Purtroppo è risaputo che gli alimenti confezionati possono celare contaminanti che compromettono l’integrità e la qualità del prodotto, provocando il suo ritiro dal mercato o ancor peggio, mettendo in pericolo la salute dei consumatori. Per risolvere questo problema, un gruppo di studenti dell’Alta Scuola Politecnica – un programma biennale d’eccellenza congiunto tra il Politecnico di Milano e il Politecnico di Torino – insieme a Wavision s.r.l., spin-off del Politecnico di Torino, ha sviluppato Wavision, una soluzione all’avanguardia basata su sensori a microonde e algoritmi di apprendimento automatico (Machine Learning).
Una tecnologia rivoluzionaria per la rilevazione dei contaminanti nel cibo
Le imprese del settore alimentare, per far fronte alla crescente richiesta della popolazione e grazie all’aumento dell’automazione dei processi, producono quantità sempre maggiori di cibo confezionato, con un conseguente aumento del rischio di contaminazione. Proteggere la sicurezza dei consumatori è fondamentale per mantenere la fiducia dei clienti e salvaguardare la reputazione del marchio. Pertanto, è vitale rilevare i contaminanti prima che i prodotti raggiungano il mercato.
La tecnologia alla base del progetto Wavision utilizza un principio innovativo di identificazione: sfrutta la differenza – percettibile alle microonde – tra il prodotto da ispezionare e l’eventuale corpo estraneo. In caso di contaminazione, le microonde vengono modificate in modo tale che gli algoritmi elaborati da Wavision possano rilevarne la presenza.
Le potenzialità di questo sistema rappresentano un’innovazione volta a superare le limitazioni dei dispositivi attualmente disponibili, poiché il principio di rilevamento o detection si basa su una proprietà fisica finora trascurata per questo scopo, ovvero il contrasto dielettrico.
Ad esempio, i dispositivi che utilizzano raggi X sfruttano il contrasto di densità tra prodotto e contaminante, limitando così la loro capacità di rilevare contaminanti molto comuni nell’industria alimentare, come plastica, vetro, legno e così via.
Ridurre i costi, minimizzare gli sprechi e garantire la sicurezza dei consumatori
Il progetto si sviluppa ora lungo cinque percorsi.
- Inizialmente, l’attenzione sarà rivolta al miglioramento del setup del prototipo per gli esperimenti, proponendo un’alternativa che impieghi componenti più economici senza pregiudicare l’efficienza.
- Successivamente, si lavorerà all’ampliamento del dataset per potenziare i test di robustezza e migliorare la capacità di identificazione dei contaminanti.
- Si condurrà un’analisi teorica sui contaminanti biologici per individuare quelli più diffusi.
- Saranno anche valutati modelli avanzati di apprendimento automatico per aumentare l’accuratezza della rilevazione e ridurre i tempi di calibrazione.
- Infine, sarà implementato un modello di Rete Neurale addestrato per riconoscere e gestire le anomalie nella catena di produzione industriale.
Nonostante i notevoli progressi, rimangono ancora alcune questioni di ricerca aperte. Tuttavia, l’approccio innovativo del team Wavision affronta molte delle limitazioni dei metodi attuali di rilevamento dei contaminanti, permettendo di ridurre i costi e minimizzare gli sprechi, garantendo prodotti più sicuri e rafforzando la fiducia dei consumatori.
