Início
logo

    Seja bem-vindo ao Portal de Publicações da Federação Nacional de Cafeteiros da Colômbia

  1. Início
  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

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

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

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)

  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

Artigos mais lidos pelo mesmo(s) autor(es)

1 2 > >> 

Palavras-chave

Indexado em

Crossref Member Badge  
 
ouriginal
 
ouriginal
  

Informações