Vers un meilleur contrôle de l’origine géographique de l’huile d’olive vierge en Europe

Vers un meilleur contrôle de l’origine géographique de l’huile d’olive vierge en Europe

L’approvisionnement d’huile d’olive vierge (HOV) de provenance géographique bien définie est une des attentes des consommateurs européens. Actuellement, aucune norme pour l’identification géographique n’a été établie par les organismes de règlementation.

Dans le cadre du projet européen FoodIntegrity, une étude complète visant à trouver les meilleures techniques analytiques pour évaluer la provenance géographique a été réalisée, en tenant compte de critères tels que la plage de détection, les limites de détection (LD) et de quantification (LQ), le coût, la sensibilité, la sélectivité, etc. De plus, des spécifications et recommandations de critères statistiques ont été proposées pour la validation de méthodes qualitatives.

Jusqu'à présent, les techniques chromatographiques ont fourni de bons résultats, mais le protocole prend du temps pour la mise en œuvre car il nécessite des informations provenant de familles de produits chimiques, qui doivent être analysées au moyen de différentes méthodes chromatographiques standards et internes. Le besoin de méthodes rapides beaucoup plus adaptées pour la filière a conduit à étudier la faisabilité de techniques non ciblées permettant de déterminer les HOV des pays producteurs européens et non européens, ainsi qu'à savoir quelle technique serait la plus performante pour l'analyse d'échantillons en aveugle.

Pour ce faire, une étude collaborative a été mise en place dans le cadre du projet. Dans ce contexte, le CRA-W a effectué une évaluation des méthodes de spectroscopie Raman non ciblées d'identification géographique d'échantillons d'huile d'olive (HOV européens et non européens). Des outils chimiométriques non supervisés (ACP) et supervisés (méthode de discrimination PLS-DA) ont été appliqués sur les données de spectroscopie Raman des échantillons d’huile d’olive. Avec les méthodes non supervisées, des tendances dans les données spectrales ont été détectées, ce qui permettait en même temps de sélectionner des variables qui pourraient être responsables d'éventuels regroupements. Trois décalages en fréquence (effet Raman) ont été trouvés correspondant à la présence de Trilinoléine, tel que montré par des recherches scientifiques antérieures. Avec les méthodes de classification supervisées, les règles de classification ont été déterminées et ont ensuite été appliquées pour classer les nouveaux échantillons (en aveugle).

FoodIntegrity (subvention n ° 613688) : www.foodintegrity.eu

 

Fichiers attachés

Partagez cet article