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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/181672
Acceder
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

Publicaciones similares