Espectroscopia en el infrarrojo cercano (NIRS) como herramienta para el control de calidad y trazabilidad de la carne de tenca (Tinca tinca)
Metadatos
Mostrar el registro completo del ítemAutor
Ortiz, Alberto; Fallola, César; Labrador, Juana; Martín-Gallardo, José; Rodríguez, Pedro; Trenzado Romero, Cristina Elena; Pérez Jiménez, Amalia; García-Torres, Susana; Tejerina, DavidEditorial
Asociación Interprofesional para el Desarrollo Agrario (AIDA)
Materia
NIRS PLS-DA PLSR
Fecha
2024Referencia bibliográfica
Ortiz A., Fallola C., Labrador J., Martín‑Gallardo J., Rodríguez P., Trenzado C., Pérez‑Jiménez A., García‑Torres S., Tejerina D. (2024). Espectroscopia en el infrarrojo cercano (NIRS) como herramienta para el control de calidad y trazabilidad de la carne de tenca (Tinca tinca). ITEA‑Información Técnica Económica Agraria 120(1): 13-29. https://doi.org/10.12706/itea.2023.014
Patrocinador
Programa PLEAMAR de la Fundación Biodiversidad “Gestión Sostenible de la Acuicultura Ecológica: Optimización de las estrategias de alimentación en la producción ecológica de ten caResumen
La composición nutricional de la dieta afecta directamente a la calidad final de la carne de tenca (Tinca
tinca L.). Así, en los últimos años se ha apostado por sustituir el componente proteico de los piensos por
alternativas vegetales más sostenibles. El diseño experimental del cual deriva este estudio consistió en
sustituciones de harina de pescado ecológica por diferentes porcentajes de harina de soja ecológica y
harina de soja pregerminada. Por tanto, el objetivo fue evaluar la capacidad de la tecnología espectroscópica
de reflectancia en el infrarrojo cercano (NIRS) por reflectancia para la clasificación de la carne
de tenca de acuerdo al tipo de dieta empleada y la cuantificación de los principales parámetros nutricionales.
Se utilizaron diferentes pre-tratamientos espectrales previo a las regresiones por mínimos cuadrados
parciales para predicciones cualitativas (PLS-DA) y cuantitativas (PLSR). El mejor modelo PLS-DA
mostró una precisión para la clasificación del 97,5 % en validación cruzada; mientras que el mejor modelo
PLSR mostró una buena capacidad predictiva para la materia seca (g/100 g), grasa (g/100 g Materia
seca), y γ-tocoferol (mg/g materia seca) (0,689 ≤ R2vc ≤ 0,804), sugiriendo la posibilidad de realizar
un control rápido e in situ de la trazabilidad y calidad de la carne de tenca mediante la tecnología NIRS.