Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel
- Autores
- Fechner, Diana Corina; Varão Silva, Tiago; Nespeca, Maurilio; Lima Vieira, Alan; Gomes Neto, José; Santos Júnior, Dário; Pellerano, Roberto Gerardo; Ferreira, Edilene
- Año de publicación
- 2022
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La miel es un alimento natural valorado en todo el mundo por sus valores nutricionales y terapéuticos, por lo que su autenticación de acuerdo con el origen geográfico es una garantía de las propiedades genuinas de dicha miel. En este trabajo, se evaluó la espectroscopía de plasma inducida por láser asistida por descarga de chispas (LIBS-SD) para la certificación de origen geográfico de la miel. Se estudiaron 49 muestras compuestas de miel multifloral recolectadas de cuatro provincias de la región Nordeste de Argentina en los años 2015 y 2016: 11 muestras de Formosa (F), 10 de Chaco (CH), 14 de Corrientes (C) y 14 de Misiones (M). Los espectros se adquirieron en un sistema LIBS equipado con un láser Q-Switched Nd: YAG 1064 nm Big Sky Ultra 50, un haz de fibra óptica, y cuatro espectrómetros HR2000+, con una resolución óptica de 0,1 nm y un rango espectral de 200 nm a 630 nm. El pulso láser de 8 ns fue con energía de potencia máxima de 50 mJ. Todo el sistema está acoplado a un dispositivo de descarga de chispas (SD). Se midieron 25 réplicas por muestra y se eliminaron los espectros atípicos, luego los espectros restantes fueron evaluados por PCA, excluyéndose los que mostraban valores fuera de los límites de confianza (95%). Los espectros útiles de cada muestra se ajustaron a la línea de base, se normalizaron y se promediaron. Con los espectros promedio de cada muestra se realizaron preprocesamientos espectrales (centrado en la media, corrección de línea de base por filtro Whittaker, primera y segunda derivadas, suavizado Savitzky-Golay, corrección de dispersión multiplicativa, ponderación generalizada de mínimos cuadrados (GLSW), autoescalado) para los métodos de clasificación PLS-DA y SVM 3,4. La combinación de suavizado, GLSW y centrado en la media proporcionó el mayor número de clasificaciones correctas ambos métodos. Dado que el GLSW atenúa las variables espectrales que varían en la misma clase, las variables correlacionadas con las clases presentan mayor peso en el modelado. Por lo tanto, este preprocesamiento fue el más importante para proporcionar clasificaciones correctas. Además, el suavizado Savitzky-Golay redujo el ruido espectral, hizo que los picos de emisión fueran más definidos y aumentó el ajuste del modelo. PLS-DA y SVM pudieron clasificar los cuatro grupos de miel por provincia de origen: el modelo SVM (ν = 0.5, γ = 10-6) proporcionó el 100% de clasificación correcta para el conjunto de validación externa, y el modelo PLS-DA (9 LV) proporcionó el 94% de clasificación correcta. Por otra parte, se utilizó el método PLS-DA para la visualización e interpretación de la separación de los cuatro grupos de miel. Los resultados fueron concordantes con la composición elemental de las muestras obtenida por asignación de líneas de emisión espectral según la base de datos NIST LIBS.Las muestras de M mostraron el menor contenido de N, mientras que las de C y F mostraron el mayor contenido de este elemento, sugiriendo que la miel de C y F presenta un mayor contenido de proteína. Además, las muestras de C mostraron el mayor contenido de Ca, y un contenido medio de K y Fe. Las muestras de CH se distinguieron de las demás por sus niveles más altos de Cu y niveles promedio de Mn.Como conclusión, la autenticación del origen geográfico de la miel argentina se evaluó mediante LIBS-SD y herramientas quimiométricas. El preprocesamiento espectral apropiado proporcionó un modelo SVM capaz de clasificar la miel con precisión según sus regiones productoras, siendo el N el elemento más importante para la discriminación. Las contribuciones complementarias de Ca, K, Cu, Fe y Mn también fueron importantes para la discriminación geográfica de la miel. Teniendo en cuenta la posibilidad de medir N y la importancia de este elemento para la discriminación geográfica de la miel, los métodos propuestos colocan a LIBS en una posición destacada en comparación con las técnicas atómicas convencionales, proporcionando además un análisis rápido, limpio y directo, con un dispositivo de bajo costo para el control de la calidad de los alimentos.
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: Varão Silva, Tiago. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil
Fil: Nespeca, Maurilio. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil
Fil: Lima Vieira, Alan. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil
Fil: Gomes Neto, José. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil
Fil: Santos Júnior, Dário. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil
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: Ferreira, Edilene. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil
XI Congreso Argentino de Química Analítica
Corrientes
Argentina
Asociación Argentina de Químicos Analíticos
Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura - Materia
-
ALIMENTOS
CLASIFICACION - 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:11336/199490
Ver los metadatos del registro completo
id |
CONICETDig_81ccf5ae27e23ba68dccc040bdbc5d60 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/199490 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de mielFechner, Diana CorinaVarão Silva, TiagoNespeca, MaurilioLima Vieira, AlanGomes Neto, JoséSantos Júnior, DárioPellerano, Roberto GerardoFerreira, EdileneALIMENTOSCLASIFICACIONhttps://purl.org/becyt/ford/1.4https://purl.org/becyt/ford/1La miel es un alimento natural valorado en todo el mundo por sus valores nutricionales y terapéuticos, por lo que su autenticación de acuerdo con el origen geográfico es una garantía de las propiedades genuinas de dicha miel. En este trabajo, se evaluó la espectroscopía de plasma inducida por láser asistida por descarga de chispas (LIBS-SD) para la certificación de origen geográfico de la miel. Se estudiaron 49 muestras compuestas de miel multifloral recolectadas de cuatro provincias de la región Nordeste de Argentina en los años 2015 y 2016: 11 muestras de Formosa (F), 10 de Chaco (CH), 14 de Corrientes (C) y 14 de Misiones (M). Los espectros se adquirieron en un sistema LIBS equipado con un láser Q-Switched Nd: YAG 1064 nm Big Sky Ultra 50, un haz de fibra óptica, y cuatro espectrómetros HR2000+, con una resolución óptica de 0,1 nm y un rango espectral de 200 nm a 630 nm. El pulso láser de 8 ns fue con energía de potencia máxima de 50 mJ. Todo el sistema está acoplado a un dispositivo de descarga de chispas (SD). Se midieron 25 réplicas por muestra y se eliminaron los espectros atípicos, luego los espectros restantes fueron evaluados por PCA, excluyéndose los que mostraban valores fuera de los límites de confianza (95%). Los espectros útiles de cada muestra se ajustaron a la línea de base, se normalizaron y se promediaron. Con los espectros promedio de cada muestra se realizaron preprocesamientos espectrales (centrado en la media, corrección de línea de base por filtro Whittaker, primera y segunda derivadas, suavizado Savitzky-Golay, corrección de dispersión multiplicativa, ponderación generalizada de mínimos cuadrados (GLSW), autoescalado) para los métodos de clasificación PLS-DA y SVM 3,4. La combinación de suavizado, GLSW y centrado en la media proporcionó el mayor número de clasificaciones correctas ambos métodos. Dado que el GLSW atenúa las variables espectrales que varían en la misma clase, las variables correlacionadas con las clases presentan mayor peso en el modelado. Por lo tanto, este preprocesamiento fue el más importante para proporcionar clasificaciones correctas. Además, el suavizado Savitzky-Golay redujo el ruido espectral, hizo que los picos de emisión fueran más definidos y aumentó el ajuste del modelo. PLS-DA y SVM pudieron clasificar los cuatro grupos de miel por provincia de origen: el modelo SVM (ν = 0.5, γ = 10-6) proporcionó el 100% de clasificación correcta para el conjunto de validación externa, y el modelo PLS-DA (9 LV) proporcionó el 94% de clasificación correcta. Por otra parte, se utilizó el método PLS-DA para la visualización e interpretación de la separación de los cuatro grupos de miel. Los resultados fueron concordantes con la composición elemental de las muestras obtenida por asignación de líneas de emisión espectral según la base de datos NIST LIBS.Las muestras de M mostraron el menor contenido de N, mientras que las de C y F mostraron el mayor contenido de este elemento, sugiriendo que la miel de C y F presenta un mayor contenido de proteína. Además, las muestras de C mostraron el mayor contenido de Ca, y un contenido medio de K y Fe. Las muestras de CH se distinguieron de las demás por sus niveles más altos de Cu y niveles promedio de Mn.Como conclusión, la autenticación del origen geográfico de la miel argentina se evaluó mediante LIBS-SD y herramientas quimiométricas. El preprocesamiento espectral apropiado proporcionó un modelo SVM capaz de clasificar la miel con precisión según sus regiones productoras, siendo el N el elemento más importante para la discriminación. Las contribuciones complementarias de Ca, K, Cu, Fe y Mn también fueron importantes para la discriminación geográfica de la miel. Teniendo en cuenta la posibilidad de medir N y la importancia de este elemento para la discriminación geográfica de la miel, los métodos propuestos colocan a LIBS en una posición destacada en comparación con las técnicas atómicas convencionales, proporcionando además un análisis rápido, limpio y directo, con un dispositivo de bajo costo para el control de la calidad de los alimentos.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: Varão Silva, Tiago. Universidade Estadual Paulista Julio de Mesquita Filho; BrasilFil: Nespeca, Maurilio. Universidade Estadual Paulista Julio de Mesquita Filho; BrasilFil: Lima Vieira, Alan. Universidade Estadual Paulista Julio de Mesquita Filho; BrasilFil: Gomes Neto, José. Universidade Estadual Paulista Julio de Mesquita Filho; BrasilFil: Santos Júnior, Dário. Universidade Estadual Paulista Julio de Mesquita Filho; BrasilFil: 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: Ferreira, Edilene. Universidade Estadual Paulista Julio de Mesquita Filho; BrasilXI Congreso Argentino de Química AnalíticaCorrientesArgentinaAsociación Argentina de Químicos AnalíticosUniversidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y AgrimensuraUniversidad Nacional del Nordeste2022info: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/11336/199490Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel; XI Congreso Argentino de Química Analítica; Corrientes; Argentina; 2021; 42-42CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://www.aaqa.org.ar/web/congresos/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 Técnicas2025-09-29T10:04:26Zoai:ri.conicet.gov.ar:11336/199490instacron: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 10:04:26.963CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
title |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
spellingShingle |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel Fechner, Diana Corina ALIMENTOS CLASIFICACION |
title_short |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
title_full |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
title_fullStr |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
title_full_unstemmed |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
title_sort |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel |
dc.creator.none.fl_str_mv |
Fechner, Diana Corina Varão Silva, Tiago Nespeca, Maurilio Lima Vieira, Alan Gomes Neto, José Santos Júnior, Dário Pellerano, Roberto Gerardo Ferreira, Edilene |
author |
Fechner, Diana Corina |
author_facet |
Fechner, Diana Corina Varão Silva, Tiago Nespeca, Maurilio Lima Vieira, Alan Gomes Neto, José Santos Júnior, Dário Pellerano, Roberto Gerardo Ferreira, Edilene |
author_role |
author |
author2 |
Varão Silva, Tiago Nespeca, Maurilio Lima Vieira, Alan Gomes Neto, José Santos Júnior, Dário Pellerano, Roberto Gerardo Ferreira, Edilene |
author2_role |
author author author author author author author |
dc.subject.none.fl_str_mv |
ALIMENTOS CLASIFICACION |
topic |
ALIMENTOS CLASIFICACION |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.4 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
La miel es un alimento natural valorado en todo el mundo por sus valores nutricionales y terapéuticos, por lo que su autenticación de acuerdo con el origen geográfico es una garantía de las propiedades genuinas de dicha miel. En este trabajo, se evaluó la espectroscopía de plasma inducida por láser asistida por descarga de chispas (LIBS-SD) para la certificación de origen geográfico de la miel. Se estudiaron 49 muestras compuestas de miel multifloral recolectadas de cuatro provincias de la región Nordeste de Argentina en los años 2015 y 2016: 11 muestras de Formosa (F), 10 de Chaco (CH), 14 de Corrientes (C) y 14 de Misiones (M). Los espectros se adquirieron en un sistema LIBS equipado con un láser Q-Switched Nd: YAG 1064 nm Big Sky Ultra 50, un haz de fibra óptica, y cuatro espectrómetros HR2000+, con una resolución óptica de 0,1 nm y un rango espectral de 200 nm a 630 nm. El pulso láser de 8 ns fue con energía de potencia máxima de 50 mJ. Todo el sistema está acoplado a un dispositivo de descarga de chispas (SD). Se midieron 25 réplicas por muestra y se eliminaron los espectros atípicos, luego los espectros restantes fueron evaluados por PCA, excluyéndose los que mostraban valores fuera de los límites de confianza (95%). Los espectros útiles de cada muestra se ajustaron a la línea de base, se normalizaron y se promediaron. Con los espectros promedio de cada muestra se realizaron preprocesamientos espectrales (centrado en la media, corrección de línea de base por filtro Whittaker, primera y segunda derivadas, suavizado Savitzky-Golay, corrección de dispersión multiplicativa, ponderación generalizada de mínimos cuadrados (GLSW), autoescalado) para los métodos de clasificación PLS-DA y SVM 3,4. La combinación de suavizado, GLSW y centrado en la media proporcionó el mayor número de clasificaciones correctas ambos métodos. Dado que el GLSW atenúa las variables espectrales que varían en la misma clase, las variables correlacionadas con las clases presentan mayor peso en el modelado. Por lo tanto, este preprocesamiento fue el más importante para proporcionar clasificaciones correctas. Además, el suavizado Savitzky-Golay redujo el ruido espectral, hizo que los picos de emisión fueran más definidos y aumentó el ajuste del modelo. PLS-DA y SVM pudieron clasificar los cuatro grupos de miel por provincia de origen: el modelo SVM (ν = 0.5, γ = 10-6) proporcionó el 100% de clasificación correcta para el conjunto de validación externa, y el modelo PLS-DA (9 LV) proporcionó el 94% de clasificación correcta. Por otra parte, se utilizó el método PLS-DA para la visualización e interpretación de la separación de los cuatro grupos de miel. Los resultados fueron concordantes con la composición elemental de las muestras obtenida por asignación de líneas de emisión espectral según la base de datos NIST LIBS.Las muestras de M mostraron el menor contenido de N, mientras que las de C y F mostraron el mayor contenido de este elemento, sugiriendo que la miel de C y F presenta un mayor contenido de proteína. Además, las muestras de C mostraron el mayor contenido de Ca, y un contenido medio de K y Fe. Las muestras de CH se distinguieron de las demás por sus niveles más altos de Cu y niveles promedio de Mn.Como conclusión, la autenticación del origen geográfico de la miel argentina se evaluó mediante LIBS-SD y herramientas quimiométricas. El preprocesamiento espectral apropiado proporcionó un modelo SVM capaz de clasificar la miel con precisión según sus regiones productoras, siendo el N el elemento más importante para la discriminación. Las contribuciones complementarias de Ca, K, Cu, Fe y Mn también fueron importantes para la discriminación geográfica de la miel. Teniendo en cuenta la posibilidad de medir N y la importancia de este elemento para la discriminación geográfica de la miel, los métodos propuestos colocan a LIBS en una posición destacada en comparación con las técnicas atómicas convencionales, proporcionando además un análisis rápido, limpio y directo, con un dispositivo de bajo costo para el control de la calidad de los alimentos. 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: Varão Silva, Tiago. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil Fil: Nespeca, Maurilio. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil Fil: Lima Vieira, Alan. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil Fil: Gomes Neto, José. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil Fil: Santos Júnior, Dário. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil 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: Ferreira, Edilene. Universidade Estadual Paulista Julio de Mesquita Filho; Brasil XI Congreso Argentino de Química Analítica Corrientes Argentina Asociación Argentina de Químicos Analíticos Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura |
description |
La miel es un alimento natural valorado en todo el mundo por sus valores nutricionales y terapéuticos, por lo que su autenticación de acuerdo con el origen geográfico es una garantía de las propiedades genuinas de dicha miel. En este trabajo, se evaluó la espectroscopía de plasma inducida por láser asistida por descarga de chispas (LIBS-SD) para la certificación de origen geográfico de la miel. Se estudiaron 49 muestras compuestas de miel multifloral recolectadas de cuatro provincias de la región Nordeste de Argentina en los años 2015 y 2016: 11 muestras de Formosa (F), 10 de Chaco (CH), 14 de Corrientes (C) y 14 de Misiones (M). Los espectros se adquirieron en un sistema LIBS equipado con un láser Q-Switched Nd: YAG 1064 nm Big Sky Ultra 50, un haz de fibra óptica, y cuatro espectrómetros HR2000+, con una resolución óptica de 0,1 nm y un rango espectral de 200 nm a 630 nm. El pulso láser de 8 ns fue con energía de potencia máxima de 50 mJ. Todo el sistema está acoplado a un dispositivo de descarga de chispas (SD). Se midieron 25 réplicas por muestra y se eliminaron los espectros atípicos, luego los espectros restantes fueron evaluados por PCA, excluyéndose los que mostraban valores fuera de los límites de confianza (95%). Los espectros útiles de cada muestra se ajustaron a la línea de base, se normalizaron y se promediaron. Con los espectros promedio de cada muestra se realizaron preprocesamientos espectrales (centrado en la media, corrección de línea de base por filtro Whittaker, primera y segunda derivadas, suavizado Savitzky-Golay, corrección de dispersión multiplicativa, ponderación generalizada de mínimos cuadrados (GLSW), autoescalado) para los métodos de clasificación PLS-DA y SVM 3,4. La combinación de suavizado, GLSW y centrado en la media proporcionó el mayor número de clasificaciones correctas ambos métodos. Dado que el GLSW atenúa las variables espectrales que varían en la misma clase, las variables correlacionadas con las clases presentan mayor peso en el modelado. Por lo tanto, este preprocesamiento fue el más importante para proporcionar clasificaciones correctas. Además, el suavizado Savitzky-Golay redujo el ruido espectral, hizo que los picos de emisión fueran más definidos y aumentó el ajuste del modelo. PLS-DA y SVM pudieron clasificar los cuatro grupos de miel por provincia de origen: el modelo SVM (ν = 0.5, γ = 10-6) proporcionó el 100% de clasificación correcta para el conjunto de validación externa, y el modelo PLS-DA (9 LV) proporcionó el 94% de clasificación correcta. Por otra parte, se utilizó el método PLS-DA para la visualización e interpretación de la separación de los cuatro grupos de miel. Los resultados fueron concordantes con la composición elemental de las muestras obtenida por asignación de líneas de emisión espectral según la base de datos NIST LIBS.Las muestras de M mostraron el menor contenido de N, mientras que las de C y F mostraron el mayor contenido de este elemento, sugiriendo que la miel de C y F presenta un mayor contenido de proteína. Además, las muestras de C mostraron el mayor contenido de Ca, y un contenido medio de K y Fe. Las muestras de CH se distinguieron de las demás por sus niveles más altos de Cu y niveles promedio de Mn.Como conclusión, la autenticación del origen geográfico de la miel argentina se evaluó mediante LIBS-SD y herramientas quimiométricas. El preprocesamiento espectral apropiado proporcionó un modelo SVM capaz de clasificar la miel con precisión según sus regiones productoras, siendo el N el elemento más importante para la discriminación. Las contribuciones complementarias de Ca, K, Cu, Fe y Mn también fueron importantes para la discriminación geográfica de la miel. Teniendo en cuenta la posibilidad de medir N y la importancia de este elemento para la discriminación geográfica de la miel, los métodos propuestos colocan a LIBS en una posición destacada en comparación con las técnicas atómicas convencionales, proporcionando además un análisis rápido, limpio y directo, con un dispositivo de bajo costo para el control de la calidad de los alimentos. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022 |
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/11336/199490 Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel; XI Congreso Argentino de Química Analítica; Corrientes; Argentina; 2021; 42-42 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/199490 |
identifier_str_mv |
Espectroscopía de plasma inducido por láser para identificar el origen geográfico de miel; XI Congreso Argentino de Química Analítica; Corrientes; Argentina; 2021; 42-42 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://www.aaqa.org.ar/web/congresos/ |
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 del Nordeste |
publisher.none.fl_str_mv |
Universidad Nacional del Nordeste |
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_ |
1844613870899953664 |
score |
13.070432 |