MEDICIÓN 37 en las almazaras, ya que estos parámetros definen la cantidad de aceite que puede extraerse del fruto. Hasta ahora, para analizar el rendimiento de las aceitunas, era necesario realizar una preparación consistente en molturar el fruto, tomar una muestra de la pasta resultante y analizarla en el laboratorio por vía húmeda; un proceso que requiere más tiempo, dinero y esfuerzo que el análisis de la aceituna entera. Con la llegada de los instrumentos NIR de sobremesa de nueva generación, el tiempo de análisis se ha reducido a pocos segundos y, además, se ha eliminado la necesidad de moler la muestra. Sin embargo, al tratarse de una medida que, por muy frecuente que sea, sigue siendo puntual, puede que no representativa del lote entero. Debido a los avances tecnológicos tales como la tecnología DA anteriormente mencionada, hoy en día es posible usar instrumentos NIR colocados en la línea de producción para predecir parámetros analíticos con la misma precisión alcanzada con instrumentos NIR de laboratorio. Un reciente estudio presentado en el 21°Congreso Internacional NIR 2023 (Innsbruck, Austria), explora la posibilidad de transferir modelos predictivos de humedad y grasa en aceituna entera entre equipos NIR basados en la tecnología DA (Figura 2). Para ello, fueron empleadas distintas técnicas quimiométricas: diferentes combinaciones de pretratamientos espectrales junto con regresión de Honigs2 (PerkinElmer, Waltham, MA, USA) para permitir la cuantificación rápida del contenido de humedad y grasa en aceitunas intactas. Los espectros NIR de aproximadamente 2000 muestras de aceitunas intactas, con diferentes orígenes geográficos y recolectadas durante varias temporadas de cosecha, fueREFERENCIAS 1 Garrido, A., Pérez, D, García, J. 2004. Applications in Fats and Oils calibrations for quantitative near-infrared spectroscopy. Spectroscopy, 3, 28-36. 2 Honigs, David, D and Åberg, Peter. Honigs regression, LOCAL and PLS: near infrared of dry and fresh forage. pp. 313–316 ISBN: 978-1-920017-56-9 Near Infrared Spectroscopy: Proceedings of the 15th International Conference ron recogidas utilizando diferentes unidades DA 7250 localizados en diferentes puntos de España y Portugal (almazaras, laboratorios). Los modelos predictivos fueron desarrollados utilizando el método de regresión de Honigs. Posteriormente, los modelos fueron transferidos a un sistema en línea (DA 7440). A continuación, se evaluó la similitud de las predicciones entre los dos instrumentos. Este proceso se llevó a cabo a través de un procedimiento de ajuste, que comparó los parámetros de calibración del instrumento de sobremesa y del de análisis online. Por último, se analizaron 17 muestras externas y procedentes de distintos sitios geográficos en ambos instrumentos (DA 7250 y DA 7440) y se aplicaron los modelos a los espectros correspondientes. La presentación de la muestra fue la misma para ambos instrumentos y conllevó el uso de un plato giratorio que contenía las aceitunas. Cada muestra fue el resultado de la medición de dos submuestras distintas. El procedimiento de ajuste mostró una alta correlación (coeficiente de correlación R2>0,70 para el contenido de aceite y R2>0, 0,90 para la humedad) entre los dos instrumentos, lo que demuestra la viabilidad del método de transferencia de modelos de calibración de instrumentos DA de laboratorio a equipos DA online. La Figura 3 muestra los valores predichos por ambos instrumentos de las muestras de aceituna entera analizadas. Los resultados del estudio sobre la transferibilidad de las calibraciones creadas con un instrumento NIR de sobremesa a un sensor online son prometedores. Los modelos de humedad y contenido de aceite creados con un instrumento NIR de sobremesa se transfirieron de manera efectiva a un sensor NIR en línea. El sensor online analiza el producto (aceitunas enteras en este caso) de forma continua, lo que permite un control más preciso del contenido de humedad y aceite de las aceitunas comparado con los análisis puntuales realizados hasta el momento. Los siguientes pasos se dirigirán al análisis de producto en condiciones reales, es decir, sobre cinta transportadora en el patio de recepción de una almazara. Otros ejemplos de control NIR en línea actualmente en fase de desarrollo y/o implementación industrial incluyen: • el control de agotamiento del orujo a la salida del decanter: esto es posible gracias a instrumentos online DA empotrados en la tubería y que, por lo tanto, miden en contacto directo con el producto. • el control de la calidad del aceite (con la cuantificación de parámetros como acidez, ácido oleico, K232, K270, ΔK, ceras, etc.): actualmente se están desarrollando modelos de calibración de los parámetros para, en una segunda fase, transferir dichos modelos a un instrumento de análisis online que, a través de un accesorio que permite en análisis por transflectancia, permita analizar el producto directamente en los depósitos o en una tubería. n
RkJQdWJsaXNoZXIy Njg1MjYx