Tomografia computerizzata per la qualità del Grevé: l’occhiatura vista dall’interno
Uno studio industriale condotto su 30 forme impiega la TC come strumento non distruttivo per misurare occhiatura, difetti e consistenza
Nel Grevé, formaggio svedese a pasta semidura “tipo svizzero”, dimensioni, forma e distribuzione dell’occhiatura sono determinanti per qualità sensoriale, valore estetico e classificazione commerciale. Lo studio qui sintetizzato valuta la fattibilità dell’uso della tomografia computerizzata (TC) in contesto industriale per osservare precocemente la formazione dell’occhiatura e rilevare difetti interni in modo non distruttivo. L’obiettivo è quantificare parametri chiave (numero, volume, rotondità, percentuale di volume degli occhi) per supportare controllo qualità e ottimizzazione di processo.
Fig. 1. A : Lo scanner TC Siemens Somatom Emotion Duo (A) è stato utilizzato per scansionare i formaggi Grevé (b) in modo non distruttivo; il formaggio è rimasto indisturbato, ricoperto di cera e plastica durante il processo di scansione. B: Impianto di stagionatura del formaggio Grevé, dove i formaggi sono stati conservati per lo sviluppo dell’occhiatura e tra una scansione TC e l’altra.
Materiali di prova e disegno sperimentale
La prova è stata condotta su 30 forme di Grevé provenienti da tre lotti (10 forme/lotto). Due lotti sono stati prodotti lo stesso giorno e il terzo nella stessa settimana. Ogni forma è stata scansionata in due tempi: a ~44 giorni (giovane) e a ~170 giorni (matura), in parallelo al normale ciclo di salagione, ceratura e maturazione del caseificio industriale.
Configurazione strumentale e parametri di scansione
È stato impiegato uno Siemens Somatom Emotion Duo (TC clinico) configurato a 110 kVp e 88 mAs, con ~1000 proiezioni per rotazione. Le immagini sono state ricostruite in formato DICOM con risoluzione 1×1 mm e spessore di strato 1,25 mm, così da consentire analisi tridimensionale ad alta definizione dell’interno della forma senza alcuna dissezione.
Ricostruzione e segmentazione dell’immagine
Le immagini TC (in scala di grigi proporzionale alla densità) sono state elaborate con 3D Slicer. Per separare matrice casearia e cavità gassose, è stata applicata una soglia di densità impostata manualmente a 850 kg/m³, coerente con il range tipico del formaggio (≈1100–1200 kg/m³). Questa scelta ha garantito segmentazione stabile delle forme, condizione necessaria alla successiva quantificazione volumetrica dell’occhiatura.
Fig. 2. Fasi dell’elaborazione della scansione TC; (A) Immagine grezza acquisita dallo scanner TC, (B) Lo stesso formaggio dopo aver impostato il valore soglia di 850 kg/m³, differenziato dallo sfondo, (C) Immagine binaria del formaggio che illustra le caratteristiche del formaggio (cavità) all’interno della forma di formaggio, (D) Immagine del formaggio con la forma di formaggio rimossa, che mostra solo le cavità (occhiatura).
Metodi di quantificazione dell’occhiatura
Dalle immagini binarie sono stati identificati e conteggiati gli “occhi“; le aree 2D per sezione sono state integrate lungo lo spessore di strato per ottenere il volume 3D (cm³) di ciascuna cavità. È stata calcolata la rotondità (0=meno rotonda; 1=più rotonda) e l’Eye%, ovvero la percentuale di volume dell’occhiatura rispetto al volume totale forma+occhiatura. Le differenze tra stadi di maturazione sono state testate con ANOVA a una via e Tukey (p<0,05).
Risultati – confronto 44 vs 170 giorni
Il numero medio di occhi/forma non differisce in modo significativo tra giovani e mature, verosimilmente per l’ampia variabilità individuale tra forme. Al contrario, la dimensione degli “occhi” cresce con la maturazione: il volume medio per cavità passa da 0,19 ± 0,02 cm³ (44 gg) a 0,87 ± 0,37 cm³ (170 gg; p<0,05). Di conseguenza, aumenta anche il volume totale dell’occhiatura (da 23,09 ± 21,11 cm³ a 113,43 ± 47,09 cm³) e l’Eye% (da 0,21% a 1,07%), mentre la rotondità media diminuisce (da 0,95 ± 0,03 a 0,89 ± 0,03), indice di forme più irregolari e di possibile insorgenza di coalescenze o fessurazioni nelle forme mature.
Fig. 3. A : Sezione trasversale del formaggio Grevé che illustra una distribuzione perfetta di occhiature piccole e grandi, con un singolo occhio rotondo (a) e la fusione di due “occhi” (b). B: Sezione trasversale del formaggio Grevé con crepe/spaccature quasi invisibili (c) e distinte (d).
Fig. 4. Variazione individuale di (A) Numero di occhi, (B) Volume medio, (C) Eye% = volume occhiatura/(volume della forma + volume degli occhi)*100 e (D) Rotondità dell’occhiatura nel formaggio studiato da giovane (44 giorni): simboli scuri e stagionato (170 giorni): simboli chiari. Aggiungere informazioni sui lotti di formaggio.
Fig. 5. Immagini TC che rappresentano la progressione dei formaggi sperimentali, evidenziandone le caratteristiche uniche sia nella fase iniziale (44 giorni; illustrato a sinistra) che in quella di maturazione (170 giorni; illustrato a destra). Le sezioni virtuali dei quarti delle forme di formaggio sono state visualizzate metodicamente, consentendo una chiara rappresentazione della distribuzione degli occhi all’interno della forma. Una freccia indica una crepa o una spaccatura in un particolare formaggio.
Discussione – interpretazione tecnologica
L’aumento del volume e della quota volumetrica dell’occhiatura durante la maturazione è coerente con la fisiologia dei batteri propionici e la dinamica della CO₂ nella matrice, mentre la riduzione di rotondità suggerisce una plasticità meno favorevole o sovrapressioni locali che predispongono a fessurazioni. La TC consente di vedere e misurare questi fenomeni prima che siano visibili in taglio, aprendo alla selezione precoce di forme non conformi (es. destinazione a grattugiato) e all’aggiustamento dei parametri (acidificazione, pressatura, profilo termico di maturazione) per prevenire difetti strutturali.
Implicazioni per il controllo qualità
Introdotta in un piano di controllo a lotti, la TC fornisce indicatori quantitativi replicabili (es. Eye% target, rotondità minima, soglie di volume per occhio) da usare come criteri di rilascio o trigger correttivi su starter propionici, umidità e temperature di magazzino. In prospettiva, serie storiche di scansioni potranno alimentare modelli predittivi (anche di machine learning) legati a composizione del latte, tecnologia e gestione della maturazione.
Limiti e prospettive
Lo scanner clinico impiegato è costoso e sovradimensionato per molti caseifici; gli autori indicano la necessità di soluzioni più accessibili e orientate al food con impostazioni dedicate all’analisi di prodotti ad alta attenuazione e geometrie compatibili con forme intere. Restano da esplorare: parametri TC ottimizzati per formaggi diversi dal Grevé, integrazione on-line in magazzino, studi longitudinali più ampi e automatizzazione della segmentazione.
Fonte: Hasitha Priyashantha, Lars Hansson, Peter Forsman, Åse Lundh, Mårten Hetta, Computed tomography (CT) scanning to visualize eye formation and internal structure in Grevé cheese, Heliyon, Volume 10, Issue 13, 2024, e33408, ISSN 2405-8440, https://doi.org/10.1016/j.heliyon.2024.e33408
GDPR Compliant