RaVOC

Die Belastung von Nüssen und Trockenfrüchten mit Mykotoxinen stellt ein weltweit verbreitetes erhebliches Gesundheitsrisiko dar. Bedingt durch die saisonale Ernte und der damit verbundenen Lagerzeiten besteht die Gefahr von Schimmelbefall und Qualitätsverlust vor allem bei Haselnüssen. Die Identifikation von qualitativ beeinträchtigten Haselnüssen erfordert derzeit aufwendige und teilweise zerstörende Methoden, weshalb ein Bedarf an schnellen Qualitätsbewertungsverfahren besteht.
Im Rahmen des CORNET-Vorhabens wird die Eignung der Volatolomik für die Qualitätsbewertung von Nüssen untersucht. Der technische Ansatz basiert auf der Identifikation und Quantifizierung flüchtiger Verbindungen mittels Gaschromatographie gekoppelt mit Massenspektrometrie (GC-MS), die von Nüssen in den Kopfbereich ihrer Verpackung freigesetzt werden. Dabei sollen schimmelbelastete Nüsse und solche mit reduzierter Qualität z.B. durch erhöhte Fettsäureabbauprozesse anhand ihres unterscheidbaren Profils an flüchtigen Verbindungen von qualitativ hochwertigen Haselnüssen getrennt werden. Ergänzend wird eine Kombination mit der analytischen IR-Spektroskopie angestrebt, um die Sensitivität des Klassifizierungsmodelles zu erhöhen. Durch den Einsatz von Methoden aus dem Bereich des maschinellen Lernens sollen charakteristische flüchtige Marker identifiziert und das entwickelte Klassifizierungsmodell im Projektverlauf auch auf die Eignung zur Beurteilung von getrockneten Feigen untersucht werden.
Zur Bündelung der Expertise aus den weltweit bedeutenden Anbau- und Weiterverarbeitungsregionen für Haselnüsse wird das Projekt vom Fraunhofer IVV gemeinsam mit dem türkischen Forschungspartner TÜBITAK MAM durchgeführt. Ziel des internationalen Projektes ist es, die Grundlage für die Entwicklung einfacher und kostengünstiger Gas-/IRSensorarrays für die Qualitätskontrolle von Haselnüssen und Trockenfrüchten zu schaffen.