Η ανάγκη επιτάχυνσης των διαδικασιών ανάλυσης των ελαιόλαδων οδήγησε στην στροφή του κλάδου τους τους σύγχρονες φασματοσκοπικές πρακτικές. Ορισμένες μη παρεμβατικές μέθοδοι, την αποτελεσματικότητα των οποίων ερευνά και η βιομηχανία τροφίμων προκειμένου να εφαρμοστούν ως ταχείες πρακτικές ανάλυσης των τροφίμων, είναι η φασματοσκόπια υπέρυθρου, η φασματοσκόπια Raman, καθώς και η χρήση ηλεκτρονικής μύτης. Σε ό,τι αφορά το ελαιόλαδο, η αποδοτικότητα των μεθόδων αυτών εξετάζεται σε περιπτώσεις νοθείας ελαιόλαδου από άλλα βρώσιμα ή μη βρώσιμα έλαια, αλλά και για την οργανοληπτική αξιολόγηση του.
Η παρούσα πτυχιακή διατριβή πραγματεύεται την ταξινόμηση δειγμάτων ελαιόλαδου σε κατηγορίες ποιότητας με τη χρήση υπέρυθρης ακτινοβολίας με μετασχηματισμό Fourier (FTIR, Fourier Transform Infrared Spectroscopy) και φασματοσκοπίας Raman. Για το συγκεκριμένο πείραμα χρησιμοποιήθηκαν δείγματα ελαιόλαδου τους ποικιλίας “Κορωνέικη”, που συλλέχθηκαν από διάφορους ελαιώνες τους Ελλάδας, αλλά και τους υπόλοιπης Ευρώπης, και Αφρικής, κατά τους ελαιοκομικές περιόδους 2021-2022 και 2022-2023. Αναλύθηκαν 64 διαφορετικά δείγματα ελαιόλαδου μέσω των δύο φασματοσκοπικών τεχνικών (FTIR & Raman), και τα δεδομένα που προέκυψαν συσχετίσθηκαν με τη βοήθεια των λογισμικών: OMNIC και Metaboanalyst 6.0., προκειμένου να ταξινομηθούν τα δείγματα σε κατηγορίες.
Στόχος ήταν η κατηγοριοποίηση των δειγμάτων ελαιόλαδου σε δύο κατηγορίες: κατηγορία EVOO, που περιλαμβάνει δείγματα εξαιρετικά παρθένου ελαιόλαδου, και κατηγορία OTHER, που περιλαμβάνει δείγματα παρθένου, κοινού, και μειονεκτικού ελαιόλαδου. Για την επεξεργασία και ανάλυση των ληφθέντων δεδομένων από τους φασματοσκοπικές πρακτικές, εφαρμόστηκαν μοντέλα ταξινόμησης των παραπάνω λογισμικών (OMNIC και Metaboanalyst 6.0.). Με τη χρήση του OMNIC δημιουργήθηκαν βιβλιοθήκες, και διαχωρίστηκαν τα δείγματα ελαιόλαδου τους δύο κατηγορίες, με βάση τους μέσους όρους των φασμάτων FTIR και Raman, εστιάζοντας τόσο σε ολόκληρα τα φάσματα, όσο και σε συγκεκριμένες φασματικές περιοχές, χωρίς την παρατήρηση σαφής ταξινόμησης των δειγμάτων. Παράλληλα, μέσω του λογισμικού Metaboanalyst 6.0. πραγματοποιήθηκε επεξεργασία των δεδομένων που ληφθήκαν από τα φάσματα FTIR και Raman των δειγμάτων ελαιόλαδου, και ακολούθησε η κατηγοριοποίηση τους με τη χρήση μοντέλων ταξινόμησης,
2
Random Forest, Ανάλυση Κύριων Συνιστωσών (PCA), Διακριτή Ανάλυση Μερικών Ελαχίστων Τετραγώνων (Partial Least Squares Discriminant Analysis, PLS-DA), και Ορθογώνια Διακριτική Ανάλυση Μερικών Ελαχίστων Τετραγώνων (Orthogonal Partial Least Squares – Discriminant Analysis, Ortho PLS-DA).
The need to speed up the analysis of olive oils has led to the industry's shift towards modern spectroscopic practices. Some non-invasive methods, whose effectiveness is also being investigated by the food industry in order to be implemented as rapid food analysis practices, include infrared spectroscopy, Raman spectroscopy, and the use of electronic nose.Aa regard the olive oil, the efficiency of these methods is being examined in cases of adulteration of olive oil by other edible or non-edible oils, but also for its organoleptic evaluation.
This thesis concerns the classification of olive oil samples into quality categories usingFourier Transform Infrared Spectroscopy (FTIR) and Raman spectroscopy. For this experiment, samples of olive oil of the variety "Koroneiki" were used, collected from various olive groves in Greece, but also in the rest of Europe and Africa, during the olive growing seasons 2021-2022 and 2022-2023. 64 different olive oil samples were analyzed through the two spectroscopic techniques (FTIR & Raman), and the data that emerged were associated with, by means of the software OMNIC and Metaboanalyst 6.0. in order to classify the samples into categories.
The objective was to categorize the olive oil samples into two categories: the EVOO category, which includes extra virgin olive oil samples, and the OTHER category, which includes virgin, ordinary, and lampante olive oil samples. For the processing and analysis of the obtained data from the spectroscopic practices, classification models of the above software(OMNIC and Metaboanalyst 6.0.) were applied. Using OMNIC, libraries were created, and olive oil samples were separated into the two categories based on the averages of FTIR and Raman spectra, focusing on both whole spectra and specific spectral regions, without observing a clear classification of the samples. Meanwhile, through the Metaboanalyst 6.0 software. the data obtained from the FTIR and Raman spectra of the olive oil samples were processed, and then categorized by using classification models, Random Forest, Principal Component Analysis (PCA), Partial Least Squares Discriminant Analysis (PLS-DA), and Orthogonal Partial Least Squares - Discriminant Analysis (Ortho PLS-DA).
