Desarrollar un modelo de predicción mediante Espectroscopia en Infrarrojo Cercano (NIRS) para la determinación de proteína cruda en subproductos de arroz (Oriza sativa)

Autores/as

  • Segundo José Zamora Huaman Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas, Facultad de Ingeniería Zootecnista Agronegocios y Biotecnología, Chachapoyas
  • Flor Lidomira Mejía Risco Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas, Facultad de Ingeniería Zootecnista Agronegocios y Biotecnología, Chachapoyas

DOI:

https://doi.org/10.25127/ucni.v2i1.449

Palabras clave:

NIRs, validación, predicción, salvado, proteína, arroz

Resumen

El objetivo de la investigación fue validar un modelo de predicción del contenido de proteína cruda en subproductos de arroz (Oriza sativa) usando espectroscopia en infrarrojo cercano (NIRS). Se utilizó dos subproductos, polvillo y arroz quebrado (nielen) de cuatro molinos piladores de arroz en la región Amazonas. Se recolecto 4 muestras en frascos de 50 ml de cada molino en el periodo de mayo - julio del 2018, contado con un total de 32 muestras, 16 de cada subproducto, luego fueron transportadas al laboratorio para sus respectivos análisis. Se realizo el análisis de proteína cruda mediante el equipo NIRS 2500XL en el rango de longitud de onda de 1100 – 2500 nm, asimismo de las mismas muestra se realizó el análisis de referencia mediante métodos tradicionales mediante la metodología de la AOAC (1990). Obtenidos estos valores, se evaluó en una tabla de Excel el 2coeficiente de determinación (R), Error estándar de predicción y el ajuste de bias. El polvillo de arroz y nielen 2reportaron un R de 0.93 y 0.62, y el ajuste de bias de -0.06 y -0.09 respectivamente. Se concluye que se puede predecir el nivel de proteína cruda en polvillo mediante NIRS.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

AOAC. (1990). AOAC: Official Methods of Analysis (Vol. 1).

Asekova, S., Han, S. I., Choi, H. J., Park, S. J., Shin, D. H., Kwon, C. H., … Lee, J.-D. (2016). Determination of forage quality by nearinfrared reflectance spectroscopy in soybean. Turkish Journal of Agriculture and Foresty , 40 , 45 - 52 . https://doi.org/10.3906/tar-1407-33

Bagchi, T. B., Sharma, S. G., & Chattopadhyay, K. (2015). Development of NIRS models to predict protein and amylose content of brown rice and proximate compositions of ri c e br an. Food Chemistry, 1-26. https://doi.org/10.1016/j.foodchem.2015.0 5.038

Bernal, W., Maicelo, J. L., & Yoplac, I. (2017). Bromatological characterization of nontraditional supplies for animal feed in the Amazonas region. Revista RICBA, 1(1), 2 7 - 3 2 . https://doi.org/10.25127/ricba.201701.003

Borjas, E. D. (2002). Establecimiento y validación de curvas de calibración NIRS para determinar la calidad química del jamón Virginia. Honduras.

Burns, D.A. y Ciurczak, E.W. (1992). Handbook of near infrared analysis. Burns, D. A. and Ciurczak, E.W. (eds.) Marcel Dekker, New York, NY, USA.

Cen, H. y He, Y. (2007). Theory and application of near infrared reflectance spectroscopy in determination of food quality. Trends in Food Science and Technology, 18, 72-83.

Cozzolino, D. (2002). Uso de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS) en el analisis de alimentos para animales. Agrociencia, VI, 25-32.

Galasso, H. L., Callier, M. D., Bastianelli, D., Blancheton, J. P., & Aliaume, C. (2017). The potential of near infrared spectroscopy (NIRS) to measure the chemical composition of aquaculture solid waste. Aquaculture, 476, 134 - 140. https://doi.org/10.1016/j.aquaculture.2017. 02.035

Goñas, K. (2017). Caracterización nutricional de once sub productos agroindustriales para la alimentación animal en la región Amazonas. Universidad Nacional Toribio Rodriguez de Mendoza de Amazonas.

Jiang, H., & Lu, J. (2018). Using an optimal CCP L S R - R B F N N m o d e l a n d N I R spectroscopy for the starch content determination in corn. Spectrochimica Acta - Part A: Molecular and Biomolecular S p e c t r o s c o p y , 1 9 6 , 1 3 1 - 1 4 0 . https://doi.org/10.1016/j.saa.2018.02.017

Juliano, B.O. (2003). Rice. Chemistry and quality. Manila, Philipines: Phil Rice. 480.

Kays, S. E., Barton, F. E., & Windham, W. R. (2000). Predicting protein content by near infrared reflectance spectroscopy in diverse cereal food products. Journal of Near Infrared S p e c t r o s c o p y , 8 ( 1 ) , 3 5 - 4 3 . https://doi.org/10.1255/jnirs.262

Magwaza, L. S., Messo Naidoo, S. I., Laurie, S. M., Laing, M. D., & Shimelis, H. (2016). Development of NIRS models for rapid quantification of protein content in sweetpotato [Ipomoea batatas (L.) LAM.]. LWT - Food Science and Technology, 72, 6 3 - 7 0 . https://doi.org/10.1016/j.lwt.2016.04.032

MINAGRI. (2017). Informe de Arroz. Direccion de Estudios Económicos e Información Agraria (Vol. 9).

Morgado, F. (2014). Ajuste de Modelos AUNIR en Equipos NIR Unity Scientific. Peguero, A. (2010). La espectroscopia NIR en la determinación de propiedades físicas y composición química de intermedios de producción y productos acabados. Universidad Autonoma de Barcelona.

Rivera, A. (2017). NIRS for analyzing animal nutrition food. Revista Ingenio UFPSO, (June), 199-211.

Ye, D., Sun, L., Zou, B., Zhang, Q., Tan, W., & Che, W. (2018). Non-destructive prediction of protein content in wheat using NIRS. Spectrochimica Acta - Part A: Molecular and Biomolecular Spectroscopy, 189, 463- 4 7 2 . https://doi.org/10.1016/j.saa.2017.08.055

Wehling, RL. 1998. Ba si c Princ ipl e s of spectroscopy. In Nielsen, S. Food analysis. 2 ed. Indiana US. RB. 630

Descargas

Publicado

2019-06-19

Cómo citar

Zamora Huaman, S. J., & Mejía Risco, F. L. (2019). Desarrollar un modelo de predicción mediante Espectroscopia en Infrarrojo Cercano (NIRS) para la determinación de proteína cruda en subproductos de arroz (Oriza sativa). Revista Científica UNTRM: Ciencias Naturales E Ingeniería, 2(1), 60–65. https://doi.org/10.25127/ucni.v2i1.449

Número

Vol. 2 Núm. 1 (2019)

Sección

Artículos

Licencia

LA REVISTA TIENE UNA POLÍTICA DE ACCESO ABIERTO, CONTANDO CON UNA LICENCIA CC (Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional). 

Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:

  1. Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons. Por tanto: 

    Usted es libre de:

    • Adaptar — remezclar, transformar y construir a partir del material.
    • La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia.

    Bajo los siguientes términos:

    • Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.

    • No Comercial — Usted no puede hacer uso del material con propósitos comerciales.

    • Compartir Igual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la lamisma licencia del original.

     
  2. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
  3. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).

Licencia Creative Commons
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional