Investigadores de Illinois desarrollan modelos de espectroscopia del infrarrojo cercano para analizar granos de maíz y biomasa
En la industria agrícola y alimentaria, determinar la composición química de las materias primas es importante para la eficacia de la producción, la aplicación y el precio. Las pruebas de laboratorio tradicionales son largas, complicadas y caras. Una nueva investigación de la Universidad de Illinois Urbana-Champaign demuestra que la espectroscopia del infrarrojo cercano (NIR) y el aprendizaje automático pueden proporcionar análisis de productos rápidos, precisos y rentables.
En dos estudios, los investigadores exploran el uso de la espectroscopia NIR para analizar las características de los granos de maíz y la biomasa del sorgo.
"La espectroscopia NIR tiene muchas ventajas sobre los métodos tradicionales. Es rápida, precisa y barata. A diferencia de los análisis de laboratorio, no requiere el uso de productos químicos, por lo que es más sostenible desde el punto de vista medioambiental. No destruye las muestras y puede analizar múltiples características al mismo tiempo. Una vez configurado el sistema, cualquiera puede manejarlo con una formación mínima", afirma Mohammed Kamruzzaman, profesor adjunto del Departamento de Ingeniería Agrícola y Biológica (ABE), que forma parte de la Facultad de Ciencias Agrícolas, del Consumo y Medioambientales y de la Facultad de Ingeniería Grainger de la U. de I. Es coautor de ambos trabajos.
En el primer estudio, los investigadores crearon un modelo global para el análisis del grano de maíz. El contenido de humedad y proteínas influye en el valor nutritivo, la eficacia de la transformación y el precio del maíz, por lo que la información es crucial para la industria de transformación del grano.
El NIR y otras técnicas espectroscópicas son métodos indirectos. Miden cómo un material absorbe o emite luz a diferentes longitudes de onda y, a continuación, construyen un espectro único que se traduce en características del producto con modelos de aprendizaje automático. Muchas instalaciones de procesado de alimentos y productos agrícolas ya disponen de equipos NIR, pero los modelos deben entrenarse para fines específicos.
"El maíz cultivado en distintos lugares varía en función del suelo, el entorno, la gestión y otros factores. Si se entrena el modelo con el maíz de un lugar, no será preciso en otro", explica Kamruzzaman.
Para resolver este problema y desarrollar un modelo aplicable en muchos lugares distintos, los investigadores recogieron muestras de maíz de siete países: Argentina, Brasil, India, Indonesia, Serbia, Túnez y Estados Unidos.
"Para analizar la humedad y la proteína en los granos de maíz, combinamos máquinas de gradient-boosting con regresión por mínimos cuadrados parciales. Se trata de un método novedoso que produce resultados precisos y fiables", explica Runyu Zheng, estudiante de doctorado en EBA y autor principal del primer estudio.
Aunque el modelo no es 100% global, ofrece una variabilidad considerable de los datos y funcionará en muchos lugares. En caso necesario, puede actualizarse con muestras adicionales de nuevos lugares, señaló Kamruzzaman.
En el segundo estudio, los investigadores se centraron en la biomasa del sorgo, que puede servir como materia prima renovable, rentable y de alto rendimiento para biocombustibles.
La conversión de la biomasa en biocombustibles depende de su composición química, por lo que un método rápido y eficaz de caracterización de la biomasa de sorgo podría ayudar a los sectores de los biocombustibles, la mejora genética y otras industrias relevantes, explicaron los investigadores.
Utilizando sorgo de la Granja de Energía de la Universidad de Illinois, pudieron predecir con precisión y fiabilidad la humedad, la ceniza, la lignina y otras características.
"Primero escaneamos las muestras y obtuvimos como resultado espectros NIR. Es como una huella dactilar exclusiva de las distintas composiciones químicas y propiedades estructurales. Después utilizamos la quimiometría -un enfoque matemático-estadístico- para desarrollar los modelos de predicción y las aplicaciones", explica Md Wadud Ahmed, estudiante de doctorado en EBA y autor principal del segundo artículo.
Aunque la espectroscopia NIR no es tan precisa como los análisis de laboratorio, es más que suficiente para fines prácticos y puede proporcionar métodos de cribado rápidos y eficaces para uso industrial, afirma Kamruzzaman.
"Una gran ventaja de esta tecnología es que no es necesario extraer y destruir los productos. Basta con tomar muestras para medirlas, escanearlas y devolverlas al flujo de producción. En algunos casos, incluso se pueden escanear las muestras directamente en la línea de producción. La espectroscopia NIR ofrece mucha flexibilidad para el uso industrial", concluye.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Runyu Zheng, Yuyao Jia, Chidanand Ullagaddi, Cody Allen, Kent Rausch, Vijay Singh, James C. Schnable, Mohammed Kamruzzaman; "Optimizing feature selection with gradient boosting machines in PLS regression for predicting moisture and protein in multi-country corn kernels via NIR spectroscopy"; Food Chemistry, Volume 456
Md Wadud Ahmed, Carlos A. Esquerre, Kristen Eilts, Dylan P. Allen, Scott M. McCoy, Sebastian Varela, Vijay Singh, Andrew D.B. Leakey, Mohammed Kamruzzaman; "Rapid and high-throughput determination of sorghum (Sorghum bicolor) biomass composition using near infrared spectroscopy and chemometrics"; Biomass and Bioenergy, Volume 186
Más noticias del departamento ciencias
Reciba la industria alimentaria y de bebidas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de la industria de alimentos y bebidas le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
