Método basado en espectroscopía Raman y regresión de mínimos cuadrados parciales para predecir la autenticidad de miel de abeja

Autores/as

  • José Antonio Blas Matienzo Facultad de Ingeniería en Industrias Alimentarias, Universidad Nacional Agraria de la Selva. Carretera Central km. 1.21, Tingo María.

DOI:

https://doi.org/10.17268/agroind.sci.2021.02.05

Palabras clave:

adulteración, espectroscopía Raman, intervalo de mínimos cuadrados parciales, miel de abeja, regresión de mínimos cuadrados parciales

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 miel de abeja por jarabe de azúcar. El modelo de regresión obtenido puede ser usado para identificar muestras que presenten jarabe de azúcar en miel de abeja en concentraciones en el rango del 10% al 50% (v/v). 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 643 - 770 cm-1. El modelo de regresión lineal obtenido presenta coeficiente de correlación múltiple de 99,87%, valor mínimo de suma de cuadrados del error residual pronosticado (PRESS) de 551,26 y el valor del estadístico F, 43,65 nos permite establecer que si existe una relación lineal significativa entre las intensidades Raman y los valores de las concentraciones de jarabe de azúcar en la mezcla. El valor del nivel crítico p= 0,022 indica que, si existe una relación lineal significativa, y, por tanto, que el hiperplano definido por la ecuación de regresión ofrece un buen ajuste. Esta investigación reporta un nuevo método analítico para la determinación cuantitativa del porcentaje de pureza de la miel de abeja adulterado por jarabe de azúcar.

Citas

Amiry, S., Esmaiili, M., & Alizadeh, M. (2017). Classification of adulterated honey by multivariate analysis. Food Chem. 224(1), 390-397.

Chen, L., Xue, X., Ye, Z., Zhou, J., Chen, F., & Zhao, J. (2011). Determination of chinese honey adulterated with high fructose corn syrup by near infrared spectroscopy. Food Chem., 128, 1110-1114.

Crăciun, M., Pârvulescu O., Donise A., Dobre T., & Stanciu D. (2020). Characterization and classification of Romanian acacia honey based on its physicochemical parameters and chemometrics. Scientific Reports, 10, 20690.

Diaz-Forestier, J., Gomez, M., & Montenegro, G. (2008). Secreción de néctar de quillay. Una herramienta para una apicultura sustentable. Agronomía y Forestal, 35, 27-29.

Gaviria, C., Pérez, R., & Puerta M. (2016). Regresión por Mínimos Cuadrados Parciales con datos de intervalo. Revista de la Facultad de Ciencias, 5, 148-159.

Gautan, R., Vanga, S., Ariese, F., & Umapathy, S. (2015) Review of multidimensional data processing approaches for Raman and infrared spectroscopy. EPJ Tech. Instrum., 2, 8.

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

Haaland, D., & Thomas, E. (1988). Partial Least-Squares Methods for Spectral Analysis 1. Relation to other Quantitative Calibration Methods and the Extraction of Qualitative Information. Anal. Chem., 60, 1193-1202.

Ni, W., Brown, S., & Man, R. (2008). Stacked Partial Least Squares Regression Analysis for Spectral Calibration and Prediction. Journal of Chemometrics, 23(10), 505-517.

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.

Rafferty, D., & Koenig, J. (2002). FTIR imaging for the characteri-zation of controlled-release drug delivery applications. J. Control Release, 83, 29-39.

Riswahyuli, Y., Rohman, A., Setyabudi, F., & Raharjo S. (2020). Indonesian honey authenticity analysis using attenuated total reflectance-Fourier transform infrared (ATR-FTIR) spectroscopy combined with multivariate statistical techniques. Heliyon, 6(4), e03662.

Savitzky, A., & Golay, M. (1964) Smoothing and differentiation of data by simplified least squares procedures. Anal. Chem., 36, 1627-1639.

Se, K., Ghoshal, S., Wahab, R., Ibrahim, R., & Lani M. (2018). A simple approach for rapid detection and quantification of adulterants in stingless bees (Heterotrigona itama) honey. Food Res Int., 105, 453-460

Vasnic, V., Durdic, S., Tosti, T., Radoiciv, A., Lusic, D., Milojkovic-Opsenica, D., Tesic, Z., & Trifkovic, J. (2020). Two aspects of honeydew honey authenticity: Aplication of advance analytical method and chemometrics. Food Chem., 305(1), 125457.

Wang, Q., Zhao, H., Zhang, J., Cheng, N., & Cao, W. (2020). Method for identifying honey adulterated by resin absorption HPLC-ECD coupled with chemometrics. LWT, 118, 108863.

Descargas

Publicado

2021-08-25

Cómo citar

Blas Matienzo, J. A. . (2021). Método basado en espectroscopía Raman y regresión de mínimos cuadrados parciales para predecir la autenticidad de miel de abeja. Agroindustrial Science, 11(2), 169-173. https://doi.org/10.17268/agroind.sci.2021.02.05

Número

Sección

Artículos