Capacidad de predicción de la humedad por espectroscopía infrarroja por transformada de Fourier (FTIR) en harina de arveja (Pisum sativum L.) verde
No Thumbnail Available
Date
2023
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de Trujillo
Abstract
La harina de arveja (Pisum sativum L.) verde es un alimento importante en nuestro país, por su aporte nutricional en proteínas, vitaminas y minerales. Sin embargo, es un producto que tiende a ganar o perder humedad con facilidad. Por lo cual es necesario realizar un monitoreo constante de su contenido de humedad para garantizar su calidad. Esto conlleva a encontrar método de análisis que sea rápido y confiable. Por lo tanto, la presente investigacion tuvo como objetivo evaluar la capacidad de predicción de la humedad por espectroscopia infrarrojo por transformada de Fourier (FTIR) en muestra de harina de arveja verde. Las muestras de harina de arveja verde se acondicionaron en recipientes herméticos con 5 diferentes humedades relativas: 0%, 33%, 55%, 76% y 86%. Se hizo 13 repeticiones por cada humedad relativa con 5 replicaciones de muestra de harina de arveja verde. Se obtuvo 325 espectros por FTIR (Thermo Scientific, Alemania), en un intervalo de longitud de onda entre 1000 y 4000 nm y se relacionaron con datos gravimétricos. Se aplicó la corrección de la línea base para que los espectros no presentaran valores negativos de absorbancia. Luego, se realizó una minería de datos para separar espectros atípicos de típicos mediante la distancia de Mahalanobis. En el modelo de Regresión de Mínimos Cuadrado Parciales (PLSR), se seleccionó 70% de datos de calibración y 30% de datos de validación externa. Se obtuvo mejor modelo con la primera derivada porque presentó el menor valor de error cuadrático medio y mayor coeficiente de determinación de validación cruzada (ECMCV < 0.314 y R2CV > 0.981) con una alta capacidad de predicción de humedad (RPD > 6.904) demostrando la validación y exactitud del modelo. Por consiguiente, se evaluó la capacidad de predicción de la humedad por espectroscopia infrarrojo por transformada de Fourier (FTIR) en harina de arveja verde.
Description
Green pea flour (Pisum sativum L.) is an important food in our country, due to its nutritional content in proteins, vitamins and minerals. However, it is a product that tends to gain or lose moisture easily. Therefore, it is necessary to constantly monitor its moisture content to guarantee its quality. This leads to finding an analysis method that is fast and reliable. Therefore, the present investigation aimed to evaluate the moisture prediction capacity by Fourier Transform Infrared Spectroscopy (FTIR) in green pea flour sample. The green pea flour samples were conditioned in hermetic containers with 5 different relative humidities: 0%, 33%, 55%, 76% and 86%. 13 repetitions were made for each relative humidity with 5 replications of the green pea flour sample. 325 spectra were obtained by FTIR (Thermo Scientific, Germany), in a wavelength range between 1000 and 4000 nm and related to gravimetric data. Baseline correction was applied so that the spectra did not present negative absorbance values. Then, data mining was performed to separate outliers from typical spectra using the Mahalanobis distance. In the Partial Least Square Regression (PLSR) model, 70% calibration data and 30% external validation data were selected. The best model was obtained with the first derivative because it presented the lowest mean square error value and the highest cross-validation coefficient of determination (ECMCV < 0.314 and R2CV > 0.981) with a high humidity prediction capacity (RPD > 6.904), demonstrating validation. and accuracy of the model. Therefore, the predictive ability of moisture by Fourier transform infrared (FTIR) spectroscopy in green pea flour was evaluated.
Keywords
FTIR, Pisum sativum L., Distancia de Mahalanobis, Regresión de Mínimo Cuadrados Parciales (PLSR), R2, RPD, ATR.