Madurez de uva (Vitis vinifera) negra criolla, moscatel y quebranta: Análisis del color de bayas sobre el contenido de azúcar y acidez total

Ciro Suca-Colana, Romualdo Vilca-Curo, Mario Cotacallapa-Sucapuca

Resumen


Se evaluaron la maduración de uva en variedades negra criolla, moscatel y quebranta, a través del color en bayas, relacionado con su contenido de azúcar y acidez total. El color se obtuvo a través de imagen digital, usando cámara fotográfico de 21 megapíxeles a iluminación natural y fondo blanco; posteriormente analizados por valores numéricos RGB (rojo, verde y azul) utilizando software  Imagej; variación de distancia con ecuación euclidiana a partir de valores RGB, HSL (tono, saturación y luminosidad), HSV (tono, saturación y valor) y L*a*b* (luminosidad de negro y blanco, rojo a verde, gradiente de azul). El azúcar se evaluó con refractómetro Abbe R12 en grados Brix. La Acidez total valorado con hidróxido de sodio 0.1 N hasta pH 7. Los datos se verificaron por análisis de regresión. Las variedades negra criolla y moscatel tuvieron relación directa con el contenido de azúcar y acidez total, más no la variedad quebranta. La coloración progresiva de uvas de color durante el proceso de maduración, predicen el contenido de azúcar y acidez total, por lo que la generación de un abanico de colores es útil para la deducción del estado de madurez de la uva.


Texto completo:

PDF HTML

Referencias


Abderrahim, M.; Arribas, S.M.; Condezo-Hoyos, L. 2016. A novel high-throughput image based rapid Folin-Ciocalteau assay for assessment of reducing capacity in foods. Talanta 152: 82-89.

A.O.A.C. 1980. Official methods of Analysis. Association of official Analytycal Chemists. 16 th Edition. Washington D.C., USA.

Avila, F.; Mora, M.; Oyarce, M.; Zuñiga, A.; Fredes, C. 2015. A method to construct fruit maturity color scales based on support machines for regression: Application to Olives and Grape sedds. Journal of Food Engineering 162: 9-17.

Baudrit, C.; Perrot, N.; Brousset, J.M.; Abbla, P.; Guillemin, H.; Perret, B.; ... y Picque, D. 2015. A decision support system cuopling fuzzy logic and probabilistic graphical approaches for the afri-food industry: prediction of grape berry maturity. PloS one 10(7): e0134373.

Cabello-Pasini, A.; Macias-Carranza, V.; Mejía-Trejo, A. 2017. Efecto del mesoclima en la maduración de uva nebbiolo (Vitis vinifera) en el valle de guadalupe, baja california, méxico. Agrociencia 51(6): 617-633.

CTVV. 2010. Muestreos de Madurez. Programa Territorial Integrado, Vinos de Chile. Disponible en:http://ctvv.utalca.cl/medios/ctvv/InformacionTecnica/Publicaciones/Muestreo_de_madurez.pdf

Cuevas, E.; Zaldivar, D.; Perez, M. 2010. Procesamiento Digital de Imagenes usando MATLAB y Simulink. Editorial Alfa y Omega. México. 816 pp.

Garde-Cerdán, T.; Gutiérrez-Gamboa, G.; Fernández-Novales, J.; Pérez-Álvarez, E.P.; Diago, M.P. 2018. Towards the definition of optimal grape harvest time in Grenache grapevines: Nitrogenous maturity. Scientia Horticulturae, 239: 9-16.

Garcia, J. 1990. Tecnicas Analiticas para Vinos. 1ra edición. Publicado por GAB. Barcelona, España. 19 pp.

González-Neves, G.; Favre, G.; Piccardo, D.; Ferrer, M.; Echeverría, G. 2015. Efecto de técnicas alternativas de maceración sobre el color y composición de vinos tintos de seis variedades de uva. Agrociencia Uruguay 19(1): 57-68.

Igarza, D. 2014. Uso de técnicas de imagen en el contro de procesos de elaboración del vino. Proyecto fin de grado. Universidad Politécnica de Valencia. Valencia, España. 34 pp.

Medina, W.; Skurtys, O.; Aguilera, J.M. 2010. Study on image analysis application for identification quinoa seeds (Chenopodium quinoa willd) geographical provenance. LWT - Food Science and Technology 43: 238-246.

Meléndez, E.; Ortiz, M.C.; Sarabia, L.A.; Íñiguez, M.; Puras, P. 2013. Modelling phenolic and technological maturities of grapes by means of the multivariate relation between organoleptic and physicochemical properties. Analytica Chimica Acta 761: 53-61.

Pedreschi, F.; Mery, D.; Mendoza, F.; Aguilera, J. 2004. Characterisation of potato chips using patter recognition. Journal of Food Science 69(6): 264-270.

Pessenti, I.L.; Ayub, R.A.; Botelho, R.V. 2019. Defoliation, application of S-ABA and vegetal extracts on the quality of grape and wine Malbec cultivar. Brazilian fruit journal 41(3): e-018.

Sánchez, D. 2014. Análisis del sofware ImageJ para el análisis científico de imágenes. Proyecto fin de grado. Universidad Politécnica de Madrid, Madrid. España. 195 pp.

Sands, S. 2007. The Nomenclature of Color. Just Paint Published by Golden Artist Colors, Inc. Disponible en: https://www.justpaint.org/the-nomenclature-of-color/

Shahab, M.; Roberto, S.; Ahmed, S.; Colombo, R.; Silvestre, J.; Koyama, R.; Teodoro de Souza, R. 2020. Relationship between anthocyanins and skin color of table grapes treated with abscisic acid at different stages of berry ripening. Scientia Horticulturae 259: 108859.

SENAMHI. 2017. Servicio Nacional de Meteorología e Hidrología del Perú. Disponible en: https://www.senamhi.gob.pe/

Wang, L.; Zhoua, Y.; Duana, B; Jiang, Y.; Xi, Z. 2019. Relationship between seed content and berry ripening of wine grape (Vitis vinifera L.). Scientia Horticulturae 243: 1-11.

Yamamoto, L.Y.; Koyama, R.; Marinho de Assis, A.; Silva, B.W.; Rodrigues de Oliveira, I.; Roberto, S.R. 2015. Color of berry and juice of 'Isabel' grape treated with abscisic acid in different ripening stages. Agropecuária Brasileira 50(12): 1160-1167.

Zoffoli, J.; Latorre, B. 2011. Table grape (Vitis vinifera L.). Postharvest biology and technology of tropical and subtropica fruits. Pontificia Universidad Católica de Chile. Chile. Pp. 179-214e.

Zuñiga, A.; Mora, M.; Oyarce, M.; Fredes, C. 2014. Grape maturity estimation based on seed images and neural networks. Journal Engineering Applications of Artificial Intelligence 35: 95-104.

Scavroni, J.; Ferreira, L.C.; Ferrarese, M.; Ono, E.O.; Rodrigues, J.D. 2018. Ethephon and calcium chloride, a combination that improves skin color of ‘rubi’ table grape. Revista Brasileira de Fruticultura 40(1): e-777.




DOI: http://dx.doi.org/10.17268/agroind.sci.2019.02.01

Enlaces refback

  • No hay ningún enlace refback.


Indizada o resumida en:

  

 

      
  

 

 

 

 

 

   

 

Licencia de Creative Commons

Agroindustrial Science by Universidad Nacional de Trujillo is licensed under a Creative Commons Reconocimiento-NoComercial 3.0 Unported License.

ISSN: 2226-2989 (electrónico); DOI: 10.17268/agroind.sci

Dirección: Av Juan Pablo II s/n. Ciudad Universitaria. Facultad de Ciencias Agropecuarias. Universidad Nacional de Trujillo. Trujillo, Perú.
Contacto: agroind.science@unitru.edu.pe