Il monitoraggio della pressione all’interno di contenitori ermeticamente chiusi prevede, in genere, l’utilizzo di dispositivi in contatto diretto con il prodotto al loro interno. Per fare ciò, è però necessario praticare un foro sulla parete del recipiente, col rischio di provocare perdite o degradazione del prodotto stesso.

In questo contesto, lo scopo di uno studio recente, effettuato da un gruppo di ricercatori statunitensi (Prisbrey et al., 2024), è stato quello di sviluppare una tecnologia non invasiva per effettuare la misurazione della pressione all’interno di contenitori chiusi basata sull’impiego della spettroscopia in risonanza acustica (ARS) e su algoritmi di machine learning (ML). In particolare, durante la sperimentazione il modello di regressione KNN (k-nearest neighbor) è stato sottoposto ad apprendimento impiegando gli spettri ARS come input.

I risultati dimostrano che il sistema proposto consente una misurazione non invasiva della pressione all’interno di contenitori chiusi, senza l’ausilio di sensori permanentemente in contatto con il prodotto.