Predicción del origen regional del café de Colombia a partir de la técnica de espectroscopia de infrarrojo cercano - NIRS

Claudia Rocío Gómez; Aristóteles Ortiz; Valentina Osorio

doi:10.38141/10778/73205

A continuación, encontrará publicados los resultados de investigación para la caficultura colombiana:

Predicción del origen regional del café de Colombia a partir de la técnica de espectroscopia de infrarrojo cercano - NIRS Regional origin prediction of colombian coffee from the near-infrared spectroscopy technique – NIRS

Cómo citar

Gómez, C. R., Ortiz, A., & Osorio, V. (2022). Predicción del origen regional del café de Colombia a partir de la técnica de espectroscopia de infrarrojo cercano - NIRS. Revista Cenicafé, 73(2), e73205. https://doi.org/10.38141/10778/73205

PDF

FLIP

Publicado: 31 Diciembre 2022

https://doi.org/10.38141/10778/73205

Palabras clave

Espectro

origen

regional

predicción

calibración

Cenicafé

Colombia

Spectrum

origin

regional

prediction

calibration

Cenicafé

Colombia

Espectro

origem

regional

previsão

calibração

Cenicafé

Colombia

Número

Vol. 73 Núm. 2 (2022): Revista Cenicafé

Sección

Artículos

Términos de licencia (Ver)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Claudia Rocío Gómez

Centro Nacional de Investigaciones de Café

https://orcid.org/0000-0002-0685-8337

Aristóteles Ortiz

Centro Nacional de Investigaciones de Café

https://orcid.org/0000-0002-3242-1948

Valentina Osorio

Centro Nacional de Investigaciones de Café

https://orcid.org/0000-0002-1166-0165

Resumen

Colombia es el tercer país productor de café y la primera fuente de cafés suaves lavados en el mundo, manteniéndose como un actor clave del mercado internacional. Aunque el café de Colombia ha logrado su consolidación por los atributos de calidad del grano, es necesario desarrollar herramientas que soporten de manera objetiva la identidad de los diversos orígenes al interior del país, debido a que las condiciones ambientales cambian a lo largo de las zonas geográficas, generando diferentes características de taza como resultado de las particularidades de su producción. Esta investigación evaluó la técnica NIRS para la predicción del origen de muestras de café almendra verde de ocho departamentos productores de Colombia. Para desarrollar los modelos de calibración, el método estadístico discriminante utilizado fue RMS (Root Mean Square) X Residualidad, utilizando la corrección Scatter Variación Normal estándar (SVN) y Detrend con el tratamiento matemático 2,4,4,1 (derivada, gap y smooth), para disminuir el ruido espectral generado por las características de la muestra. Los resultados evidenciaron un acierto medio global de clasificación del 92%, destacándose los departamentos de Antioquia y Nariño, y la zona de Sierra Nevada, con un 98%, 99% y 97%, respectivamente. El modelo desarrollado por zonas de producción (Zona Norte, Centro y Sur) presentó un acierto medio global de 89%. Los resultados de la investigación confirman que la técnica NIRS permite predecir el origen regional del café colombiano.

Biografía del autor/a (Ver)

Claudia Rocío Gómez, Centro Nacional de Investigaciones de Café

Asistente de Investigación, Disciplina de Calidad. Cenicafé

Aristóteles Ortiz, Centro Nacional de Investigaciones de Café

Investigador Científico I, Disciplina Fisiología Vegetal. Cenicafé

Valentina Osorio, Centro Nacional de Investigaciones de Café

Investigador Científico I, Disciplina de Calidad. Cenicafé

Referencias (Ver)

Alomar, D., & Fuchslocher, R. (1998). Fundamentos de la espectroscopia de reflectancia en el infrarojo cercano (NIRS) como método de análisis de forrajes. Agro sur, 26(1), 88–104. https://doi.org/10.4206/agrosur.1998.v26n1-11
Alonso-Salces, R. M., Serra, F., Reniero, F., & HÉberger, Ká. (2009). Botanical and geographical characterization of green coffee (Coffea arabica and Coffea canephora): Chemometric evaluation of phenolic and methylxanthine contents. Journal of Agricultural and Food Chemistry, 57(10), 4224–4235. https://doi.org/10.1021/jf8037117
Ariza-López, F. J., Rodríguez-Avi, J., & Alba-Fernández, V. (2018). Control estricto de matrices de confusión por medio de distribuciones multinomiales. GeoFocus. International Review of Geographical Information Science and Technology, 21, 215–226. https://doi.org/10.21138/GF.591
Arndt, M., Drees, A., Ahlers, C., & Fischer, M. (2020). Determination of the geographical origin of walnuts (juglans regia l.) using near-infrared spectroscopy and chemometrics. Foods, 9(12), 1860. https://doi.org/10.3390/foods9121860
Bertrand, D., & Dufour, E. (Eds.). (2005). La spectroscopie infrarouge et ses applications analytiques (2a ed.). Tec et Doc - Lavoisier.
Bolaños Alfaro, J. D. (2016). El método NIR combinado con el análisis quimiométrico PLS-da para determinar la adulteración del aceite de oliva con aceite de girasol. Pensamiento Actual, 16(26), 163. https://doi.org/10.15517/pa.v16i26.25764
Bona, E., Marquetti, I., Link, J. V., Makimori, G. Y. F., da Costa Arca, V., Guimarães Lemes, A. L., Ferreira, J. M. G., dos Santos Scholz, M. B., Valderrama, P., & Poppi, R. J. (2017). Support vector machines in tandem with infrared spectroscopy for geographical classification of green arabica coffee. LWT - Food Science and Technology, 76, 330–336. https://doi.org/10.1016/j.lwt.2016.04.048
Centro Nacional de Investigaciones de Café. (2019). Boletín agrometeorológico cafetero (Núm. 43). https://agroclima.cenicafe.org/web/guest/boletin-agrometeorologico
Chen, X., Wu, D., He, Y., & Liu, S. (2011). Nondestructive differentiation of panax species using visible and shortwave near-infrared spectroscopy. Food and Bioprocess Technology, 4(5), 753–761. https://doi.org/10.1007/s11947-009-0199-6
Chifarelli, V., Giménez, A. M., Nisgoski, S., & Moglia, J. G. (2017). Aplicación de la técnica NIRS (Espectroscopía de infrarrojo cercano) en la discriminación de la madera de Bulnesia sarmientoi. En A. M. Gimenez & J. G. Moglia (Eds.), Los bosques actuales del chaco semiárido argentino ecoanatomia y biodiversidad: Una mirada propositiva. (pp. 267–279). Universidad Nacional de Santiago del Estero. https://fcf.unse.edu.ar/archivos/publicaciones/libro-ecoanatomia/libro_Los-bosques-actuales-del-Chaco-semiarido-argentino-Ecoanatomia-y-biodiversidad-una-mirada-propositiva.pdf
Cozzolino, D. (2002). Uso de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS) en el análisis de alimentos para animales. Agrociencia, 6(2), 25–32. http://www.fagro.edu.uy/~agrociencia/VOL6/2/p25-32.pdf
Cozzolino, D., Fernández, E. G., Restaino, E. A., & La Manna, A. (2006). Determinación de la composición química de heno mediante la espectrofotometría en el infrarrojo cercano (NIRS). Revista Argentina de producción animal, 26(1), 203–209. http://www.ainfo.inia.uy/digital/bitstream/item/12191/1/4261-22466-1-PB.pdf
Deming, S. N., Michotte, Y., Massart, D. L., Kaufman, L., & Vandeginste, B. G. M. (1988). Chemometrics: A textbook. Elsevier Science.
García-Olmo, J. (2009). Clasificación y autentificación de canales de cerdo ibérico mediante espectroscopía en el infrarrojo cercano (NIRS) [Tesis de Doctorado, Universidad de Córdoba]. http://hdl.handle.net/10396/2340
Giraudo, A., Grassi, S., Savorani, F., Gavoci, G., Casiraghi, E., & Geobaldo, F. (2019). Determination of the geographical origin of green coffee beans using NIR spectroscopy and multivariate data analysis. Food Control, 99, 137–145. https://doi.org/10.1016/j.foodcont.2018.12.033
Mark, H. (2007). Data analysis: multilinear regression and principal component analysis. En D. A. Burns & E. W. Ciurczak (Eds.), Handbook of Near-Infrared Analysis (3a ed., pp. 151–188). CRC Press. https://doi.org/10.1201/9781420007374
Martens, H., & Næs, T. (1992). Multivariate Calibration. John Wiley & Sons.
Mongay Fernández, C. (2005). Quimiometría. Universitat de València.
Osborne, B. G., Fearn, T., & Hindle, P. H. (1993). Practical NIR spectroscopy with applications in food and beverage analysis (2nd ed). Longman Scientific & Technical?; Wiley.
Otto, M. (2017). Chemometrics: Statistics and computer application in4 analytical chemistry (3a ed.). Wiley-VCH Verlag.
Pérez-Marín, D., Garrido-Varo, A., & Guerrero, J. E. (2007). Non-linear regression methods in NIRS quantitative analysis. Talanta, 72(1), 28-42. https://doi.org/10.1016/j.talanta.2006.10.036
Prades, C., García-Olmo, J., Romero Prieto, T., García de Ceca, J. L., & López-Luque, R. (2013). Aplicación de la tecnología de espectroscopia de infrarrojo cercano (NIRS) a la clasificación por calidad del corcho en plancha. VI Congreso Forestal Español, 2–13. http://secforestales.org/publicaciones/index.php/congresos_forestales/article/view/14270
Ruiz-Aranibar, G. (2013). Análisis discriminante. Revista Varianza, 10(2), 1–10. http://www.revistasbolivianas.ciencia.bo/pdf/rv/n10/n10a02.pdf
Sánchez-Muñoz, J. M. (2016). Análisis de Calidad Cartográfica mediante el estudio de la Matriz de Confusión. Pensamiento matemático, 6(2), 9–26. https://dialnet.unirioja.es/servlet/articulo?codigo=5998855
Shenk, J. S., & Westerhaus, M. O. (1991). Populations Structuring of Near Infrared Spectra and Modified Partial Least Squares Regression. Crop Science, 31(6), 1548-1555. https://doi.org/10.2135/cropsci1991.0011183X003100060034x
Siregar, S. D., Rindang, A., & Ayu, P. C. (2020). Principle Component Analysis (PCA)—Classification of Arabica green bean coffee of North Sumatera Using FT–NIRS. IOP Conference Series: Earth and Environmental Science, 454(1), 012046. https://doi.org/10.1088/1755-1315/454/1/012046
Jiménez Torres, P. A. (2007). Identificación de harinas de yuca (Manihot esculenta Crantz) con alto contenido proteico mediante espectroscopia de infrarrojo cercano (NIRS) [Tesis de Maestría, Universidad Nacional de Colombia]. https://repositorio.unal.edu.co/handle/unal/2473
Vásquez, D. R., Abadía, B., & Arreaza, L. C. (2004). Aplicación de la Espectroscopía de Reflectancia en el Infrarrojo Cercano (NIRS) para la caracterización nutricional del pasto Guinea y del grano de maíz. Ciencia & Tecnología Agropecuaria, 5(1), 49–55. https://doi.org/10.21930/rcta.vol5_num1_art:24
Villegas, A. M., Pérez-Henao, C., Arana, V. A., Sandoval, T., Posada-Suárez, H. E., Garrido, A., Guerrero, J., Pérez-Marín, D., & García-Olmo, J. (2014). Identificación de origen y calibración para tres compuestos químicos en café, por espectroscopia de infrarrojo cercano. Revista Cenicafé, 65(1), 7–16. https://biblioteca.cenicafe.org/handle/10778/551
Williams, P., & Norris, K. H. (1987). Near-infrared technology in the agricultural and food industries. American Association of Cereal Chemists. https://doi.org/10.1002/food.19880320825
Williams, P. C., & Sobering, D. C. (1996). How Do We Do It: A Brief Summary of the Methods We Use in Developing near Infrared Calibration. In A. M. C. Davis & P. Williams (Eds.), Near Infrared Spectroscopy: The Future Waves (pp. 185–188). NIR Publications.
Xu, L., Cai, C.-B., She, Y.-B., & Chen, L.-J. (2015). Discriminating the Geographical Origins of Chinese White Lotus Seeds by Near-Infrared Spectroscopy and Chemometrics. Journal of Spectroscopy, 2015, e831246. https://doi.org/10.1155/2015/831246
Yang, B., Yao, L., & Pan, T. (2017). Near-Infrared Spectroscopy Combined with Partial Least Squares Discriminant Analysis Applied to Identification of Liquor Brands. Engineering, 9(2), 181–189. https://doi.org/10.4236/eng.2017.92009