Análisis de muestras lácteas mediante espectroscopía RAMAN

Abstract

Se ha visto que la espectroscopía Raman es una técnica muy versátil y que por sí misma, con el desarrollo de un modelo común para muestras lácteas tanto líquidas como liofilizadas empleando el análisis de componentes principales (PCA) y la regresión por mínimos cuadrados parciales (PLSR); aporta resultados de gran calidad y válidos para realizar un análisis rápido en las granja sin la necesidad de equipos, más allá de un espectrómetro Raman; o de laboratorios dotados de técnicas de análisis complejas y caras. El modelo creado ha permitido clasificar con precisión y estimar el contenido graso y de lactosa de muestras tanto líquidas como liofilizadas. Se observó que los modelos no permitían clasificar y predecir las muestras en función de su contenido proteico. Por esta razón, se decidió utilizar los picos característicos de estos componentes para el preprocesamiento de los datos convirtiendo este inconveniente en una ventaja para la construcción del modelo, al no necesitar de agentes externos que contaminen las muestras. Por otra parte, el estudio ha demostrado que, si bien para la clasificación bastaba con utilizar muestras líquidas, el empleo de muestras liofilizadas era recomendable a la hora de realizar predicciones sobre el contenido graso y en lactosa debido al aumento de la intensidad de los picos que nos permite un análisis estadístico con resultados más precisos

It has been seen that Raman spectroscopy is a very versatile technique and that, by itself, with the development of a common model for both liquid and lyophilized dairy samples using principal component analysis (PCA) and partial least squares regression (PLSR); it provides high-quality results that are valid for rapid analysis on the farm without the need for equipment, beyond a Raman spectrometer; or laboratories equipped with complex and expensive analysis techniques. The model created has made it possible to accurately classify and estimate the fat and lactose content of both liquid and lyophilized samples. It was observed that the models did not allow to classify and predict samples based on their protein content. For this reason, it was decided to use the characteristic peaks of these components for the preprocessing of the data, making this disadvantage an advantage for the construction of the model, as it does not require external agents to contaminate the samples. On the other hand, the study has shown that, although it was sufficient to use liquid samples for classification, the use of freeze-dried samples was recommended when making predictions about fat and lactose content due to the increase in the intensity of the peaks that allows us a statistical analysis with more accurate results