Sviluppo di metodiche di fingerprinting a supporto dell'origine geografica del miele

Il presente lavoro di tesi si propone di sviluppare un metodo analitico untargeted basato su tecniche spettroscopiche come l'Uv-Visibile e il NIR e su tecniche chemiometriche a supporto dell'autenticità dei mieli italiani. In particolare il lavoro è stato diviso in 2 parti, nella prima sono stati caratterizzati chimicamente i campioni di miele (Italiano e Straniero) mediante analisi Uv-Vis e NIR, nella seconda invece i segnali sono stati utilizzati come fingerprint analitica dei campioni analizzati e, tramite l'analisi delle componenti principali (PCA), si è investigato sulla presenza di eventuali somiglianze o differenze tra i campioni trattati per verificare la capacità del metodo di fornire uno strumento a supporto dell'autenticità dei mieli italiani valutando la presenza di differenze in base all'origine geografica e botanica. Questo studio si inserisce all'interno del "Progetto GreenTrace: Integrazione di Metodi Analitici Ecosostenibili, Machine Learning e Gestione dei Dati per l’Autenticità e la Qualità degli alimenti” supportato dalla Fondazione di Modena (fondo di Ateneo per la ricerca, anno 2024 progetto di ricerca interdisciplinare mission oriented). Il progetto nasce dalla collaborazione tra il Dipartimento di Scienze Chimiche e Geologiche, UNIMORE, il Dipartimento di Ingegneria “Enzo Ferrari”, UNIMORE (gruppo di ricerca Prof. Laura Po), i Consorzi di tutela dell’Aceto Balsamico di Modena IGP e DOP ed il Laboratorio di Modena dell’Ispettorato Centrale della Tutela della Qualità e delle Repressioni Frodi dei prodotti agroalimentari (ICQRF). L’obiettivo di GreenTrace è sviluppare metodi analitici sostenibili e robusti per garantire l’autenticità di tre eccellenze alimentari italiane: il miele, l’Aceto Balsamico Tradizionale di Modena e l’Aceto Balsamico di Modena. In particolare, il progetto si avvale di tecniche analitiche strumentali (GC-IMS, GC-MS, NIR, RAMAN, UV-VIS) che non prevedono l’uso di solventi né il pretrattamento del campione. Infine, un ruolo cruciale è svolto dall’impiego di tecniche di machine learning e data fusion volte ad estrarre il maggior numero possibile di informazioni dai segnali ottenuti con le diverse tecniche analitiche e convogliarle in un unico modello di autenticità.