Dall’IA all’olio: come affinare i sistemi di classificazione della qualità attraverso tecniche di machine learning con l’utilizzo di reti neurali

Sino ad oggi, per verificare se un olio è extravergine d’oliva o contiene dei difetti, non abbiamo potuto usufruire di molti supporti tecnologici, infatti la tecnica maggiormente utilizzata per la classificazione degli oli è il panel test che consiste nell’assaggio di questi da un gruppo di persone esperte. Recentemente a seguito di analisi oggettive delle mo- lecole costituenti l’olio, sono state introdotte ulteriori metodologie per la classificazione grazie all’utilizzo di analisi statistiche. Questa tesi, dunque, propone un ulteriore me- todo di classificazione grazie all’utilizzo delle reti neurali, ossia modelli computazionali composti da neuroni "artificiali" disposti su più livelli che si ispirano ad una rete neurale biologica. Utilizzando i dati sensoriali forniti dal panel test ed i dati molecolari ricava- ti da analisi chimiche, siamo stati in grado di creare un modello basato sulle reti neurali, capace di predire, con una certa accuratezza, la classe di appartenenza di un olio data la sua composizione molecolare. Le reti su cui si è basata questa sperimentazione sono le seguenti: resnet18, resnet50, mobilenet ed infine una rete neurale costruita ad–hoc per questo esperimento. Le prime tre sono reti convoluzionali, dunque specializzate nel riconoscimento di immagini, mentre la rete personalizzata ha la struttura di una classica rete neurale.L’utilizzo di tutte queste reti ha permesso di comprendere quale sia la miglior tipologia di rete su cui basare ulteriori ricerche nell’ambito della classificazione dell’olio e di comprendere quali siano le loro potenzialità. I risultati ottenuti hanno permesso di concludere che per riuscire a separare differenti classi di olio è sufficiente utilizzare reti neurali classiche e che la ricerca è sulla buona strada per riuscire a trovare uno strumento solido utile a questo scopo.