logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-09192024-130335


Tipo di tesi
Tesi di laurea magistrale
Autore
LAMANNA, ANGELO
URN
etd-09192024-130335
Titolo
Utilizzo di analisi distruttive e non distruttive per la caratterizzazione di caffè tostato monorigine di specie Coffea arabica e Coffea canephora
Dipartimento
SCIENZE AGRARIE, ALIMENTARI E AGRO-AMBIENTALI
Corso di studi
BIOSICUREZZA E QUALITÀ DEGLI ALIMENTI
Relatori
relatore Taglieri, Isabella
correlatore Modesti, Margherita
controrelatore Castagna, Antonella
Parole chiave
  • analisi distruttive
  • analisi non distruttive
  • analisi sensoriale
  • caffè
  • caffè tostato
  • naso elettronico
  • nir
Data inizio appello
07/10/2024
Consultabilità
Non consultabile
Data di rilascio
07/10/2094
Riassunto
In questo lavoro è stata realizzata la caratterizzazione chimica e fitochimica di 12 campioni di caffè tostati (Coffea arabica e canephora) per valutare l’influenza dell’origine e delle tecniche di processo sulla composizione del chicco, esaminando anche l’efficacia di analisi non distruttive (FT-NIR, e-nose) per la discriminazione della provenienza. È stata anche condotta un’analisi sensoriale mediante panel test per la valutazione della qualità edonica dei campioni. È stato infine valutato lo sviluppo di un modello di correlazione per la previsione della qualità del caffè tostato a partire dagli spettri FT-NIR.
Sono stati quantificati sostanza secca, densità, aw, acidità titolabile, lipidi, saccarosio, glucosio, fruttosio, acido lattico, malico, citrico, acetico, caffeina, fenoli totali, flavonoidi, tannini, potere antiossidante e melanoidine. Sono infine stati valutati il colore (CiaLAB) e il profilo aromatico (SPME-GC/MS; e-nose). La specie è il fattore che più ha influito sul saccarosio, i lipidi e la caffeina. Dall’analisi sensoriale i caratteri che hanno influito negativamente sono l’amaro, l’empireumatico e i sentori biochimici, mentre positivamente fiori/frutta e lo speziato. I modelli ottenuti dall’elaborazione dei dati acquisiti da NIR e e-nose mostrano un buon livello di identificazione dell’origine dei grani. Tuttavia, la capacità predittiva del modello in fase di validazione è fortemente limitata dal basso numero di campioni oggetto dello studio.
File