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 continuação apresentamos os resultados da pesquisa para a cafeicultura colombiana:

Predição da origem regional do café colombiano usando a técnica de espectroscopia de infravermelho próximo - NIRS

Como Citar

Gómez, C. R., Ortiz, A., & Osorio, V. (2022). Predição da origem regional do café colombiano usando a técnica de espectroscopia de infravermelho próximo - NIRS. Cenicafé Journal, 73(2), e73205. https://doi.org/10.38141/10778/73205

PDF (Espanhol)

FLIP

Publicado: 31 Dezembro 2022

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

Palavras chave

Espectro

origen

regional

predicción

calibración

Cenicafé

Colombia

Spectrum

origin

regional

prediction

calibration

Cenicafé

Colombia

Espectro

origem

regional

previsão

calibração

Cenicafé

Colombia

##articleSummary.lastnum##

v. 73 n. 2 (2022): Cenicafé Journal

seção

Artigos

Termos de licença (See)

Este trabalho está licenciado sob uma licença 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

Resumo

A Colômbia é o terceiro maior país produtor de café e a primeira fonte de cafés suaves lavados do mundo, continuando a ser um player importante no mercado internacional. Embora o café colombiano tenha conseguido sua consolidação devido aos atributos de qualidade do grão, é necessário desenvolver ferramentas que apoiem objetivamente a identidade das diversas origens dentro do país, devido ao fato de que as condições ambientais mudam ao longo das zonas geográficas, gerando diferentes características de xícara em decorrência das particularidades de sua produção. Esta pesquisa avaliou a técnica NIRS para a predição da origem de amostras de café de amêndoa verde de oito departamentos produtores da Colômbia. Para desenvolver os modelos de calibração, o método estatístico discriminante utilizado foi RMS (Root Mean Square) X Residuality, usando o padrão Normal Variation Scatter (SVN) e correção Detrend com o tratamento matemático 2,4,4,1 (derivativa, gap e smooth ), para diminuir o ruído espectral gerado pelas características da amostra. Os resultados mostraram uma precisão de classificação média global de 92%, com destaque para os departamentos de Antioquia e Nariño, e a área de Sierra Nevada, com 98%, 99% e 97%, respectivamente. O modelo desenvolvido por áreas de produção (Zona Norte, Centro e Zona Sul) apresentou uma precisão média global de 89%. Os resultados da pesquisa confirmam que a técnica NIRS permite prever a origem regional do café colombiano.

Biografia do autor (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

Referências (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