Sobre la importancia de investigar la estructura de los datos en las mediciones miniaturizadas de espectroscopía NIR de los alimentos: el estudio de caso del azúcar

Resumen:

Además de las crecientes pruebas de eficacia de los instrumentos NIR miniaturizados en escenarios relacionados con la alimentación, está aumentando progresivamente el número de usuarios finales, incluso incentivado por el bajo costo de los sensores. Si bien se presta atención al protocolo analítico, desde el muestreo hasta la recopilación de datos y su procesamiento, en general se subestima la importancia de investigar los errores en los datos sin procesar. Comprender las fuentes y la estructura de la incertidumbre relacionada con los datos brutos mejora la calidad de las mediciones y sugiere la planificación correcta de los experimentos, además de ayudar a desarrollar un modelo quimiométrico. El objetivo del modelado quimiométrico es separar la información del ruido; por lo tanto, es necesaria una descripción de la naturaleza de la estructura de los errores de medición. Entre los diferentes enfoques, presentamos el estudio de las matrices de error y covarianza (ECM) y su descomposición en una estructura bilineal como un método poderoso para estudiar las principales fuentes de variabilidad cuando se utilizan sensores NIR miniaturizados en la forma actual de uso. Se eligieron muestras de azúcar granulada y en terrones como estudio de caso y se analizaron con dos espectrómetros miniaturizados que trabajaban en las regiones NIR alrededor de 1350-2550 nm y 900-1750 nm, respectivamente, en modo de reflectancia dispersiva. Los resultados muestran que tener algunos conocimientos sobre los errores de medición multivariantes asociados a los espectros podría ser interesante para allanar el camino para varias aplicaciones.