Detección de almidón en leche en polvo basado en espectroscopia Raman y mínimos cuadrados parciales

José Blas-Matienzo

Resumen


Esta investigación tuvo como objetivo establecer un modelo matemático, haciendo uso de información espectral Raman y el algoritmo regresión de mínimos cuadrados parciales (PLS), para pronosticar el porcentaje de adulteración de la leche en polvo por almidón. El modelo de regresión obtenido puede ser usado para identificar muestras que presenten almidón en la leche en polvo en concentraciones en el rango del 5% al 40% (p/p). Se utilizó el método de la validación cruzada con la estrategia de dejar una muestra fuera. El intervalo que resultó optimo es el rango de numero de onda de 2170-2272 cm-1. El modelo de regresión lineal obtenido presenta coeficiente de correlación múltiple de 99,99%, valor mínimo de suma de cuadrados del error residual pronosticado (PRESS) de 237,4 y el valor del estadístico F (19210,29) nos permite establecer que si existe una relación lineal significativa entre las intensidades Raman y los valores de las concentraciones de almidón en la mezcla. El valor del nivel crítico p= 0,006 indica que, si existe una relación lineal significativa, y, por tanto, que el hiperplano definido por la ecuación de regresión ofrece un buen ajuste.


Texto completo:

PDF

Referencias


Borin, A.; Ferrao M.F.; Mello, C.; Maretto, D.A.; Poppi, R.J. 2006. Least-squares support vector machines and near infrarred spectroscopy for quantification of common adulterants in powdered milk. Analytica Chimica Acta 579(1): 25-32.

Escobar, A. 2014. Adulteraciones frecuentes en la leche y otros productos lácteos. CONtexto Ganadero. Disponible en:https://www.contextoganadero.com/blog/adulteraciones-frecuentes-en-la-leche-y-otros-productos-lacteos

De Almeyda, R.; De SC Oliveira, K.; Stephani, R.; Cappa de O. 2012. Application of FT-Raman Spectroscopy and Chemometric Analysis for determination of adulteration in milk powder. Analytical Letters 45: 2589-2602.

Deming, S.N. 1986. Chemometrics: an overview. Clinical Chemistry 32(9): 1702-1706.

Häggblom, K.E. 2018. Basics of Multivariate Modelling and Data Analysis. Disponible en:http://www.users.abo.fi/khaggblo/MMDA/MMDA6.pdf

Haalang, D.; Thomas, E. 1988. Partial Least-Squares Methods for Spectral Analysis 1. Relation to other Quantitative Calibration Methods and the Extraction of Qualitative Information. Analytical Chemistry 60(11): 1193-1202.

Iñon, F.A.; Garrigues, S.; De la Guardia, M. 2004. Nutritional parameters of commercially available milk samples by FTIR and chemometric techniques. Analytica Chimica Acta 513(2): 401-412

Marbach, R.; Heise, H. 1990. Calibration Modeling by Partial Least- Squares and Principal Component Regression and its Optimization Using an Improved Leverage Correction for Prediction Testing. Chemometrics and Intelling Laboratory Systems 9: 45-63.

McGoverin, C.; Clark, S.; Holroy, S.; Gordon K. 2010. Raman spectroscopy quantification of milk poder constituents. Analytica Chimica Acta 673: 26-32.

Moros, J.; Garrigues S.; De la Guardia, M. 2007. Evaluation of nutritional parameters in infant formulas and powered milk by Raman spectroscopy. Analytica Chimica Acta 593: 30-38.

Ni W.; Brown S.; Man R. Stacked Partial Least Squares Regression Analysis for Spectral Calibration and Prediction. Disponible en:www.interscience.wiley.com.

Norgaard, L.; Saudland, J.; Wagner, J.; Nielsen, J.; Munch L.; Engelsen S. 2000. Interval Partial Least Squares Regression (iPLS): A comparative Chemometric Study with an Example from Near –Infrared Spectroscopy. Applied Spectroscopy 54: 413-419.

Olieman, C.; Van Den Bedem, J. 1983. A sensitive HPLC method of detecting and estimating rennet whey total solids in skim milk powder. Neth. Milk Dairy J 37: 27-36.

Rafferty, D.; Koenig, J. 2002. FTIR imaging for the characterization of controlled-release drug delivery applications. J. Control Release 83: 29-39.

Ritz, M.; Vaculikova L.; Plevova E. 2011. Application of infrarred spectroscopy and chemometric methods for the identification of selected minerals. Acta Geomater 8: 47-58.

Svante, W. 1991. Chemometrics, Why and what and where to next. J. Pharm Biomed. Anal 9: 589-96.




DOI: http://dx.doi.org/10.17268/agroind.sci.2019.02.04

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)

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