Herramientas quimiometricas para la clasificacion de granos de Soja
- Autores
- Fechner, Diana Corina; Bulacios Muñiz, Olivia del Valle; Marchevsky, Eduardo Jorge; Pellerano, Roberto Gerardo; Hidalgo, Melisa Jazmin
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- En el campo agroalimentario, las técnicas analíticas instrumentales son utilizados para verificar la calidad e idoneidad de los productos y los medios de producción, o para comprobar la veracidad de la información suministrada en las etiquetas. Se puede afirmar que la calidad de los alimentos es un aspecto diferenciador en los mercados, ya que los consumidores ponen atención a determinados atributos de calidad de los productos, dándoles cada vez más valor a la procedencia geográfica. En este trabajo se llevó a cabo el análisis de elementos trazas en granos de soja combinado con herramientas quimiométricas para caracterizar los orígenes geográficos de los granos. Se analizaron un total de 120 muestras de granos de soja producidos en tres zonas productoras de las provincias de San Luis, Chaco y Córdoba de Argentina. Luego de la recolección de los granos, cada muestra fue lavada y procesada con agua desionizada. Posteriormente se procedió a una digestión húmeda (HNO3 y H2O2) para su mineralización sobre plancha calefactora en vaso abierto. Se determinaron 25 elementos a nivel de vestigios incluyendo tierras raras mediante espectrometría de masa por plasma acoplado inductivamente (IPC-MS). Para el análisis de los resultados se trabajó con el software Python con paquetes adecuados para el análisis de datos. Se utilizaron distintas técnicas de análisis quimiométricas (LDA y PLS-DA) como así también técnicas de minería de datos (SMV-DA y Random Forest). Los métodos aplicados fueron comparados teniendo en cuenta la exactitud global y el área bajo la curva determinados por validación cruzada en grupos (k=10). El mejor desempeño se pudo observar en el método de SVMDA después de optimizar los parámetros gamma y C del kernel RBF. Los resultados obtenidos permitieron alcanzar un 95,3% de acierto en la procedencia de las muestras, quedando demostrado que existen diferencias en los contenidos elementales que resultan útiles para la elaboración de modelos de origen geográfico.
Fil: Fechner, Diana Corina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
Fil: Bulacios Muñiz, Olivia del Valle. Universidad Nacional de Catamarca. Facultad de Cs.exactas y Naturales. Departamento de Química; Argentina
Fil: Marchevsky, Eduardo Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis; Argentina
Fil: Pellerano, Roberto Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
Fil: Hidalgo, Melisa Jazmin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
IV Escola de Inverno de Quimiometria
Porto Alegre
Brasil
Universidade Federal do Rio Grande do Sul. Instituto de Química - Materia
-
MULTIVARADO
SVM - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/181672
Ver los metadatos del registro completo
id |
CONICETDig_0331fcaaae6a7104f8a79e1f8a137636 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/181672 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Herramientas quimiometricas para la clasificacion de granos de SojaFechner, Diana CorinaBulacios Muñiz, Olivia del ValleMarchevsky, Eduardo JorgePellerano, Roberto GerardoHidalgo, Melisa JazminMULTIVARADOSVMhttps://purl.org/becyt/ford/1.4https://purl.org/becyt/ford/1En el campo agroalimentario, las técnicas analíticas instrumentales son utilizados para verificar la calidad e idoneidad de los productos y los medios de producción, o para comprobar la veracidad de la información suministrada en las etiquetas. Se puede afirmar que la calidad de los alimentos es un aspecto diferenciador en los mercados, ya que los consumidores ponen atención a determinados atributos de calidad de los productos, dándoles cada vez más valor a la procedencia geográfica. En este trabajo se llevó a cabo el análisis de elementos trazas en granos de soja combinado con herramientas quimiométricas para caracterizar los orígenes geográficos de los granos. Se analizaron un total de 120 muestras de granos de soja producidos en tres zonas productoras de las provincias de San Luis, Chaco y Córdoba de Argentina. Luego de la recolección de los granos, cada muestra fue lavada y procesada con agua desionizada. Posteriormente se procedió a una digestión húmeda (HNO3 y H2O2) para su mineralización sobre plancha calefactora en vaso abierto. Se determinaron 25 elementos a nivel de vestigios incluyendo tierras raras mediante espectrometría de masa por plasma acoplado inductivamente (IPC-MS). Para el análisis de los resultados se trabajó con el software Python con paquetes adecuados para el análisis de datos. Se utilizaron distintas técnicas de análisis quimiométricas (LDA y PLS-DA) como así también técnicas de minería de datos (SMV-DA y Random Forest). Los métodos aplicados fueron comparados teniendo en cuenta la exactitud global y el área bajo la curva determinados por validación cruzada en grupos (k=10). El mejor desempeño se pudo observar en el método de SVMDA después de optimizar los parámetros gamma y C del kernel RBF. Los resultados obtenidos permitieron alcanzar un 95,3% de acierto en la procedencia de las muestras, quedando demostrado que existen diferencias en los contenidos elementales que resultan útiles para la elaboración de modelos de origen geográfico.Fil: Fechner, Diana Corina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; ArgentinaFil: Bulacios Muñiz, Olivia del Valle. Universidad Nacional de Catamarca. Facultad de Cs.exactas y Naturales. Departamento de Química; ArgentinaFil: Marchevsky, Eduardo Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis; ArgentinaFil: Pellerano, Roberto Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; ArgentinaFil: Hidalgo, Melisa Jazmin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; ArgentinaIV Escola de Inverno de QuimiometriaPorto AlegreBrasilUniversidade Federal do Rio Grande do Sul. Instituto de QuímicaUniversidade Federal do Rio Grande do Sul. Instituto de Química2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectOtroBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/181672Herramientas quimiometricas para la clasificacion de granos de Soja; IV Escola de Inverno de Quimiometria; Porto Alegre; Brasil; 2019; 90-90CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.iq.ufrgs.br/eqi/index.php/programacao?fbclid=IwAR2Bf0ZohrDZpIK4Y9-PJMByyANxB4L2PInWv3nyPfo7d1kTu5o9JxzRdLUInternacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:50:34Zoai:ri.conicet.gov.ar:11336/181672instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:50:35.197CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Herramientas quimiometricas para la clasificacion de granos de Soja |
title |
Herramientas quimiometricas para la clasificacion de granos de Soja |
spellingShingle |
Herramientas quimiometricas para la clasificacion de granos de Soja Fechner, Diana Corina MULTIVARADO SVM |
title_short |
Herramientas quimiometricas para la clasificacion de granos de Soja |
title_full |
Herramientas quimiometricas para la clasificacion de granos de Soja |
title_fullStr |
Herramientas quimiometricas para la clasificacion de granos de Soja |
title_full_unstemmed |
Herramientas quimiometricas para la clasificacion de granos de Soja |
title_sort |
Herramientas quimiometricas para la clasificacion de granos de Soja |
dc.creator.none.fl_str_mv |
Fechner, Diana Corina Bulacios Muñiz, Olivia del Valle Marchevsky, Eduardo Jorge Pellerano, Roberto Gerardo Hidalgo, Melisa Jazmin |
author |
Fechner, Diana Corina |
author_facet |
Fechner, Diana Corina Bulacios Muñiz, Olivia del Valle Marchevsky, Eduardo Jorge Pellerano, Roberto Gerardo Hidalgo, Melisa Jazmin |
author_role |
author |
author2 |
Bulacios Muñiz, Olivia del Valle Marchevsky, Eduardo Jorge Pellerano, Roberto Gerardo Hidalgo, Melisa Jazmin |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
MULTIVARADO SVM |
topic |
MULTIVARADO SVM |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.4 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
En el campo agroalimentario, las técnicas analíticas instrumentales son utilizados para verificar la calidad e idoneidad de los productos y los medios de producción, o para comprobar la veracidad de la información suministrada en las etiquetas. Se puede afirmar que la calidad de los alimentos es un aspecto diferenciador en los mercados, ya que los consumidores ponen atención a determinados atributos de calidad de los productos, dándoles cada vez más valor a la procedencia geográfica. En este trabajo se llevó a cabo el análisis de elementos trazas en granos de soja combinado con herramientas quimiométricas para caracterizar los orígenes geográficos de los granos. Se analizaron un total de 120 muestras de granos de soja producidos en tres zonas productoras de las provincias de San Luis, Chaco y Córdoba de Argentina. Luego de la recolección de los granos, cada muestra fue lavada y procesada con agua desionizada. Posteriormente se procedió a una digestión húmeda (HNO3 y H2O2) para su mineralización sobre plancha calefactora en vaso abierto. Se determinaron 25 elementos a nivel de vestigios incluyendo tierras raras mediante espectrometría de masa por plasma acoplado inductivamente (IPC-MS). Para el análisis de los resultados se trabajó con el software Python con paquetes adecuados para el análisis de datos. Se utilizaron distintas técnicas de análisis quimiométricas (LDA y PLS-DA) como así también técnicas de minería de datos (SMV-DA y Random Forest). Los métodos aplicados fueron comparados teniendo en cuenta la exactitud global y el área bajo la curva determinados por validación cruzada en grupos (k=10). El mejor desempeño se pudo observar en el método de SVMDA después de optimizar los parámetros gamma y C del kernel RBF. Los resultados obtenidos permitieron alcanzar un 95,3% de acierto en la procedencia de las muestras, quedando demostrado que existen diferencias en los contenidos elementales que resultan útiles para la elaboración de modelos de origen geográfico. Fil: Fechner, Diana Corina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina Fil: Bulacios Muñiz, Olivia del Valle. Universidad Nacional de Catamarca. Facultad de Cs.exactas y Naturales. Departamento de Química; Argentina Fil: Marchevsky, Eduardo Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis; Argentina Fil: Pellerano, Roberto Gerardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina Fil: Hidalgo, Melisa Jazmin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina IV Escola de Inverno de Quimiometria Porto Alegre Brasil Universidade Federal do Rio Grande do Sul. Instituto de Química |
description |
En el campo agroalimentario, las técnicas analíticas instrumentales son utilizados para verificar la calidad e idoneidad de los productos y los medios de producción, o para comprobar la veracidad de la información suministrada en las etiquetas. Se puede afirmar que la calidad de los alimentos es un aspecto diferenciador en los mercados, ya que los consumidores ponen atención a determinados atributos de calidad de los productos, dándoles cada vez más valor a la procedencia geográfica. En este trabajo se llevó a cabo el análisis de elementos trazas en granos de soja combinado con herramientas quimiométricas para caracterizar los orígenes geográficos de los granos. Se analizaron un total de 120 muestras de granos de soja producidos en tres zonas productoras de las provincias de San Luis, Chaco y Córdoba de Argentina. Luego de la recolección de los granos, cada muestra fue lavada y procesada con agua desionizada. Posteriormente se procedió a una digestión húmeda (HNO3 y H2O2) para su mineralización sobre plancha calefactora en vaso abierto. Se determinaron 25 elementos a nivel de vestigios incluyendo tierras raras mediante espectrometría de masa por plasma acoplado inductivamente (IPC-MS). Para el análisis de los resultados se trabajó con el software Python con paquetes adecuados para el análisis de datos. Se utilizaron distintas técnicas de análisis quimiométricas (LDA y PLS-DA) como así también técnicas de minería de datos (SMV-DA y Random Forest). Los métodos aplicados fueron comparados teniendo en cuenta la exactitud global y el área bajo la curva determinados por validación cruzada en grupos (k=10). El mejor desempeño se pudo observar en el método de SVMDA después de optimizar los parámetros gamma y C del kernel RBF. Los resultados obtenidos permitieron alcanzar un 95,3% de acierto en la procedencia de las muestras, quedando demostrado que existen diferencias en los contenidos elementales que resultan útiles para la elaboración de modelos de origen geográfico. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/conferenceObject Otro Book http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
status_str |
publishedVersion |
format |
conferenceObject |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/181672 Herramientas quimiometricas para la clasificacion de granos de Soja; IV Escola de Inverno de Quimiometria; Porto Alegre; Brasil; 2019; 90-90 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/181672 |
identifier_str_mv |
Herramientas quimiometricas para la clasificacion de granos de Soja; IV Escola de Inverno de Quimiometria; Porto Alegre; Brasil; 2019; 90-90 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://www.iq.ufrgs.br/eqi/index.php/programacao?fbclid=IwAR2Bf0ZohrDZpIK4Y9-PJMByyANxB4L2PInWv3nyPfo7d1kTu5o9JxzRdLU |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf application/pdf |
dc.coverage.none.fl_str_mv |
Internacional |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Sul. Instituto de Química |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Sul. Instituto de Química |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613558862610432 |
score |
13.070432 |