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

Below you will find published research results on Colombian coffee growing:

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

How to Cite

Gómez, C. R., Ortiz, A., & Osorio, V. (2022). Regional origin prediction of colombian coffee from the near-infrared spectroscopy technique – NIRS. Cenicafe Journal, 73(2), e73205. https://doi.org/10.38141/10778/73205

PDF (Spanish)

FLIP

Published: December 31, 2022

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

Keywords

Espectro

origen

regional

predicción

calibración

Cenicafé

Colombia

Spectrum

origin

regional

prediction

calibration

Cenicafé

Colombia

Espectro

origem

regional

previsão

calibração

Cenicafé

Colombia

Numero

Vol. 73 No. 2 (2022): Cenicafé Journal

Sectión

Articles

License terms (See)

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

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

Summary

Colombia is the third largest coffee-producing country and the first source of mild-washed coffees in the world, remaining a key player in the international market. Although Colombian coffee has achieved its consolidation due to the quality attributes of the bean, it is necessary to develop tools that objectively support the identity of the various origins within the country, because environmental conditions change throughout the geographic zones, generating different cup characteristics as a result of the particularities of its production. This research evaluated the NIRS technique for the prediction of the origin of green coffee samples from eight producing departments in Colombia. To develop the calibration models, the discriminant statistical method used was RMS (Root Mean Square) X Residuality, using the standard Normal Variation Scatter (SVN) and Detrend correction with the mathematical treatment 2,4,4,1 (derivative, gap, and smooth), to decrease the spectral noise generated by the sample characteristics. The results showed a global average classification accuracy of 92%, highlighting the departments of Antioquia and Nariño, and the Sierra Nevada area, with 98%, 99%, and 97%, respectively. The model developed by production areas (North, Central, and South Zone) presented a global mean accuracy of 89%. The research results confirm that the NIRS technique allows the prediction of the regional origin of Colombian coffee.

Author biography (See)

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

References (See)

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