Ultrasound treatment of edible insects: a spectroscopic and machine learning approach

L'uso di insetti commestibili come fonte alimentare alternativa è in crescita, grazie alla loro sostenibilità e al loro profilo nutrizionale bilanciato. Tuttavia, l’accettabilità dei prodotti a base di insetti e la loro caratterizzazione qualitativa pongono ancora diverse sfide. In questo studio, è stato valutato l’effetto del trattamento a ultrasuoni (US) su diverse specie di insetti commestibili, combinando analisi spettroscopiche (spettroscopia NIR e fluorescenza) con algoritmi di machine learning. Gli obiettivi principali erano: (i) sviluppare modelli matematici per discriminare le specie di insetti e le tecnologie di trattamento utilizzate, (ii) prevedere parametri chimico-fisici attraverso tecniche spettroscopiche e (iii) valutare l’impatto del trattamento US sulle proprietà degli insetti analizzati. I risultati hanno mostrato che i modelli di classificazione basati su Support Vector Classification (SVC) e Linear Discriminant Analysis (LDA) hanno ottenuto un’elevata accuratezza nella distinzione tra le specie e i trattamenti. Inoltre, i modelli di regressione (PLSR e SVR) hanno evidenziato una buona correlazione tra i dati spettroscopici e alcuni parametri chimico-fisici. L’analisi fisico-chimica ha confermato che il trattamento US può modificare significativamente la stabilità, la struttura e la composizione degli insetti, con effetti variabili in base alla specie considerata. Questo studio dimostra il potenziale dell’approccio spettroscopico e dell’intelligenza artificiale nell’analisi rapida e non distruttiva di ingredienti innovativi come gli insetti commestibili.