Construcción de modelos para la predicción no destructiva de Contenidos ingrediente de arándanos por espectroscopia de infrarrojo cercano en base a mediciones de HPLC

Infrarrojo cercano (NIR) se aplica ampliamente como una técnica no destructiva para analizar el contenido de frutas y verduras de diversos tipos. Analiza ^1,2 no destructiva mediante espectroscopia NIR que el envío de sólo deliciosas frutas y verduras con cualidades garantizados. espectroscopia NIR ya se ha aplicado a la naranja, la manzana, el melón, cereza, kiwi, mango, papaya, melocotón y así sucesivamente para conocer su Brix que corresponde al contenido total de azúcar, acidez, TSC (contenido total de sólidos), y así sucesivamente . Recientemente, se ha informado de la aplicación de la espectroscopia NIR para la evaluación de la calidad de los arándanos. ³ Hemos medido no sólo el contenido total de azúcar y el contenido de ácido orgánico total correspondiente a la acidez, sino también el contenido de antocianinas totales. La antocianina es un componente bioactivo, que se cree que mejora la salud humana. Es conveniente para los consumidores si pueden comprar deliciosos arándanos con una garantía de su contenido de azúcar, acidity, y el contenido de antocianinas.

En los espectros de absorción NIR de frutas y verduras, sólo se observan bandas de absorción anchas. Son principalmente las bandas debido a la fibra y la humedad. Aunque muchas bandas débiles debido a los diversos ingredientes de la diana no Destructed se observan al mismo tiempo, las bandas observadas no se pueden asignar a los modos de vibración específicas de los componentes específicos de la diana en la mayoría de los casos. Por lo tanto, la técnica tradicional para determinar el contenido de un componente específico usando la ley de la de Lambert-Beer no es eficaz para los espectros de NIR. En cambio, los modelos de calibración para predecir el contenido de los componentes de destino a partir de los espectros observados son construidos usando quimiometría mediante el examen de la correlación entre los espectros observados y los contenidos de los ingredientes correspondientes a los espectros de ^4,5. En este caso, un protocolo para construir y validar los modelos para la predicción del contenido total de azúcares, contenido total de ácido orgánico correspondiente a ACIDIdad, y el contenido total de antocianinas de arándanos de los espectros NIR se presenta.

La figura 1 muestra el diagrama de flujo general para la construcción de modelos de calibración fiables y sólidas. Se recogen muestras de número suficiente. Algunos de ellos se utilizan para la construcción de modelos, mientras que los otros se utilizan para la validación de los modelos construidos. Para cada una de las muestras recogidas, un espectro NIR se mide, y luego se analizan los componentes de destino cuantitativamente con los métodos tradicionales de análisis químicos destructivos. Aquí, la cromatografía líquida de alto rendimiento (HPLC) se utiliza para los análisis químicos de azúcares, ácidos orgánicos, y antocianinas. mínimos cuadrados parciales (PLS) de regresión se utiliza para la construcción de modelos de calibración donde los análisis se examina la correlación entre los espectros observados y los contenidos de ingrediente determinado por química. Con el fin de construir modelos robustos con la mejor capacidad de predicción, los pretratamientos de obserTambién se examinan los espectros ved y las regiones de longitud de onda utilizados para la predicción. Por último, los modelos construidos son validados para confirmar su capacidad de predicción suficiente. En la validación, el contenido predecirse a partir de la espectro observado por el modelo construido (valores predichos) se comparan con los contenidos determinados por los análisis químicos (valores observados). Si la correlación suficiente no se encuentra entre los valores predichos y observados, el modelo de calibración debe ser re-construye hasta que se obtiene la correlación suficiente. Aunque es preferible el uso de diferentes grupos de muestras para la construcción y validación de un modelo como se muestra en esta figura (validación externa), las muestras en un mismo grupo se utilizan tanto para la construcción y la validación (validación cruzada) cuando el número de las muestras no es lo suficientemente grande.

Figura 1. Diagrama de flujo para la construcción y validación del modelo de calibración. Los procedimientos rodeadas por líneas azules y verdes corresponden, respectivamente, a la construcción de un modelo de calibración y su validación. Haga clic aquí para ver una versión más grande de esta figura.