Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa

Autores
Farco, Andrea Paola; Benitez, Elisa Ines; Maiocchi, Marcos Gabriel
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Una tendencia actual para el control de calidad en alimentos es el uso de tecnologías no destructivas y no contaminantes, la espectroscopia de infrarrojo cercano por transformada de Fourier (FT-NIR) es una de ellas. Este método permite obtener en forma simultanea varios datos predictivos de comportamiento culinario de una muestra de arroz (Oriza sativa),previa calibración del equipo con resultados analíticos experimentales, técnicas que consisten en la cuantificación de los cambios por acción del calor y la incorporación de agua o un álcali. El objetivo del presente trabajo consiste en validar un modelo predictivo para determinar las características culinarias de variedades de arroz a partir de espectros de FT-NIR. Se utilizaron 46 muestras de arroz pulido proporcionadas por el Laboratorio de Calidad de Semillas y Granos del INTA EEA Corrientes de la campaña 2021-2022 (20 muestras) y campañas 2022-2023 (26 muestras), secados a 50°C hasta una humedad del 12%. Se separaron el 20% de las muestras para el proceso de verificación (9 muestras). Los parámetros de calidad culinaria se miden en términos del comportamiento del arroz luego de la cocción, considerando volumen de expansión, tiempo de cocción, absorción de agua,temperatura de gelatinización y peso de los mil granos. Las muestras fueron analizadas con un espectrofotómetro de infrarrojo cercano (Spectrum Two, Perkin Elmer), con un rango de longitud de 4000 a 10000 nm, utilizando el accesorio NIRA (Accesorio de Reflectancia)colocando 15 g de muestra en una caja de petri de 90 mm de diámetro. Se trabajó con el algoritmo PLS1, se efectuó la derivada primera, obteniendo los ajustes correspondientes para las cinco propiedades estudiadas, reportando % varianza (R2) y el error estándar de cálculo siguientes 98.21; 98.58; 97.52; 97.28; 98.90 y el error 0.03; 0.22; 0.62; 0.02; 0.11 respectivamente. Con estos valores obtenidos podemos concluir que es un método que nos brindará una buena correlación y predicción de los parámetros estudiados. Cabe destacar que este estudio sigue con la campaña 2023-2024 y se espera tener mejores resultados con el aumento del número de muestras para mejorar el modelo predictivo.
Fil: Farco, Andrea Paola. 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: Benitez, Elisa Ines. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química. Laboratorio de Química Teórica y Experimental; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Maiocchi, Marcos Gabriel. 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
I° Congreso Iberoamericano de Alimentos 4.0: Aplicaciones en Agroindustria y Gastronomía
Concordia
Argentina
Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Alimentación
Materia
CALIDAD
OPTIMIZACION
ARROZ
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:11336/275569
Acceder
id CONICETDig_24868aee998e24fa9855712e63cc8bc7
oai_identifier_str oai:ri.conicet.gov.ar:11336/275569
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativaFarco, Andrea PaolaBenitez, Elisa InesMaiocchi, Marcos GabrielCALIDADOPTIMIZACIONARROZhttps://purl.org/becyt/ford/2.11https://purl.org/becyt/ford/2Una tendencia actual para el control de calidad en alimentos es el uso de tecnologías no destructivas y no contaminantes, la espectroscopia de infrarrojo cercano por transformada de Fourier (FT-NIR) es una de ellas. Este método permite obtener en forma simultanea varios datos predictivos de comportamiento culinario de una muestra de arroz (Oriza sativa),previa calibración del equipo con resultados analíticos experimentales, técnicas que consisten en la cuantificación de los cambios por acción del calor y la incorporación de agua o un álcali. El objetivo del presente trabajo consiste en validar un modelo predictivo para determinar las características culinarias de variedades de arroz a partir de espectros de FT-NIR. Se utilizaron 46 muestras de arroz pulido proporcionadas por el Laboratorio de Calidad de Semillas y Granos del INTA EEA Corrientes de la campaña 2021-2022 (20 muestras) y campañas 2022-2023 (26 muestras), secados a 50°C hasta una humedad del 12%. Se separaron el 20% de las muestras para el proceso de verificación (9 muestras). Los parámetros de calidad culinaria se miden en términos del comportamiento del arroz luego de la cocción, considerando volumen de expansión, tiempo de cocción, absorción de agua,temperatura de gelatinización y peso de los mil granos. Las muestras fueron analizadas con un espectrofotómetro de infrarrojo cercano (Spectrum Two, Perkin Elmer), con un rango de longitud de 4000 a 10000 nm, utilizando el accesorio NIRA (Accesorio de Reflectancia)colocando 15 g de muestra en una caja de petri de 90 mm de diámetro. Se trabajó con el algoritmo PLS1, se efectuó la derivada primera, obteniendo los ajustes correspondientes para las cinco propiedades estudiadas, reportando % varianza (R2) y el error estándar de cálculo siguientes 98.21; 98.58; 97.52; 97.28; 98.90 y el error 0.03; 0.22; 0.62; 0.02; 0.11 respectivamente. Con estos valores obtenidos podemos concluir que es un método que nos brindará una buena correlación y predicción de los parámetros estudiados. Cabe destacar que este estudio sigue con la campaña 2023-2024 y se espera tener mejores resultados con el aumento del número de muestras para mejorar el modelo predictivo.Fil: Farco, Andrea Paola. 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: Benitez, Elisa Ines. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química. Laboratorio de Química Teórica y Experimental; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Maiocchi, Marcos Gabriel. 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; ArgentinaI° Congreso Iberoamericano de Alimentos 4.0: Aplicaciones en Agroindustria y GastronomíaConcordiaArgentinaUniversidad Nacional de Entre Ríos. Facultad de Ciencias de la AlimentaciónUniversidad Nacional de Entre Ríos. Facultad de Ciencias de la Alimentación2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectCongresoBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/275569Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa; I° Congreso Iberoamericano de Alimentos 4.0: Aplicaciones en Agroindustria y Gastronomía; Concordia; Argentina; 2024; 173-173978-950-698-594-3CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://cial4-0.com.ar/libro-de-resumenes/Internacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-12-23T14:41:01Zoai:ri.conicet.gov.ar:11336/275569instacron: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:34982025-12-23 14:41:01.696CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
title Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
spellingShingle Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
Farco, Andrea Paola
CALIDAD
OPTIMIZACION
ARROZ
title_short Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
title_full Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
title_fullStr Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
title_full_unstemmed Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
title_sort Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa
dc.creator.none.fl_str_mv Farco, Andrea Paola
Benitez, Elisa Ines
Maiocchi, Marcos Gabriel
author Farco, Andrea Paola
author_facet Farco, Andrea Paola
Benitez, Elisa Ines
Maiocchi, Marcos Gabriel
author_role author
author2 Benitez, Elisa Ines
Maiocchi, Marcos Gabriel
author2_role author
author
dc.subject.none.fl_str_mv CALIDAD
OPTIMIZACION
ARROZ
topic CALIDAD
OPTIMIZACION
ARROZ
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.11
https://purl.org/becyt/ford/2
dc.description.none.fl_txt_mv Una tendencia actual para el control de calidad en alimentos es el uso de tecnologías no destructivas y no contaminantes, la espectroscopia de infrarrojo cercano por transformada de Fourier (FT-NIR) es una de ellas. Este método permite obtener en forma simultanea varios datos predictivos de comportamiento culinario de una muestra de arroz (Oriza sativa),previa calibración del equipo con resultados analíticos experimentales, técnicas que consisten en la cuantificación de los cambios por acción del calor y la incorporación de agua o un álcali. El objetivo del presente trabajo consiste en validar un modelo predictivo para determinar las características culinarias de variedades de arroz a partir de espectros de FT-NIR. Se utilizaron 46 muestras de arroz pulido proporcionadas por el Laboratorio de Calidad de Semillas y Granos del INTA EEA Corrientes de la campaña 2021-2022 (20 muestras) y campañas 2022-2023 (26 muestras), secados a 50°C hasta una humedad del 12%. Se separaron el 20% de las muestras para el proceso de verificación (9 muestras). Los parámetros de calidad culinaria se miden en términos del comportamiento del arroz luego de la cocción, considerando volumen de expansión, tiempo de cocción, absorción de agua,temperatura de gelatinización y peso de los mil granos. Las muestras fueron analizadas con un espectrofotómetro de infrarrojo cercano (Spectrum Two, Perkin Elmer), con un rango de longitud de 4000 a 10000 nm, utilizando el accesorio NIRA (Accesorio de Reflectancia)colocando 15 g de muestra en una caja de petri de 90 mm de diámetro. Se trabajó con el algoritmo PLS1, se efectuó la derivada primera, obteniendo los ajustes correspondientes para las cinco propiedades estudiadas, reportando % varianza (R2) y el error estándar de cálculo siguientes 98.21; 98.58; 97.52; 97.28; 98.90 y el error 0.03; 0.22; 0.62; 0.02; 0.11 respectivamente. Con estos valores obtenidos podemos concluir que es un método que nos brindará una buena correlación y predicción de los parámetros estudiados. Cabe destacar que este estudio sigue con la campaña 2023-2024 y se espera tener mejores resultados con el aumento del número de muestras para mejorar el modelo predictivo.
Fil: Farco, Andrea Paola. 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: Benitez, Elisa Ines. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química. Laboratorio de Química Teórica y Experimental; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Maiocchi, Marcos Gabriel. 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
I° Congreso Iberoamericano de Alimentos 4.0: Aplicaciones en Agroindustria y Gastronomía
Concordia
Argentina
Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Alimentación
description Una tendencia actual para el control de calidad en alimentos es el uso de tecnologías no destructivas y no contaminantes, la espectroscopia de infrarrojo cercano por transformada de Fourier (FT-NIR) es una de ellas. Este método permite obtener en forma simultanea varios datos predictivos de comportamiento culinario de una muestra de arroz (Oriza sativa),previa calibración del equipo con resultados analíticos experimentales, técnicas que consisten en la cuantificación de los cambios por acción del calor y la incorporación de agua o un álcali. El objetivo del presente trabajo consiste en validar un modelo predictivo para determinar las características culinarias de variedades de arroz a partir de espectros de FT-NIR. Se utilizaron 46 muestras de arroz pulido proporcionadas por el Laboratorio de Calidad de Semillas y Granos del INTA EEA Corrientes de la campaña 2021-2022 (20 muestras) y campañas 2022-2023 (26 muestras), secados a 50°C hasta una humedad del 12%. Se separaron el 20% de las muestras para el proceso de verificación (9 muestras). Los parámetros de calidad culinaria se miden en términos del comportamiento del arroz luego de la cocción, considerando volumen de expansión, tiempo de cocción, absorción de agua,temperatura de gelatinización y peso de los mil granos. Las muestras fueron analizadas con un espectrofotómetro de infrarrojo cercano (Spectrum Two, Perkin Elmer), con un rango de longitud de 4000 a 10000 nm, utilizando el accesorio NIRA (Accesorio de Reflectancia)colocando 15 g de muestra en una caja de petri de 90 mm de diámetro. Se trabajó con el algoritmo PLS1, se efectuó la derivada primera, obteniendo los ajustes correspondientes para las cinco propiedades estudiadas, reportando % varianza (R2) y el error estándar de cálculo siguientes 98.21; 98.58; 97.52; 97.28; 98.90 y el error 0.03; 0.22; 0.62; 0.02; 0.11 respectivamente. Con estos valores obtenidos podemos concluir que es un método que nos brindará una buena correlación y predicción de los parámetros estudiados. Cabe destacar que este estudio sigue con la campaña 2023-2024 y se espera tener mejores resultados con el aumento del número de muestras para mejorar el modelo predictivo.
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Congreso
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/11336/275569
Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa; I° Congreso Iberoamericano de Alimentos 4.0: Aplicaciones en Agroindustria y Gastronomía; Concordia; Argentina; 2024; 173-173
978-950-698-594-3
CONICET Digital
CONICET
url http://hdl.handle.net/11336/275569
identifier_str_mv Desarrollo de un modelo predictivo mediante espectroscopia de infrarrojo cercano para la determinación de parámetros físicoquímicos en Oriza sativa; I° Congreso Iberoamericano de Alimentos 4.0: Aplicaciones en Agroindustria y Gastronomía; Concordia; Argentina; 2024; 173-173
978-950-698-594-3
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://cial4-0.com.ar/libro-de-resumenes/
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
dc.coverage.none.fl_str_mv Internacional
dc.publisher.none.fl_str_mv Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Alimentación
publisher.none.fl_str_mv Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Alimentación
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_ 1852335786805952512
score 12.952241

Publicaciones similares