La Universidad de Sevilla participa en un proyecto para el control de la autenticidad y la calidad de los aceites de oliva
El Servicio de Resonancia Magnética Nuclear del Centro de Investigación, Tecnología e Innovación de la Universidad de Sevilla (CITIUS) participa en un proyecto para el desarrollo de una aplicación que analice la autenticidad y calidad de aceites de oliva. El resultado es un sistema que, estadísticamente, permite obtener un grado de concordancia con el país de origen, el grado de calidad así como detectar perfiles atípicos de aceites de oliva.
Fuente: Universidad de Sevilla
El aceite de oliva es un alimento indispensable para la dieta mediterránea, siendo una fuente importante de numerosos componentes bioactivos: triglicéridos, ácidos grasos mono- y poliinsaturados, antioxidantes, vitaminas, minerales, etc. Los niveles de dichos componentes dependen de numerosos factores como son la variedad, la edad de los olivos, los procesos de producción, el tipo de suelo, el clima, el almacenaje, etc. Todos estos factores redundan en una mayor o menor calidad del aceite, siendo ‘virgen extra’ la categoría de máxima calidad y de mayor valor comercial.
A pesar de su valor, el aceite de oliva sigue siendo uno de los alimentos más adulterados. Las prácticas más habituales son la mezcla con otros aceites de menor calidad o procedentes de otras fuentes (como el de girasol, por ejemplo) o el etiquetado fraudulento tanto respecto a su calidad como a su origen.
A pesar de su valor, el aceite de oliva sigue siendo uno de los alimentos más adulterados.
En esta línea, el Servicio de Resonancia Magnética Nuclear (RMN) del Centro de Investigación, Tecnología e Innovación de la Universidad de Sevilla (CITIUS) participa en un proyecto liderado por Bruker BioSpin para el desarrollo de una aplicación para el análisis de la autenticidad y calidad de aceites de oliva. Este proyecto se basa en la adquisición de una gran base de datos de varios miles de espectros de 1H-RMN de aceites de oliva autentificados de manera independiente en laboratorios especializados. Los parámetros analíticos de dichos aceites (p. ej. acidez, contenido en ácido oleico, polifenoles, etc.) así como los de calidad y origen geográfico se asocian a sus perfiles de 1H-RMN usando varias técnicas de Machine Learning.
El resultado es un sistema que, estadísticamente, permite obtener un grado de concordancia con el país de origen (Grecia, Italia o España) y el grado de calidad (virgen extra), detectar perfiles atípicos de aceites de oliva y, además, cuantificar de 15 a 20 parámetros analíticos en pocos minutos y usando menos de medio mililitro de muestra.
Más información en: Newfoodmagazine
Últimas publicaciones
El modelo de control, ideado por un equipo de la Universidad de Córdoba, permite reducir el desperdicio de un recurso esencial y limitado y alargar la vida útil de las tuberías. El modelo predictivo resultante, escalable a otras redes similares, permite superar una gran limitación que encuentran las empresas gestoras de redes de distribución de agua, como es la ausencia de datos en tiempo real que las orienten a la hora de realizar ajustes dinámicos de la presión.
Sigue leyendo
El bienestar animal así como un mayor rendimiento en cantidad y calidad han sido parte de los objetivos de este proyecto que ha contado como socios a COVAP, CETEMET, Keyter, Universidad de Córdoba y Cooperativas Agro-alimentarias de Andalucía.
Sigue leyendo
El grupo operativo INNOFINO, formado por el Consorcio ceiA3 junto a las universidades de Cádiz y de Córdoba, varios consejos reguladores andaluces así como distintas bodegas del marco de Jerez, acaban de presentar los resultados finales del proyecto en la Consejería de Agricultura, Pesca y Desarrollo Rural de la Junta de Andalucía en Sevilla.
Sigue leyendo
