Evaluación de sólidos solubles totales por métodos - Platina

Evaluación de sólidos solubles totales por métodos no destructivos
para la homogenización de muestras en uva de mesa
bleh
Mariangel Torrealba1, Pablo Muñoz-Robredo2, Jorge Saavedra3, Bruno G. Defilippi2
1
Facultad de Agronomía e Ingeniería Forestal, Pontificia Universidad Católica de Chile
de Investigaciones Agropecuarias, CRI-La Platina, Unidad de Postcosecha. Santiago
3 Pontificia Universidad Católica de Valparaíso
Email: bdefilip@inia.cl
www.inia.cl/postcosecha
2Instituto
Resumen
La uva de mesa (Vitis vinifera) durante su desarrollo presenta una alta heterogeneidad en variables de desarrollo tales como sólidos solubles totales (SST), firmeza de baya y color de
baya, entre otras, no sólo a nivel de huerto sino incluso dentro de las bayas que componen un racimo. Esta heterogeneidad puede ser indeseable en el momento de toma de decisiones
de campo, o en estudios en los cuales una alta variabilidad de la muestra incide en la calidad del resultado. Por lo tanto, el objetivo de este trabajo fue evaluar métodos no invasivos
que permitiesen clasificar y/o uniformar las muestras con el fin de minimizar variables que afecten una medición. Se utilizó para ello, un método en el cual se aprovechan las
variaciones en densidad de baya a lo largo del desarrollo de bayas. Para el ensayo se utilizó la variedad Red Globe, sobre la cual se realizaron mediciones de SST y de flotabilidad en
soluciones salinas de NaCl (diferenciadas en concentraciones de múltiplos 10 mg/mL), a partir de estados tempranos de desarrollo (4 % SST) hasta estados avanzados de madurez (26
% SST). Se obtuvo un modelo lineal que explica en más de un 95% de certeza la correlación entre flotabilidad y contenido de SST. Adicionalmente, se ajustó un modelo de Regresión
Multivariante considerando espectros NIR como variables independientes para la predicción de SST, logrando un R2Y=82.3% de varianza explicada, valor el cual mejora al aplicar
modelos estadísticos de pre tratamiento de espectros de mayor complejidad (R2Y sobre 96% usando algoritmos Savitzky-Golay [S-G] y Orthogonal Signal Correction) [OSC]). En ambos
casos se obtuvo un modelo que permite predecir el nivel de TSS sin tener que intervenir la baya como se realiza tradicionalmente con un refractómetro. Este estudio demostró que la
medición de densidad de baya por flotabilidad es un buen método para homogenizar muestras bajo un mismo nivel de SST, en cambio la utilización de NIR pese a presentar una
correlación aceptable requiere de un modelo no continuo de linealización para alcanzar similares niveles de aproximación.
Metodología
2) NIR: Se analizó la correlación entre cada una de las frecuencias de medición
de NIR y los sólidos solubles totales, donde la mejor relación se logró mediante
una linealización usando un modelo de doble inverso con una R-cuadrada de
49,1% (Figura 4)
1,8
1,6
1,4
Transmitancia
Red Globe
1,2
1
0,8
0,6
0,4
1057,7 nm
0,2
Sólidos solubles totales
Densidad de Bayas
NIR
0
910
960 1010 1060 1110 1160 1210 1260 1310 1360 1410 1460 1510 1560 1610 1660 1710 1760
Longitud de onda (nm)
Figura 4. Barrido de datos de NIR para distintas longitudes de ondas
Resultados
1) Densidad de Baya: Se midieron 1880 bayas con rango desde 3,4 a 26,2%
de SST donde su distribución se ajustó a una curva normal (Figuras 1 y 2)
Bajo la aplicación de un modelo de regresión multivariable entre las distintas
longitudes medidas por el NIR y los SST se consigue un modelo con un 82,3 % de
ianza explicada (Figura 5).
varianza
Mayor densidad de baya
Figura 1. Ejemplo de ordenamiento obtenido
por método de densidad de baya
Figura 2. Distribución de datos medidos de
sólidos solubles
En el caso de la relación SST v/s densidad de baya, se encontró una relación donde
el modelo lineal es el que presenta el valor más alto de correlación con un 95,88%
(Figura 3)
Figura 5. Esquema en 3-D de análisis multivariado
Se aplicaron filtros de pre tratamiento en busca de maximizar la correlación den
dentro del
modelo multivariado obteniéndose una correlación de R-cuadrada sobre 0,99 (Figura 6).
4
R-cuadrada
Offset
RMSE
0,9977988
-1,1864e-07
0,0469045
3
2
Valor Observado
1
0
-4
-3
-2
-1
0
1
2
3
4
-1
-2
-3
-4
Valor Predicho
Figura 3.Dispersión de datos de sólidos solubles y densidad de baya y su correlación
con el modelo lineal simple
Figura 6. Valores predichos por el modelo de regresión multivariable con pre tratamientos de SG y OSC v/s valores medidos por el NIR.
Conclusiones
- Dentro de la caracterización se detectó que el método de densidad de baya presenta ventajas en cuanto al manejo de modelo matemático por sobre el uso de NIR en la
determinación de sólidos solubles, dado que no es necesario realizar una linealización de los datos para encontrar un modelo predictivo que permite con mas de 95% de certeza
justificar dicha relación.
- El uso de NIR requiriere no sólo de un modelo multivariado sino además de filtros de datos que permitan alcanzar similar nivel de correlación.
- Actualmente se está trabajando en evaluar el uso de ambas metodologías considerando distintas variedades de uva, y para NIR otros compuestos de interés que puedan ser
cuantificados.
Proyecto Innova 11CEII-9568