Skuteczne i tanie podejście do wykrywania fałszowania pochodzenia - częstego oszustwa w branży spożywczej

Oszustwa żywnościowe każdego roku generują miliardy dolarów strat gospodarczych (według szacunków około 30-40 mld USD), a oszuści bardzo często fałszują pochodzenie produktów. Botanicy z Uniwersytetu w Bazylei opracowali model, który może być stosowany do określania pochodzenia żywności w tani i wydajny sposób. Metoda bazująca na nowym modelu została przetestowana i zatwierdzona na truskawkach.

Fałszowanie pochodzenia produktów

Bardzo częstym rodzajem oszustwa żywnościowego jest fałszywe wskazanie kraju pochodzenia w celu maksymalizacji zysków. Jako przykład naukowcy podali truskawki ze Szwajcarii i oliwę z oliwek z Włoch, które mogą być sprzedawane po znacznie wyższych cenach niż ich odpowiedniki z innych krajów. Władze ds. żywności i przemysł spożywczy poświęcają wiele czasu na walkę z fałszywymi deklaracjami pochodzenia geograficznego.

Określenie wartości δ¹⁸O jako metoda wykrywania fałszowania żywności

Jedną z metod wykrywania fałszowania żywności jest określenie wartości δ¹⁸O (delta-O-18) próbki produktu, która charakteryzuje stosunek izotopów tlenu. Do tej pory procedura ta była czasochłonna i kosztowna, ponieważ w przypadku podejrzenia oszustwa konieczne było nie tylko zebranie danych referencyjnych z deklarowanego kraju pochodzenia, ale także danych porównawczych z innych regionów w celu potwierdzenia lub obalenia pochodzenia produktu.

Obniżenie kosztów poprzez obliczenia modelowe

Botanik z Bazylei, dr Florian Cueni, opracował model we współpracy z Agroisolab GmbH, firmą specjalizującą się w analizie izotopowej. Model ten służy do symulacji stosunku izotopów tlenu w roślinach z poszczególnych regionów, eliminując w ten sposób konieczność czasochłonnego zbierania danych referencyjnych. Model opiera się na danych dotyczących temperatury, opadów i wilgotności oraz informacji o okresie wegetacji rośliny, które są dostępne w ogólnodostępnych bazach danych.

Dr Cueni przetestował i zwalidował model na unikalnym zestawie danych referencyjnych δ¹⁸O dla truskawek zebranych w całej Europie w ciągu 11 lat. Studium przypadku wykazało, że model może symulować pochodzenie truskawek z wysokim stopniem dokładności.

Szeroki zakres zastosowań

Jak powiedział profesor Ansgar Kahmen, który kierował projektem badawczym: "Przy niewielkich korektach parametrów nasz model może być stosowany do oznaczania wszystkich produktów roślinnych". Dzięki temu możliwe jest uproszczenie i przyspieszenie konwencjonalnej analizy izotopowej poprzez symulację regionów pochodzenia produktów roślinnych.

Oprócz zastosowań w przemyśle spożywczym, model ten jest interesujący dla urzędników zajmujących się kryminalistyką żywności, organów prowadzących śledztwa w sprawie narkotyków, a nawet organizacji pozarządowych, takich jak WWF lub Greenpeace, w zakresie określania pochodzenia nielegalnie pozyskanego drewna.

Źródło: https://www.unibas.ch/en/News-Events/News/Uni-Research/An-efficient-and-low-cost-approach-to-detecting-food-fraud.html

Publikacja naukowa: https://www.nature.com/articles/s41598-021-96722-9

Zespół FoodFakty ustawicznie monitoruje rynek i wszystkie wykryte przypadki zafałszowań w EU oraz reszcie świata. Niezwłocznie rejestruje wszystkie produkty w bazie Probase360, a klienci bazy codziennie otrzymują alert z bieżacymi wycofaniami z rynku i mogą niezwłocznie podejmować działania prewencyjne i pogłębiać informacje o sytuacji w module analitycznym bazy.

Dowiedz się więcej o Strefie Managera i narzędziach Probase360