανική μάθηση

Ξενιτοπούλου

Aristotle University of Thessaloniki1 Jan 2025Open access

NobleIDark:/48914/w1/20261105/FEFE92A9DOI10.26262/heal.auth.ir.373420

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Η παρούσα μεταπτυχιακή διατριβή διερευνά τη δυνατότητα εφαρμογής φορητής φασματοσκοπίας εγγύς υπέρυθρου (NIR) σε συνδυασμό με τεχνικές μηχανικής μάθησης για τον ταχύ, μη καταστρεπτικό έλεγχο ποιότητας και κανονιστικής συμμόρφωσης στη βιομηχανία ποτών. Δεδομένης της ανάγκης για γρήγορες και αξιόπιστες αναλύσεις, η μελέτη εστιάζει τόσο στην πρόβλεψη βασικών φυσικοχημικών παραμέτρων ποιότητας (pH, Brix, πυκνότητα), όσο και στην ανίχνευση και αξιολόγηση συντηρητικών, συγκεκριμένα των βενζοϊκών και σορβικών, για τα οποία ισχύουν σαφή νομοθετικά όρια. Για τον σκοπό αυτό αναλύθηκαν 73 εμπορικά δείγματα ποτών από τέσσερις υποκατηγορίες (αλκοολούχα με περιεκτικότητα σε αιθανόλη <5% vol., ανθρακούχα με καφεΐνη, ανθρακούχα χωρίς καφεΐνη και μη-ανθρακούχα). Οι συγκεντρώσεις των συντηρητικών προσδιορίστηκαν με υγρή χρωματογραφία υψηλής απόδοσης (HPLC) και χρησιμοποιήθηκαν ως τιμές αναφοράς. Τα φάσματα NIR που αποκτήθηκαν με φορητό, χαμηλού κόστους φασματόμετρο (NeoSpectra Scanner, 1350–2500 nm) υποβλήθηκαν σε διαφορετικές τεχνικές προεπεξεργασίας και αξιοποιήθηκαν για την ανάπτυξη μοντέλων παλινδρόμησης και ταξινόμησης. Τα αποτελέσματα έδειξαν ότι η πρόβλεψη των Brix και της πυκνότητας επιτεύχθηκε με ικανοποιητική ακρίβεια, ενώ η πρόβλεψη του pH παρουσίασε περιορισμένη απόδοση. Η ποσοτικοποίηση των συντηρητικών αποδείχθηκε πιο απαιτητική, ωστόσο τα μοντέλα παρουσίασαν χρησιμότητα σε επίπεδο διαλογής (screening), ιδίως σε σχέση με τον έλεγχο συμμόρφωσης. Ιδιαίτερα ικανοποιητική ήταν η απόδοση των μοντέλων στη δυαδική ανίχνευση της παρουσίας σορβικών και στον έλεγχο υπέρβασης των μέγιστων επιτρεπτών επιπέδων. Συνολικά, τα αποτελέσματα αναδεικνύουν τον συνδυασμό φορητής τεχνολογίας NIR και μηχανικής μάθησης ως ένα υποσχόμενο εργαλείο πρώτης γραμμής για γρήγορο έλεγχο ποιότητας και συμμόρφωσης με την νομοθεσία στη βιομηχανία ποτών, επισημαίνοντας παράλληλα την ανάγκη περαιτέρω έρευνας με μεγαλύτερα και πιο ισορροπημένα σύνολα δεδομένων για την ενίσχυση της γενίκευσης και της πρακτικής εφαρμογής της προσέγγισης.

Discussion

More

Suggest a correction or report