TANNIRS
Proyecto desarrollado por Boscalia Technologies S.L. en colaboración con la Junta de Extremadura (Consejería de Economía, Ciencia y Agenda Digital) y El Fondo Europeo de Desarrollo Regional (FEDER).
OBJETIVO
El objetivo del proyecto es proveer al sector vinícola de un método rápido y eficaz basado en la espectroscopía Vis-NIR para garantizar la calidad de las materias primas de origen forestal y asegurar o mejorar la calidad organoléptica de los vinos. Esto abre la posibilidad de revalorizar maderas presentes en los montes de España y de Extremadura en concreto, así como de sus subproductos sin aprovechamiento comercial, mejorando su rentabilidad y la correcta gestión de los espacios forestales.
DESARROLLO
Se seleccionaron alternativos de castaño, cerezo, fresno, encina y roble francés en formato cubo. Analizándose 30 muestras por especie. Estas muestras fueron proporcionadas por propietarios forestales extremeños a excepción del proveedor comercial de las muestras de roble francés.
Técnicas Analíticas:
Las técnicas analíticas empleadas fueron la cromatografía de Gases Masas (GC-MS), Vis-NIR y FTIR-ATR. Con la GC-MS (SCSIE, UV), se obtuvieron datos del contenido en eugenol, β-methyloctalactona, guaiacol, 4-methyl guaiacol, vanillin, furfural, 5-methylfurfural. Las técnicas de espectroscopía Vis-NIR (prototipo propio) y FTIR-ATR (CRETUS-EcoPast, USC) permiten registrar la «huella dactilar» (físico-química) de la madera.
Análisis estadístico:
Los picos de FTIR-ATR se identificaron utilizando la librería {andurinha} de R y los picos se seleccionaron basándonos en los datos de espectroscopía FTIR-ATR proporcionados por la BBDD online SpectraBase. En el caso de los datos de GC-MS se detectan en todas las muestras alguno de los compuestos de interés, excepto en tres de ellas.
Para los modelos de predictivos se utilizaron 9 conjuntos de datos: (i) el conjunto total de datos de NIR, (ii) NIR de 165 a 1100, (iii) NIR de 1101 a 1700 nm, (iv) NIR de 165 a 1700 nm, (v) las cuatro variables anteriores con los 79 picos de FTIR-ATR y (vi) FTIR-ATR sin NIR. Los algoritmos que se probaron fueron: Regresión por Mínimos Cuadrados Parciales, Máquina de Vectores de Soporte Lineal y Random Forest. Los datos fueron previamente estandarizados y centrados y los modelos se entrenaron utilizando el paquete {caret} de R. El método estadísticos que dio mejores resultados fue Random Forest. En contra de lo esperado los modelos obtenidos con NIR no fueron muy buenos, obteniéndose un coeficiente de determinación (r2) < 0.6, este coeficiente representa la proporción de la varianza de la variable problema (o dependiente) que somos capaces de explicar con el modelo a través de las variables independientes. Sin embargo, se pudo obtener un modelo con buenos indicadores de predicción con los datos de FTIR-ATR. Las r2 fueron de 0.62 para el 5-methylfurfural, 0.73 para el eugenol, 0.87 para el furfural, 0.75 para el vanillin. Con una sensibilidad (probabilidad de que la especie clasificada como x sea realmente x) del 0.5 para el 5-methylfurfural y eugenol, de 0.78 para el furfural y de 0.67 para el vanillin. La especificidad (probabilidad de que la especie no clasificada como x no sea x) fue de un 0.75 para el 5-methylfurfural, 0.96 para el eugenol, 0.97 para el furfural y de un 0.83 para el vanillin.
TANNIRS
OBJETIVO
El objetivo del proyecto es proveer al sector vinícola de un método rápido y eficaz basado en la espectroscopía Vis-NIR para garantizar la calidad de las materias primas de origen forestal y asegurar o mejorar la calidad organoléptica de los vinos. Esto abre la posibilidad de revalorizar maderas presentes en los montes de España y de Extremadura en concreto, así como de sus subproductos sin aprovechamiento comercial, mejorando su rentabilidad y la correcta gestión de los espacios forestales.
DESARROLLO
Se seleccionaron alternativos de castaño, cerezo, fresno, encina y roble francés en formato cubo. Analizándose 30 muestras por especie. Estas muestras fueron proporcionadas por propietarios forestales extremeños a excepción del proveedor comercial de las muestras de roble francés.
Técnicas Analíticas:
Las técnicas analíticas empleadas fueron la cromatografía de Gases Masas (GC-MS), Vis-NIR y FTIR-ATR. Con la GC-MS (SCSIE, UV), se obtuvieron datos del contenido en eugenol, β-methyloctalactona, guaiacol, 4-methyl guaiacol, vanillin, furfural, 5-methylfurfural. Las técnicas de espectroscopía Vis-NIR (prototipo propio) y FTIR-ATR (CRETUS-EcoPast, USC) permiten registrar la «huella dactilar» (físico-química) de la madera.
Análisis estadístico:
Los picos de FTIR-ATR se identificaron utilizando la librería {andurinha} de R y los picos se seleccionaron basándonos en los datos de espectroscopía FTIR-ATR proporcionados por la BBDD online SpectraBase. En el caso de los datos de GC-MS se detectan en todas las muestras alguno de los compuestos de interés, excepto en tres de ellas.
Para los modelos de predictivos se utilizaron 9 conjuntos de datos: (i) el conjunto total de datos de NIR, (ii) NIR de 165 a 1100, (iii) NIR de 1101 a 1700 nm, (iv) NIR de 165 a 1700 nm, (v) las cuatro variables anteriores con los 79 picos de FTIR-ATR y (vi) FTIR-ATR sin NIR. Los algoritmos que se probaron fueron: Regresión por Mínimos Cuadrados Parciales, Máquina de Vectores de Soporte Lineal y Random Forest. Los datos fueron previamente estandarizados y centrados y los modelos se entrenaron utilizando el paquete {caret} de R. El método estadísticos que dio mejores resultados fue Random Forest. En contra de lo esperado los modelos obtenidos con NIR no fueron muy buenos, obteniéndose un coeficiente de determinación (r2) < 0.6, este coeficiente representa la proporción de la varianza de la variable problema (o dependiente) que somos capaces de explicar con el modelo a través de las variables independientes. Sin embargo, se pudo obtener un modelo con buenos indicadores de predicción con los datos de FTIR-ATR. Las r2 fueron de 0.62 para el 5-methylfurfural, 0.73 para el eugenol, 0.87 para el furfural, 0.75 para el vanillin. Con una sensibilidad (probabilidad de que la especie clasificada como x sea realmente x) del 0.5 para el 5-methylfurfural y eugenol, de 0.78 para el furfural y de 0.67 para el vanillin. La especificidad (probabilidad de que la especie no clasificada como x no sea x) fue de un 0.75 para el 5-methylfurfural, 0.96 para el eugenol, 0.97 para el furfural y de un 0.83 para el vanillin.
OBJETIVO
El objetivo del proyecto es proveer al sector vinícola de un método rápido y eficaz basado en la espectroscopía Vis-NIR para garantizar la calidad de las materias primas de origen forestal y asegurar o mejorar la calidad organoléptica de los vinos. Esto abre la posibilidad de revalorizar maderas presentes en los montes de España y de Extremadura en concreto, así como de sus subproductos sin aprovechamiento comercial, mejorando su rentabilidad y la correcta gestión de los espacios forestales.
DESARROLLO
Se seleccionaron alternativos de castaño, cerezo, fresno, encina y roble francés en formato cubo. Analizándose 30 muestras por especie. Estas muestras fueron proporcionadas por propietarios forestales extremeños a excepción del proveedor comercial de las muestras de roble francés.
Técnicas Analíticas:
Las técnicas analíticas empleadas fueron la cromatografía de Gases Masas (GC-MS), Vis-NIR y FTIR-ATR. Con la GC-MS (SCSIE, UV), se obtuvieron datos del contenido en eugenol, β-methyloctalactona, guaiacol, 4-methyl guaiacol, vanillin, furfural, 5-methylfurfural. Las técnicas de espectroscopía Vis-NIR (prototipo propio) y FTIR-ATR (CRETUS-EcoPast, USC) permiten registrar la «huella dactilar» (físico-química) de la madera.
Análisis estadístico:
Los picos de FTIR-ATR se identificaron utilizando la librería {andurinha} de R y los picos se seleccionaron basándonos en los datos de espectroscopía FTIR-ATR proporcionados por la BBDD online SpectraBase. En el caso de los datos de GC-MS se detectan en todas las muestras alguno de los compuestos de interés, excepto en tres de ellas.
Para los modelos de predictivos se utilizaron 9 conjuntos de datos: (i) el conjunto total de datos de NIR, (ii) NIR de 165 a 1100, (iii) NIR de 1101 a 1700 nm, (iv) NIR de 165 a 1700 nm, (v) las cuatro variables anteriores con los 79 picos de FTIR-ATR y (vi) FTIR-ATR sin NIR. Los algoritmos que se probaron fueron: Regresión por Mínimos Cuadrados Parciales, Máquina de Vectores de Soporte Lineal y Random Forest. Los datos fueron previamente estandarizados y centrados y los modelos se entrenaron utilizando el paquete {caret} de R. El método estadísticos que dio mejores resultados fue Random Forest. En contra de lo esperado los modelos obtenidos con NIR no fueron muy buenos, obteniéndose un coeficiente de determinación (r2) < 0.6, este coeficiente representa la proporción de la varianza de la variable problema (o dependiente) que somos capaces de explicar con el modelo a través de las variables independientes. Sin embargo, se pudo obtener un modelo con buenos indicadores de predicción con los datos de FTIR-ATR. Las r2 fueron de 0.62 para el 5-methylfurfural, 0.73 para el eugenol, 0.87 para el furfural, 0.75 para el vanillin. Con una sensibilidad (probabilidad de que la especie clasificada como x sea realmente x) del 0.5 para el 5-methylfurfural y eugenol, de 0.78 para el furfural y de 0.67 para el vanillin. La especificidad (probabilidad de que la especie no clasificada como x no sea x) fue de un 0.75 para el 5-methylfurfural, 0.96 para el eugenol, 0.97 para el furfural y de un 0.83 para el vanillin.
