El CD contiene reporte

Tesis (Ingeniero Agroindustrial) -- UACh. Departamento de Ingeniería Agroindustrial, 2011

Bibliografía: hojas 75-83

El objetivo principal de esta investigación fue determinar la factibilidad para predecir la cantidad de almidón, azúcares solubles y proteína en tubérculos de papa (Solanum tuberosum L.) usando espectroscopía del infrarrojo cercano (NIR). Los espectros obtenidos permitieron desarrollar modelos probabilisticos predictivos para estimar la calidad nutricional e industrial de clones de papa procedentes del estado de México (Metepec y Zinacantepec). Inicialmente se realizaron análisis químicos para los componentes: azúcares solubles, almidón y proteína, en 222 muestras. En la siguiente etapa se obtuvieron espectros de absorción para las muestras en el espectrofotómetro FOSS Nirsystem. Posteriormente, se relacionaron los datos químicos con los espectros de absorción para construir modelos estadísticos predictivos para las variables repuesta de interés (calibración de los modelos). Los modelos calibrados fueron: regresión por componentes principales (RCP), regresión por mínimos cuadrados parciales (PLS) y regresión por el método de máquinas de vectores de soporte de mínimos cuadrados (LS-SVM). Finalmente, se llevó a cabo la validación de los modelos a través de la evaluación de una muestra independiente de tamaño 56. El cuadrado medio del error de predicción (CMEP) permitió evaluar la habilidad predictiva de los modelos construidos. La técnica NIR funcionó para todos los componentes y el modelo que mostró habilidad para predecir valores de las variables respuestas en estudio fueron los obtenidos por el método PLS con valores de CMEP de 0.6857, 25.0308 y 0.9848 en la validación de azúcares solubles, almidón y proteína respectivamente. --

The main objective of this research was to determine the feasibility to predict the amount of starch, soluble sugars and protein in potato tubers (Solanum tuberosum L.) using near-infrared spectroscopy (NIR). The spectra obtained allowed to develop probabilistic predictive models to estimate the nutritional quality and industrial potato clones from the state of Mexico (Metepec and Zinacantepec). Chemical analysis was initially performed for components: soluble sugars, starch and protein, in 222 samples. In the next phase absorption spectra were obtained for samples in the spectrophotometer Nirsystem FOSS. Subsequently, chemical data associated with the absorption spectra to build predictive statistical models for response variables of interest (model calibration). The calibrated models were: principal component regression (PCR), partial least squares regression (PLS) and regression by the method of support vector machines least squares (LS-SVM). Finally, we carried out the validation of models through the evaluation of an independent sample of size 56. The mean square error of prediction (MSEP) allowed us to evaluate the predictive ability of the models constructed. The NIR technique worked for all components and the model that showed ability to predict values of response variables in the study were obtained by the PLS method with CMEP values of 0.6857, 25.0308 and 0.9848 in the validation of soluble sugars, starch and protein respectively.