Tαυτότητα στο ελληνικό λάδι, με χρήση τεχνικών Laser και Μηχανικής Μάθησης, δίνουν το Πανεπιστήμιο Πατρών και το ΙΕΧΜΗ/ΙΤΕ.
Με τη μέθοδο που αναπτύσσεται υπό την καθοδήγηση των καθηγητών Στέλιου Κουρή και Χρήστου Μπούρα δίνεται η δυνατότητα να διερευνηθούν με ταχύτητα και ακρίβεια η οξύτητα του ελαιόλαδου, η γεωγραφική του παραγωγή, αλλά και η πρακτική που έχει εφαρμοστεί στην καλλιέργεια. Με τη συγκεκριμένη μέθοδο μηδενίζεται η δυνατότητα νοθείας του προϊόντος.
Η βασική ιδέα της έρευνας προτείνει το συνδυασμό μιας νέας τεχνικής βασιζόμενης στην τεχνολογία των λέιζερ με την ανεπανάληπτη ισχύ και ταχύτητα που παρέχουν τα υπολογιστικά εργαλεία που χρησιμοποιούνται στην τεχνητή εκμάθηση (machine learning) και στην τεχνητή ευφυΐα (artificial intelligence). Ο συνδυασμός των λέιζερ με την υποβοηθούμενη από υπολογιστικά μοντέλα λήψη αποφάσεων μπορεί να οδηγήσει στον αξιόπιστο, γρήγορο και ασφαλή έλεγχο της οξύτητας, της γεωγραφικής προέλευσης αλλά και της νοθείας του ελαιολάδου σε πραγματικό χρόνο και μάλιστα εντός λίγων δευτερολέπτων.
Η τεχνική λέιζερ που προτείνεται να χρησιμοποιηθεί είναι μια φασματοσκοπική τεχνική αναλυτικού και διαγνωστικού χαρακτήρα, που στηρίζεται στην καταγραφή και φασματοσκοπική ανάλυση του εκπεμπόμενου φωτός από το πλάσμα που παράγεται κατά την αλληλεπίδραση κατάλληλης ακτινοβολίας λέιζερ με ένα δείγμα. Η τεχνική αυτή ονομάζεται “Laser Induced Breakdown Spectroscopy” ή εν συντομία LIBS. Η τεχνική LIBS επιτρέπει την μελέτη και ανάλυση δειγμάτων, τα οποία μπορεί να είναι στερεά, υγρά ή αέρια, διηλεκτρικά ή αγώγιμα, σε πραγματικό χρόνο και με ανεπανάληπτη ταχύτητα. Απαιτεί μόνο οπτική πρόσβαση στο δείγμα, για το οποίο, για το ελαιόλαδο εν προκειμένω, δεν απαιτείται καμία απολύτως προετοιμασία. Οι μετρήσεις διεξάγονται σε μερικά χιλιοστά του δευτερολέπτου, επιτόπου (in-situ), ή εξ αποστάσεως, σε γραμμή παραγωγής (on-line), ακόμη και σε περιβάλλοντα δυσπρόσιτα και μη εργαστηριακά. Η τεχνική LIBS, παρέχει τη δυνατότητα ταυτόχρονης, πολύ-στοιχειακής ανάλυσης του δείγματος.
Γενικά, η μέσω υπολογιστή υποβοηθούμενη βαθμονόμηση/πρόβλεψη διαφόρων διαδικασιών (μεταξύ άλλων και των φασμάτων) και οι τεχνολογίες «εκμάθησης» (learning technologies) συναντώνται στη σχετική βιβλιογραφία με ποικίλα ονόματα, ανάλογα με την εφαρμογή και τους αλγόριθμους που χρησιμοποιούνται. Ειδικότερα, η έκφραση «μηχανική εκμάθηση» (machine leaning), με την ευρύτερη έννοια, αναφέρεται στην αυτοματοποίηση μιας διαδικασίας εκμάθησης, χωρίς να συνδέεται κατ’ ανάγκη με κάποιο συγκεκριμένο υπολογιστικό πρόγραμμα και βρίσκει εφαρμογή σε ποικίλες και εντελώς διαφορετικές εφαρμογές, από την αναγνώριση εικόνας και φωνής μέχρι στην πρόβλεψη των χρηματιστηριακών αγορών και του καιρού. Συχνά, ένας αλγόριθμος μηχανικής εκμάθησης επιλέγεται με δεδομένη κάποια γνώση των μαθηματικών χαρακτηριστικών του προβλήματος ώστε να είναι περισσότερο αποδοτικός.
Η «βαθιά εκμάθηση» (deep learning) αναφέρεται σ ένα υποσύνολο τεχνικών μηχανικής εκμάθησης το οποίο χρησιμοποιεί ένα συγκεκριμένο μοντέλο εκμάθησης αντί για κάποιον αλγόριθμο κατάλληλο για μια συγκεκριμένη εργασία (task-specific algorithm). Ενα παράδειγμα βαθιάς μάθησης είναι η χρήση νευρωνικού δικτύου ή κάποιου άλλου μοντέλου εμπνευσμένου από κάποια βιολογική διεργασία. Η χημειομετρία (chemometrics) αναφέρεται συνήθως σε πολύ-μεταβλητές στατιστικές (multivariate statistics) και αλγορίθμους μηχανικής μάθησης που εφαρμόζονται σε χημικά ή/και βιολογικά συστήματα για την εξαγωγή πληροφορίας. Τέλος, η τεχνητή νοημοσύνη (artificial intelligence, AI) μπορεί να περιγράφει απλά, ως η ευφυΐα μιας μηχανής, η οποία εκπαιδεύεται και μπορεί να επιλύει κάποια προβλήματα ή να εμφανίζει κάποια μαθησιακή ικανότητα, και την οποία εξισώνουμε με γνώση.
Με την εφαρμογή της παραπάνω συνδυαστικής τεχνολογίας των λέιζερ και της τεχνητής νοημοσύνης, μπορούμε να έχουμε ακριβή στοιχεία για την ταξινόμηση δειγμάτων ελαιόλαδου ανάλογα με την γεωγραφική τους προέλευση, την οξύτητα, καθώς και ο εντοπισμός νοθευμένων ελαιολάδων. Τα δεδομένα που πρέπει να γνωρίζουμε είναι η τοποθεσία παραγωγής του ελαιολάδου και η οξύτητα του. Επίσης γίνονται και εκτεταμένοι έλεγχοι της ανωτέρω μεθοδολογίας με άγνωστα δείγματα και έτσι βεβαιώνεται ο βαθμός επιτυχούς γεωγραφικού διαχωρισμού, η κατηγοριοποίηση ως προς την οξύτητα και το αν είναι νοθευμένο το ελαιόλαδο.
Η επιδιωκόμενη ταξινόμηση/κατηγοριοποίησή των ελαιολάδων, πραγματοποιείται όσον αφορά τα ακόλουθα κριτήρια/χαρακτηριστικά:
1) την γεωγραφική τους προέλευση, 2) την οξύτητα, 2) την μορφολογία του τόπου/εδάφους του ελαιώνα (δηλ. πεδινό ή ορεινό, παραθαλάσσιο ή μεσογειακό), 4) το είδος της καλλιέργειας (βιολογική ή συμβατική), 5) την επίδραση της διαδικασίας/τεχνολογίας ελαιοποίησης (π.χ. μειωμένη έκθεση στο οξυγόνο) και 6) έλεγχος νόθευσης με (πυρηνέλαια, σπορέλαια, κλπ.).
Στo πλαίσιο της έρευνας:
– έχει δημιουργηθεί μια αντιπροσωπευτικής βάσης δεδομένων με φάσματα LIBS ελαιολάδων από τις περιοχές ενδιαφέροντος
– έχει γίνει η επιλογή των πλέον καταλλήλων αλγορίθμων μηχανικής μάθησης για φασματοσκοπικά δεδομένα LIBS και ανάπτυξη (όπου απαιτείται) νέων στατιστικών προσεγγίσεων
– έχουν υλοποιηθεί και εκπαιδευτεί οι αλγόριθμοι με τα φασματικά δεδομένα LIBS των ελαιολάδων που έχουν μετρηθεί.
– έχει πραγματοποιηθεί η αποτίμηση των διαφόρων στρατηγικών πρόβλεψης και ποσοστά επιτυχούς πρόβλεψης.
Ο έλεγχος της αυθεντικότητας και η πιστοποίηση της γεωγραφικής προέλευσης του ελαιόλαδου, αποτελούν σημαντικές και αναγκαίες πρακτικές, για τις παρούσες συνθήκες οικονομικού ανταγωνισμού. Ειδικότερα, η διασφάλιση της ποιότητας του ελαιολάδου, και η προστασία της προέλευσης και της ταυτότητας του (ΠΟΠ, ΠΓΕ), καθώς και ο γενικότερος έλεγχος της νόμιμης χρήσης όρων, συμβόλων και ενδείξεων, αποτελούν σημαντικά στοιχεία της ταυτότητας και της αξίας του ελαιολάδου, αφού η ύπαρξη αυτών των ιδιαίτερων χαρακτηριστικών του προσδίδουν εν γένει υψηλή αναγνωρισιμότητα και σημαντικά υψηλότερη προστιθέμενη αξία. Το τελευταίο είναι εξαιρετικά σημαντικό αλλά και επίκαιρο, ειδικά για την χώρα μας όπου η παραγωγή του ελαιόλαδου είναι περιορισμένου όγκου, λόγω μεγέθους της χώρας, σε σχέση με άλλα ευρωπαϊκά κράτη, αλλά υψηλότατής ποιότητας.
Ο συνδυασμός της τεχνολογίας των λέιζερ με την ισχύ και ταχύτητα που παρέχουν οι τεχνικές μηχανικής μάθησης για τον αξιόπιστο, γρήγορο και ασφαλή έλεγχο της γεωγραφικής προέλευσης, της οξύτητας αλλά και της νόθευσης του ελαιολάδου, σε πραγματικό χρόνο (σε κλάσμα του δευτερολέπτου) μπορούν να ενισχύσουν σημαντικά το “brand name”, και έτσι να προσδώσουν στο ελαιόλαδο υψηλή προστιθέμενη αξία.
Η εξασφάλιση της υψηλής προστιθέμενης αξία των προϊόντων αυτών με την βοήθεια σύγχρονων μεθόδων υψηλής τεχνολογίας, μπορεί να οδηγήσει στην βελτίωση και αύξηση της ανταγωνιστικότητας σε τοπικό, εθνικό και διεθνές επίπεδο και επομένως να συντελέσει αποτελεσματικά στην ανάπτυξη της οικονομίας, διευκολύνοντας τη δημιουργία νέων θέσεων εργασίας και ενισχύοντας τις περιορισμένης έκτασης τοπικές οικονομίες.
