Ανίχνευση νοθευμένου μελιού χωρίς να ανοίξετε το βάζο

Επειδή τα χαρακτηριστικά του μελιού ποικίλλουν λόγω των πηγών νέκταρ, της εποχής συγκομιδής και της γεωγραφίας, μπορεί να είναι πολύ δύσκολο και πολύπλοκο να εντοπιστούν νοθευμένα προϊόντα. Οι μέθοδοι ελέγχου ταυτότητας είναι δαπανηρές και χρονοβόρες, ενώ υπάρχει αυξανόμενη ανάγκη για αξιόπιστες δοκιμές και υιοθέτηση νέων κανόνων για την καταπολέμηση της απάτης.

Τώρα οι επιστήμονες στο Πανεπιστήμιο Cranfield έχουν δοκιμάσει επιτυχώς δύο νέες μεθόδους για τον έλεγχο της ταυτότητας του μελιού στο Ηνωμένο Βασίλειο γρήγορα και με ακρίβεια.

Ανίχνευση “ψεύτικου” μελιού χωρίς να ανοίξετε το βάζο

Ένα ερευνητικό πρόγραμμα με επικεφαλής τη Δρ Μαρία Αναστασιάδη , Λέκτορα Βιοπληροφορικής στο Πανεπιστήμιο Cranfield, με την Υπηρεσία Προτύπων Τροφίμων και το Συμβούλιο Επιστημών και Τεχνολογίας του Ηνωμένου Βασιλείου (STFC), χρησιμοποίησε μια εξειδικευμένη τεχνική ανάλυσης φωτός για να ανιχνεύσει ψεύτικο μέλι χωρίς να ανοίξει το βάζο.

Δείγματα βρετανικών μελιών δοκιμάστηκαν χρησιμοποιώντας τη μη επεμβατική μέθοδο Spatial Offset Raman Spectroscopy (SORS) – που αναπτύχθηκε αρχικά στο Central Laser Facility (CLF) του STFC. Αυτό αποδείχθηκε εξαιρετικά ακριβές στην ανίχνευση σιροπιών ζάχαρης που υπάρχουν στο μέλι. 

Το SORS εντόπισε γρήγορα το «δακτυλικό αποτύπωμα» κάθε συστατικού του προϊόντος και οι επιστήμονες συνδύασαν αυτή την τεχνική με μηχανική μάθηση για να ανιχνεύσουν και να αναγνωρίσουν με επιτυχία τα σιρόπια ζάχαρης από διάφορες φυτικές πηγές.

Δείγματα μελιού που χρησιμοποιούνται για την ανάπτυξη δοκιμών – Πίστωση Πανεπιστήμιο Cranfield

Η μέθοδος ανάλυσης είναι φορητή και εύκολη στην εφαρμογή, καθιστώντας την ένα ιδανικό εργαλείο διαλογής για τη δοκιμή μελιού κατά μήκος της αλυσίδας εφοδιασμού.

Η Δρ Αναστασιάδη σχολίασε: «Το μέλι είναι ακριβό και σε ζήτηση – και μπορεί να γίνει στόχος απατεώνων, γεγονός που αδικεί τους προμηθευτές γνήσιου μελιού και υπονομεύει την εμπιστοσύνη των καταναλωτών. Αυτή η μέθοδος είναι ένα αποτελεσματικό, γρήγορο εργαλείο για τον εντοπισμό ύποπτων δειγμάτων μελιού, βοηθώντας τη βιομηχανία να προστατεύσει τους καταναλωτές και να επαληθεύσει τις αλυσίδες εφοδιασμού».

Η εργασία Application of Spatial Offset Raman Spectroscopy (SORS) and Machine Learning for Sugar Syrup Altteration Detection in UK Honey δημοσιεύτηκε στο Foods 2024, vol. 13 .

Για να διαβάσετε ολόκληρη τη μελέτη πατήστε ΕΔΩ.