Classification of Peruvian Flours via NIR Spectroscopy Combined with Chemometrics

• Autores: Martínez Julca, Milton, Nazario Naveda, Renny, Gallozzo Cárdenas, Moises, Rojas Flores, Segundo, Chinchay Espino, Hector, Alvarez Escobedo, Amilu, Murga Torres, Emzon Enrique
• Formato: artículo
• Fecha de Publicación: 2023
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: inglés
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/50391
• Enlace del recurso: https://hdl.handle.net/20.500.12759/50391; https://doi.org/10.3390/app132011534
• Nivel de acceso: acceso abierto
• Materia: PCA; NIR spectroscopy; Peruvian flours; Chemometrics; Maca

En la actualidad, los alimentos nutritivos tienen un gran impacto en las dietas saludables. En particular, la maca, la avena, las habas, la soja y el algarrobo se utilizan ampliamente de diferentes formas en la dieta diaria de muchas personas debido a sus componentes nutricionales. Sin embargo, muchos de estos alimentos comparten ciertas similitudes físicas con otros de menor calidad, lo que dificulta su identificación con certeza. Se han realizado pocos estudios para encontrar diferencias utilizando técnicas prácticas con una preparación mínima y en duraciones cortas. En este trabajo, se utilizó el análisis de componentes principales (PCA) y la espectroscopia de infrarrojo cercano (NIR) para clasificar y distinguir las muestras en función de sus propiedades químicas. Los datos espectrales se trataron previamente para resaltar aún más las diferencias entre las muestras determinadas mediante PCA. Los resultados indican que los datos espectrales brutos de todas las muestras tenían patrones similares y sus respectivos resultados del análisis de PCA no se pudieron utilizar para diferenciarlos. Sin embargo, los datos pretratados diferenciaron los alimentos en grupos separados según los gráficos de puntuación. La principal diferencia fue una banda de CO que correspondía a un modo de vibración a 4644 cm −1 asociado con el contenido de proteínas. El PCA combinado con el análisis espectral se puede utilizar para diferenciar y clasificar alimentos utilizando muestras pequeñas a través de las propiedades químicas de sus superficies. Este estudio aporta nuevos conocimientos para la identificación más precisa de los alimentos, incluso si están combinados.