tabla de contenido
mantente al día acerca de neospectra
Introducción
La leche es uno de los productos alimenticios más utilizados y sirve como materia prima para todos los productos lácteos. En consecuencia, la medición de los componentes de la leche se ha vuelto muy importante para la industria láctea. Los diferentes productos lácteos requieren proporciones variables de contenido de leche. Además, la medición regular de los componentes de la leche es esencial para controlar y mantener la calidad del producto.
Un análisis rápido y preciso en las diferentes etapas de la cadena de suministro de productos lácteos puede desempeñar un papel importante en la mejora de la eficiencia y la calidad de la leche y los productos lácteos desde la granja hasta la mesa. Esto requiere una herramienta confiable y fácil de usar que permita realizar este tipo de mediciones en varios lugares.
En esta nota de aplicación, demostramos la capacidad del espectrómetro NIR portátil NeoSpectra para proporcionar un análisis preciso del contenido de grasa, lactosa y proteínas de las muestras de leche con un rendimiento que se alinea con los estándares ICAR.
Visión general
Además de afectar al sector lácteo, el análisis de la leche desempeña un papel crucial en la industria lechera en general. La composición de la leche está estrechamente relacionada con la salud del animal y la calidad de su pienso. En consecuencia, estos análisis ofrecen información valiosa para optimizar la calidad de los piensos, tomar decisiones informadas y facilitar la detección y el tratamiento tempranos de las enfermedades en los animales.
En la actualidad, los métodos más precisos para el análisis de la leche implican una descomposición química lenta y destructiva, lo que requiere trabajo de laboratorio en lugar de aplicaciones sobre el terreno. Por lo general, los usuarios extraen muestras de varios lotes de leche y obtienen conclusiones promediadas para todos los lotes.
utilizado para el análisis in situ de la leche cruda.
El monitoreo de la salud animal y la calidad de los piensos mediante estos métodos resulta prohibitivamente caro e ineficiente. Como alternativa, existen sistemas FT-IR de sobremesa para llevar a cabo este trabajo, pero su coste y sus elevados requisitos de mantenimiento hacen que no sean adecuados para los análisis en las explotaciones.
Una solución sencilla consiste en el desarrollo de una herramienta portátil y asequible para medir rápidamente el contenido de leche. Esta herramienta debería permitir un análisis no destructivo sobre el terreno, preferiblemente en la línea de las estaciones de ordeño para aplicaciones de producción de leche.
Los avances en los espectrómetros miniaturizados de infrarrojo cercano (NIR) han llegado a una etapa en la que los dispositivos portátiles pueden ofrecer medios confiables y rentables para abordar estos desafíos. Esta nota de aplicación muestra el uso de los sensores espectrales NeoSpectra para el análisis de la leche sobre el terreno.
Cómo funciona NIR
La NIR es un método analítico secundario que se basa en los datos provenientes del laboratorio de referencia, los datos de referencia, para construir la regresión PLS con los espectros. Una vez calibrado, el modelo PLS permite predecir los componentes de la leche utilizando únicamente los espectros generados por el espectrómetro NIR. Luego, el instrumento puede obtener los resultados en segundos.
Diseño de experimentos
Con el fin de demostrar la capacidad del escáner NeoSpectra para predecir los componentes de grasa, proteína y lactosa de la leche cruda, se llevó a cabo la siguiente experimentación.
Conjuntos de muestras
Para emular situaciones de la vida real, las muestras utilizadas en el experimento deben tener en cuenta las diferentes variaciones posibles de las muestras de leche. Por lo tanto, se recolectaron muestras de leche cruda de diferentes granjas, donde cada muestra se recolectó de un animal diferente.
Métodos de referencia
Se realizaron pruebas químicas destructivas precisas en las muestras para registrar con precisión su contenido.
Calibración y validación
Para comparar de manera justa el rendimiento de los modelos, el 90% de las muestras se utilizaron para calibrar los modelos, mientras que el 10% de las muestras se utilizó como muestra invisible para probar la capacidad de predicción de los modelos.
Condiciones de medición
• Configuración: Reflexión difusa
• Rango espectral: 1350 — 250 nm
• Tiempo de escaneo: de 5s
• Resolución de 16 nm a λ = 1550 nm
• Tamaño del punto = 10 mm2
• Temperatura: Temperatura ambiente
• Promediando: Cada muestra se midió 3 veces con el escáner NeoSpectra y se promedió para el análisis.
Desarrollo del modelo de calibración
Se construyeron modelos de regresión de mínimos cuadrados parciales (PLS) para establecer una relación lineal entre los espectros y las mediciones del contenido de leche, determinadas mediante análisis químicos de laboratorio. El PLS se emplea para reducir los datos del espectro, que originalmente comprendían 257 variables (longitudes de onda), a un número limitado de variables latentes (L.V.). Esta reducción de la complejidad tiene como objetivo mejorar la interpretabilidad de los datos.
La selección de las variables latentes se basa en su correlación con las respuestas (contenido de leche en este contexto), priorizando aquellas con alta correlación.
Análisis de datos
Para evaluar el rendimiento del modelo de mínimos cuadrados parciales (PLS), se empleó una técnica de validación cruzada. Esto implicó calcular el error de predicción (la raíz cuadrática media de los errores de todas las muestras) y el coeficiente de determinación (R2CV) entre los contenidos pronosticados y los datos de referencia obtenidos del análisis químico. La técnica de validación cruzada implica dividir los datos en conjuntos de calibración y validación. El conjunto de calibración se utiliza para entrenar el modelo PLS, mientras que el conjunto de validación se reserva para evaluar el rendimiento del modelo.
En cada iteración, los conjuntos de validación y calibración se combinan y una nueva porción de datos se designa como conjunto de validación. A continuación, el proceso se repite, lo que implica el entrenamiento del modelo y la validación de los conjuntos actualizados. Este procedimiento iterativo continúa hasta que cada muestra se haya representado al menos una vez en el conjunto de validación, lo que proporciona una evaluación completa de las capacidades predictivas del modelo PLS.
Los resultados de la validación cruzada se muestran en la Figura 2.
Para cuantificar la precisión del modelo, las siguientes características estadísticas se resumen en:
• R2: Coeficiente de determinación. Cuanto más cerca de 1, mejor.
• RMS: Raíz cuadrática media del error. Cuanto más pequeño, mejor.
• SEP — Error estándar de predicción. Cuanto más pequeño, mejor.
• Sesgo — diferencia media entre los resultados de laboratorio y los valores previstos. Cuanto más cerca de 0, mejor.
Los hallazgos presentados en este estudio sugieren que el escáner NeoSpectra tiene el potencial de convertirse en la principal solución comercial para el análisis de la leche, alineándose con los estándares ICAR para aplicaciones en granjas. Al mismo tiempo, tiene la capacidad de democratizar la adopción del análisis de la leche en toda la cadena de suministro de leche. A diferencia de otras tecnologías tradicionales y emergentes para el análisis de la leche, NeoSpectra integra de manera única un conjunto de funciones que permiten un análisis de la leche rentable, rápido, generalizado, fácil de usar y preciso.
Conclusiones
El escáner NeoSpectra ha demostrado un rendimiento excelente en el análisis de la leche cruda, lo que permite realizar pruebas en el campo. Las muestras recolectadas directamente de la granja se pueden analizar rápidamente y los datos resultantes se pueden utilizar para adaptar y evaluar la salud de las vacas y la calidad de la leche. Toda la información se almacena de forma segura en la nube, lo que garantiza la accesibilidad desde cualquier parte del mundo. Esta capacidad es aplicable tanto a los pequeños agricultores como a las grandes corporaciones, y ofrece una solución versátil que se integra a la perfección en varias configuraciones agrícolas.
