La valutazione della freschezza della carne di pollo è fondamentale per la sicurezza alimentare del prodotto, ma implica criticità quali costi elevati, difficoltà di rilevamento e scarsa efficienza.

L’obiettivo di uno studio recente, effettuato da un gruppo di ricercatori cinesi (Jian et al., 2025), è stato quello di utilizzare un algoritmo di deep learning come metodo non distruttivo per tale valutazione, attraverso la semplice analisi di immagini.

Sulla base della carica microbica totale (TAC), della conta dei coliformi (ANC) e del valore di pH, il grado di freschezza del prodotto è stato classificato in sette livelli (carne fresca, carne leggermente fresca 1, carne leggermente fresca 2, carne leggermente fresca 3, carne avariata 1, carne avariata 2 e carne avariata 3).

Il dataset è stato arricchito mediante otto tipi di potenziamento dei dati, portando ad un totale di 34.380 campioni.

In sintesi, i risultati dimostrano che il metodo proposto è in grado di classificare i campioni in base al loro grado di freschezza con un’accuratezza pari al 95.6%, in diverse condizioni di illuminazione.

Riferimenti bibliografici: R. Jian et al., Scientific Reports, 15, 2025, 27538.