Este año ha sido intenso, tanto que parece que he dejado de lado el blog. Pero eso no significa nada más que sigo con mi actividad, pero sin tiempo libre.
Quiero retomar un poco la labor de difundir, y en este caso debéis perdonarme que hable de mi mismo, la labor investigadora en la Universidad. En una Universidad con pocos medios, y sin atreverme a decir lo que pienso del reparto de los mismos, hay que ser imaginativo, o buscar colaboración fuera. En este caso ha sido lo segundo lo que ha propiciado la publicación de dos trabajos, a mi entender interesantes. Desde hace unos años venía trabajando con unos colegas mexicanos que conocí cuando hicieron aquí su doctorado. Hará un par de años me proponen hacer algo en equipo. Ellos iban a obtener financiación para desarrollar proyectos básicos y lo querían hacer sobre el café que se cultiva en su estado, Colima. Le concedieron el proyecto, no tengo claro cuanto dinero porque mi colaboración no requería de financiación, solo aplicaría el reconocimiento de patrones, pero el suficiente para obtener un número adecuado de muestras y poder tratarlas y medirlas.
En uno de los casos se estudiaron las diferencias entre cafés verdes de México y otros países productores como Brasil y Colombia. Basándose en el contenido en Ca, Cu, Fe, K, Mg y Mn y aplicando técnicas de reconocimiento de patrones lineales, como LDA y SIMCA se obtuvieron porcentajes de predicción del 94%.
Gráfico de Coomans en el que se visualizan los resultados del SIMCA
El segundo caso afinaba más el estudio y pretendía diferenciar geográficamente el estado mexicano en el que se producía el café, pero para más dificultad, ya tostado. Claro, en este caso además de los metales procedentes del suelo podía influir el tratamiento y envasado. Este hecho complicó más el estudio e hizo necesaria la aplicación de métodos más complicados como las redes neuronales artificiales (ANN). El LDA no va más allá del 81% de capacidad de predicción, pero al final se obtienen resultados del 93% de eficacia con los modelos basados en redes.
Distribución de las muestras de café tostado mexicano en el espacio de las funciones obtenidas con LDA
En definitiva, los metales parecen ser buenos descriptores químicos para solventar problemas de clasificación geográfica. El hecho de que los metales sean buenos marcadores geográficos puede repercutir en herramientas de clasificación y autenticación, lo cual no deja de ser interesante desde el punto de vista de los productores.
Para mayor información:
- R. Muñiz, J. M. Jurado, S. G. Ceballos, A. Alcázar, J. Reyes. Geographical differentiation of green coffees according to their mineral content by means of supervised pattern recognition techniques. Food Analytical Methods, 2013, 6, 1271-1277
- R. Muñiz, J. M. Jurado, S. G. Ceballos, A. Alcázar, J. Hernández-Díaz. Characterization of Mexican coffee according to mineral contents by means of multilayer perceptrons neural networks. Journal of Food Composition and Analysis, 2014, 34, 7-11
No hay comentarios:
Publicar un comentario
Haz tu comentario... quedará pendiente de moderación