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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/199490

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