Inicio
logo

    Bienvenidos al Portal de Publicaciones de la Federación Nacional de Cafeteros de Colombia.

  1. Inicio
  2. Informe del Gerente General FNC
  3. Informe de Gestión FNC
  4. Informe Anual Cenicafé
  5. Anuario Meteorológico Cafetero
  6. Avances Técnicos Cenicafé
  7. Boletín Agrometeorológico Cafetero
  8. Boletín Cafetero
  9. Boletín de Extensión FNC
  10. Boletín Estado Fitosanitario
  11. Boletín Técnico Cenicafé
  12. Brocartas
  13. Café al Día Podcast
  14. Calendario de Floración
  15. Colección Libros 80 años
  16. Colección Libros 85 años
  17. Comportamiento de la Industria
  18. Las Aventuras del Profesor Yarumo
  19. Libros Proyecto Manos al Agua
  20. Libros y Manuales
  21. Memorias de la Cumbre de Café
  22. Memorias Seminario Científico
  23. Normas Técnicas del Sector Cafetero
  24. Patentes Cenicafé
  25. Publicaciones Científicas Externas
  26. Revista Cafetera de Colombia
  27. Revista Cenicafé
  28. Revista Ensayos sobre Economía
  29. Software Cenicafé
  30. Tips del Profesor Yarumo
  31. Volantes

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

DOI
https://doi.org/10.38141/10778/73205
Dimensions
PlumX
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)
Creative Commons License

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)

  1. 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
  2. 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
  3. 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
  4. 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
  5. Bertrand, D., & Dufour, E. (Eds.). (2005). La spectroscopie infrarouge et ses applications analytiques (2a ed.). Tec et Doc - Lavoisier.
  6. 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
  7. 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
  8. Centro Nacional de Investigaciones de Café. (2019). Boletín agrometeorológico cafetero (Núm. 43). https://agroclima.cenicafe.org/web/guest/boletin-agrometeorologico
  9. 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
  10. 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
  11. 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
  12. 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
  13. Deming, S. N., Michotte, Y., Massart, D. L., Kaufman, L., & Vandeginste, B. G. M. (1988). Chemometrics: A textbook. Elsevier Science.
  14. 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
  15. 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
  16. 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
  17. Martens, H., & Næs, T. (1992). Multivariate Calibration. John Wiley & Sons.
  18. Mongay Fernández, C. (2005). Quimiometría. Universitat de València.
  19. 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.
  20. Otto, M. (2017). Chemometrics: Statistics and computer application in4 analytical chemistry (3a ed.). Wiley-VCH Verlag.
  21. 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
  22. 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
  23. Ruiz-Aranibar, G. (2013). Análisis discriminante. Revista Varianza, 10(2), 1–10. http://www.revistasbolivianas.ciencia.bo/pdf/rv/n10/n10a02.pdf
  24. 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
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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
  30. 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
  31. 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.
  32. 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
  33. 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

Artículos más leídos del mismo autor/a

1 2 > >> 

Palabras clave

Indexada en

Crossref Member Badge
ouriginal
ouriginal
 

Información