L’obiettivo di uno studio recente, effettuato da un gruppo di ricercatori internazionali (Mehdizadeh et al., 2025), è stato quello di sviluppare un metodo per la classificazione di campioni di carne (bufalo, agnello e manzo) in base ai livelli di azoto basico volatile totale (TVB-N), un indicatore chiave della freschezza, mediante un sensore multiparametrico e tecnologia smartphone, in combinazione con l’intelligenza artificiale.
Tale sensore è stato realizzato utilizzando sette indicatori di pH e redox: blu di anilina, blu del Nilo, rosso alizarina S, rosso cresolo, violetto di metile, metilarancio e rosso clorofenolo.
La classificazione è stata eseguita utilizzando modelli basati su analisi discriminante lineare-analisi delle componenti principali (LDA-PCA) e sulla programmazione genetica (GP).
Secondo l’analisi GP, il rosso clorofenolo, il rosso cresolo ed il violetto di metile sono gli indicatori più significativi, selezionati frequentemente nel corso di 1.000 iterazioni.
I modelli matematici risultanti sono stati, quindi, implementati in un’applicazione per smartphone che si è dimostrata in grado di fornire un’elevata accuratezza di classificazione, registrando ottime metriche di prestazione per tutte e tre le tipologie di carne.
In particolare, è stato osservato che il modello LDA-PCA mostra accuratezze di discriminazione del 96, 81 e 88%, rispettivamente, per la carne di bufalo, per quella di agnello e per quella bovina.
In sintesi, i risultati evidenziano il potenziale del metodo proposto per una valutazione affidabile, non distruttiva ed in tempo reale della freschezza della carne.
Riferimenti bibliografici: S.A. Mehdizadeh et al., Smart Agricultural Technology, 10, 2025, 100822