Usar de FTIR para Autenticación rápida y La detección

de Adulteración de Alimentos
LE Rodríguez-Saona y YO Allendorf
Alimentos Ciencia y Tecnología Departamento, los Ohio Estado Universidad, Columbus, Ohio 43.210; correo electrónico: rodriguez-
saona.1@osu.edu
Palabras clave
espectroscopia, infrarrojo cercano, infrarrojo medio, quimiometría, cuantificación
Abstracto
Espectroscopia infrarroja por transformada de Fourier (FTIR) es una tecnología atractiva
para la industria alimentaria debido a las mediciones simples, rápidos y no destructivos de
los componentes químicos y físicos pueden ser obtenidos. Los avances en la
instrumentación FTIR combinada con el desarrollo de poderosos métodos de análisis de
datos multivariante hacen de esta tecnología ideal para gran volumen, detección rápida y
caracterización de componentes alimentarios menores a los niveles de partes por mil
millones (ppb). Debido a la utilización de técnicas de FTIR en aplicaciones de calidad y
control de procesos, la industria alimentaria ya está familiari- iar con la tecnología y su
potencial para expandir a la detección de la adulteración de alimentos. El objetivo de esta
revisión es compilar la investigación actual sobre las aplicaciones de infrarrojo cercano
(NIR) y espectroscopia de infrarrojo medio (MIR) para la autenticación rápida y detección
de la adulteración de los alimentos.

INTRODUCCIÓN
Transformada de Fourier espectroscopia de infrarrojo (FTIR) se ha convertido en una
alternativa atractiva para los métodos de análisis tradicionales, porque se necesita
preparación pequeña muestra, el análisis es rápida, y se minimiza el uso de disolventes
peligrosos. Estas ventajas dan como resultado en el tiempo y ahorro de costes y un
aumento en el número de muestras que se pueden analizar. Numerosos investigadores
han intentado utilizar estas ventajas mediante la aplicación de FTIR a la ciencia de los
alimentos. El alcance de esta revisión es compilar la investigación actual sobre las
aplicaciones de la espectroscopia FTIR para la autenticación y detección de la adulteración
de los alimentos.
El conocimiento de los principios básicos detrás de la espectroscopia facilita la
comprensión de cómo la técnica infrarrojos (IR) se puede aplicar para autenticar y detectar
la adulteración en los alimentos. Espectros IR se producen mediante el registro de cambios
en la absorción de la radiación IR por moléculas, que se someten a movimientos mecánicos
(modos de vibración y rotación) debido a la absorción de energía (1,993 Diem, Guillén y
Cabo 1997). Dentro de cualquier molécula, un grupo funcional dado (es decir, grupo
carbonilo o un grupo amida) da absorción IR característico en específico, de frecuencia
estrecha oscila independientemente de su relación con el resto de la molécula. Debido a
las interacciones complejas de átomos dentro de la molécula, cada uno involucrado en sus
propias transiciones vibratorias, la energía de una vibración y, por tanto, la posición de la
banda en el espectro IR a veces son influenciados por los átomos que rodean el grupo
vibracional. Por lo tanto, los espectros IR se puede utilizar para identificar o diferenciar
entre muestras y también dar información sobre la cantidad de grupos funcionales (Diem
1.993, Guillén y Cabo 1,997). La región IR del espectro electromagnético abarca desde
14,000-50 cm-1 y se divide en tres áreas: IR cercano (14,000-4,000 cm-1) a mediados de
infrarrojos, (4,000 a 400 cm-1), y muy por IR (400- 50 cm-1). Esta revisión se centra en la
primera fi dos regiones. IR cercano (NIR) y mediados IR (MIR) técnicas aprovechan el
fenómeno que ocurre cuando la radiación electromagnética de una energía específico
interactúa con una molécula.
Espectros NIR (Figura 1a) son el resultado de armónicos relativamente débiles y anchas y
bandas combinación de transiciones vibracionales fundamentales asociados
principalmente con grupos funcionales CH, NH y OH. Bandas NIR son el resultado de
complejo movimiento de vibración de los enlaces químicos que tienden a desviarse de
armonicidad. Estas desviaciones (anarmonicidad) resultado en bandas resultantes de
transiciones más de dos (primero sobretono), tres (segundo matiz), o niveles de energía
más altos (12,500-4,000 cm-1, 800-2,500 nm) de la frecuencia de las vibraciones
fundamentales, dando lugar a una intensidad disminuyendo la absorción NIR con el
aumento de rango de sobretono. Además, el espectro NIR incluye modos de combinación
de la interacción de dos o más vibraciones que tienen lugar simultáneamente a partir de la
absorción de un solo fotón (Osborne 2.000, 2.002 Barton). Por desgracia, la posición de
supervisión de muchas bandas diferentes armónicos y combinación en la región NIR
provoca una muy baja selectividad estructural de espectros NIR en comparación con los
espectros MIR; Sin embargo, la intensidad de absorción NIR inferior puede ser
compensada por el aumento del espesor de la muestra para mediciones NIR (desde
milímetros a centímetros hasta) en comparación con MIR (micrómetros). Bandas NIR son
10 a 100 veces menos intensa que sus correspondientes bandas fundamentales MIR. Esto
puede permitir el analysis anal- directa de muestras que son altamente absorber o
dispersión fuertemente la luz sin dilución o extensa preparación de la muestra (Hall et al.
1996, Shenk et al. 2001). Instrumentos FT-NIR han encontrado un nicho en la industria
alimentaria para la calidad y el proceso de control químico debido a su robustez y una
mayor flexibilidad en el manejo, tales como ser capaz de analizar muestras en viales de
vidrio. Además, la absorción relativamente débil debido a connotaciones de agua permite
que los alimentos ricos en humedad para ser analizados fácilmente (Osborne, 2000).
Spectra de la región MIR se utilizan comúnmente para el catión estructural identi fi
(ngerprinting fi) de compuestos orgánicos porque las bandas de absorción son causados
por vibraciones fundamentales de un grupo funcional específico (Guillén y Cabo 1,997). La
región de huella digital, que se encuentra dentro de la región MIR entre 1200 y 700 cm-1,
contiene bandas de lípidos, proteínas, carotenoides, y polisacáridos, y como resultado es
rico en información estructural (Pare y Belanger 1997). Spectra de la región MIR (Figura
1b) se puede utilizar para aplicaciones de análisis cuantitativos porque las intensidades de
las bandas son proporcionales a la concentración de su respectivo grupo funcional (Pare y
Belanger 1997).
Con el advenimiento de la instrumentación FT, la velocidad y la precisión de la tecnología
IR se aumentó al reemplazar el uso de prisma convencional y monocromadores de rejilla
con un interferómetro. FTIR utiliza la modulación interferométrica de radiación para medir
múltiples frecuencias simultáneamente los, produciendo un interferograma que se vuelve
a calcular utilizando algoritmos complejos para dar el espectro original. Deconvolución
Fourier resuelve la superposición de bandas de IR, causadas por muestras complejas,
mediante la reducción del ancho de banda y el aumento de la altura del pico (Markovich
1.991). Las ventajas adicionales de FTIR más instrumentos IR dispersivos tradicionales
incluyen bajo desgaste mecánico en el equipo, porque FTIR no utiliza partes móviles de
rejilla; adquisición simultánea de todos los números de onda de la luz, lo que aumenta la
señal a ruido (S / N); aumento de la intensidad del haz se vaya de a través de la muestra,
lo que lleva a un mayor rendimiento; Resolución de longitudes de onda superiores; longitud
de onda de calibración interna; y avanzado exactitud de longitud de onda. Dado que la
longitud de onda del láser es estable y muy conocido con precisión, los datos pueden ser
adquiridos con precisión, permitiendo exploraciones repetitivas para estar bien alineado
con respecto a la otra. En la instrumentación FT, la resolución no está determinado por el
tamaño del haz, pero por el accidente cerebrovascular (de viaje) del espejo móvil y el
número de datos recogidos durante una carrera.Estas ventajas ópticas resultan en una fi
cativamente reducido el tiempo de adquisición de datos significativa en comparación con
un espectro obtenido con resolución similar en un instrumento de dispersión (Diem 1993),
haciendo que la tecnología una excelente herramienta para los análisis cualitativos y
cuantitativos de matrices alimentarias.
El uso de reflectancia total atenuada re fl (ATR) con FTIR permitió la colección espectral
de los sólidos, líquidos, semisólidos y películas delgadas. Espectroscopia ATR IR
proporciona una herramienta analítica rápida en comparación con la espectroscopia IR de
transmisión tradicional, que requiere menos preparación de la muestra, la mejora de la
reproducibilidad de muestra a muestra, minimizando la variación espectral de usuario a
usuario, y dando un alto rendimiento con respecto a la energía disponible en el
compartimiento de muestras FTIR, que se tradujo en mejores datos de calidad para el
material más preciso veri fi cación y la identi fi cación (Pike Tecnologías 2010). ATR es una
técnica exión re fl en el que la luz infrarroja se refleja internamente en la superficie posterior
de una re fl exión interna elemento con un índice de refracción alto, que está en contacto
con la muestra (PerkinElmer 2004). Los viajes de haz de infrarrojos en el interior del cristal
y una ola parado de la radiación, llamada onda evanescente, se crea (PerkinElmer
2004). Una muestra en contacto con el cristal puede interactuar con la onda evanescente,
absorber la radiación IR, y tienen su espectro de IR detecta. La onda evanescente se
atenúa mediante la absorbancia de la muestra, lo que da lugar al nombre ATR (PerkinElmer
2004). Los cristales alto índice de refracción típicamente están hechas de diamante,
seleniuro de zinc, KRS-5 (yoduro de talio / bromuro de talio), o germanio. El número de
reflexiones Re en la superficie del cristal puede variar dependiendo de la longitud y el grosor
del cristal y el ángulo de incidencia (PerkinElmer 2004). Esto proporciona la ATR con un
aumento del pliegue múltiple en la respuesta de la muestra en comparación con la
chamusquina-re fl exión cristales (Pike Tecnologías
2010).
Varios excelentes libros cubren aspectos de la teoría fundamental, instrumentación,
métodos quimiométricos y aplicaciones de la espectroscopia vibracional y deben hacer
referencia a si hay más información detallada se desea (Chalmers y Grif ths fi 2001,
Osborne 2000, Robinson 1991, Sielsler 2002, Williams y Norris, 2001). Quimiometría es la
ciencia de la extracción de la información química relevante a partir de datos
multidimensionales complejos producidos en experimentos químicos mediante el uso de
técnicas de análisis multivariante para reducir la dimensionalidad del conjunto de datos.
APLICACIONES DE FTIR para la autenticación y DETECCIÓN DE adulterantes
Autenticación de productos por los productos básicos, la variedad y el origen geográfico es
importante para las agencias de regulaciones ridades, procesadores de alimentos,
minoristas y consumidores debido a los ingredientes caros tienen el potencial de
adulteración y etiquetado incorrecto fraudulenta o accidental. Hay una necesidad de una
técnica rápida para validar estas afirmaciones, y la aplicación potencial de FTIR se ha
explorado en los últimos años. Combinando FT-NIR y FT-MIR con métodos estadísticos
multivariados se ha aplicado para la autenticación de los productos a base de hierbas, jugos
de frutas, productos agrícolas, aceites comestibles, lácteos y muchos otros productos
alimenticios. Estos esfuerzos han tenido diversos grados de éxito en la clasificación de
productos como auténtico o inauténtico dependiendo de la región del espectro
electromagnético utilizado y técnicas quimiométricas usadas en los espectros. Las huellas
dactilares de auténticos productos básicos pueden ser considerados para representar a su
composición química en general y por lo tanto tienen el potencial para detectar la
adulteración. Este método de detección posee diversos beneficios como una herramienta
de detección autenticidad; Es rápido (pruebas pueden llevarse a cabo en 1-2 minutos) y
simple de usar. Un gran número de adulterantes potenciales puede ser buscado desde un
solo espectro, no se requiere preparación de la muestra, y se genera poco material de
desecho. Desde un punto de vista normativo, tiene el bene fi cio adicional de no destruir la
muestra está probando (Kelly & Downey 2005). La Tabla 1 resume las aplicaciones de la
espectroscopia NIR en el control de la autenticación de los alimentos.
NIR re espectroscopia de reflectancia fl se ha utilizado para desarrollar un sistema de
autenticación rápida de los suplementos a base de hierbas. Especies Echinacea E.
purpurea (L.) Moench, E. angustifolia y E. pallida son ampliamente utilizados como
preparaciones de hierbas inmunoestimulantes y preparaciones comerciales son con
frecuencia adul- terated o sustituido con raíces de Parthenium integrifolium L. o diferentes
especies de equinácea que negativamente afectar a la fiabilidad y la e fi cacia de los
productos comerciales de Echinacea (Laasonen et al. 2002a). Espectroscopía NIR se ha
reportado para la rápida identi fi cación de E. purpurea raíces (Laasonen et al., 2002b) y la
determinación del contenido de equinacósido (Schulz et al., 2002). La presencia de otras
especies de Echinacea puede ser detectada en un mínimo de 10% mediante el uso de
espectroscopia de adulteración FT-NIR (Laasonen et al. 2002b). Debido al bajo contenido
de equinacósidos en las más valiosas raíces E. purpurea en comparación con E. pallida y
E. angustifolia (Laasonen et al.
2002b), por mínimos cuadrados parciales (PLS) algoritmos que utilizan espectros NIR
producen modelos robustos para la detección rápida y fiable de E. purpurea en
preparaciones a base de hierbas.
La adulteración de aceites de suplementos dietéticos (DSO), como el aceite de semilla de
uva, aceite de lino, aceite de burageseed, y el aceite de onagra con bene más barato y
menos fi ciales aceites se ha convertido en un problema de calidad de los alimentos /
seguridad. Las variaciones entre las diferentes marcas del mismo aceite debido a origen
vegetal, la variedad y las condiciones de procesamiento, así como los tipos de aceite que
tienen composiciones muy similares, pueden dar lugar a posibles modi fi misclassi de
aceites auténticos. Un límite de detección de 2% para los GRD adulterados (2% -20% v /
v) con aceites alimentos comunes se ha informado (Ozen et al. 2003).
Una aplicación notable de la espectroscopia NIR ha sido para la detección de adulterantes
en los zumos, purés, y jarabes. Estos productos son a menudo adulteradas con
concentrados más baratos jugo, caña, maíz o azúcar de remolacha, y jarabes para la
ganancia económica. Twomey et al. (1995) reportaron el uso de NIR y el análisis
discriminante factorial para la detección de adulteración de zumo de naranja con pulpwash
naranja, zumo de pomelo, y el azúcar sintética / mezcla de ácidos. Tasas de clasi fi cación
precisos> 90% se determinaron para el zumo de naranja adulterado a 50 g kg-1 o más altos
niveles, con zumo de naranja adulterado que se predijo como auténtico.Contal et al. (2002)
demostraron que la adulteración de la fresa o jugo de frambuesa con jugo de manzana se
pudo detectar a niveles> 10% mediante el uso de modelos PLS-NIR. Transmitancia
espectros NIR con exactitud y precisión pueden predecir los niveles de azúcar en los zumos
no dispersión (Rodríguez-Saona et al., 2001), mientras que NIR trans reflectancia datos
mejoran los errores de predicción de la dispersión de las muestras de jugo (Segtnan y
Isaksson 2000). Además, la interferencia de las bandas vibracionales fuertes y grandes de
agua (Fischer et al. 1994) en las mediciones NIR de sistemas acuosos puede ser
minimizado mediante la eliminación de disolvente rápida y la medición del extracto seco
mediante el uso difusa reflectancia espectroscopia (Alfaro et al. 1.990 , Li et al., 1996).
Tabla 1 Aplicación de NIR dispersiva de autenticidad de los alimentos
Modelo
multivariad
Procedimient
Muestra o o Resultados Fuente

Equinacósidos en Raíces de
Echinacea Re fl ectancia PLSR R 2
= 0,94, RMSECV = 0.23 g 100 g - 1 Schulz et al.2002

94% exactitud a niveles > 50 g kg - 1

Twomey etal. 199
Adulteración de Naranja jugo Re fl ectancia FDA adulterantes 5

Whitacre etal. 200

Cacao procianidinas Re fl ectancia PLSR R 2
= 0,98, SECV = 6.20 3

Fenólico sustancias y Galo ácido, SECV: 0.2 g kg - 1 , R 2 : 0,89;epicatequina,

alcaloides en verdehojas SECV: 2.6 g kg -1,R 2
:0,97; ca f feine, SECV: 1.7 g kg -1,R 2
:
de té Re fl ectancia PLSR 0.97 Schulz et al.1999

Perseitol en aguacate cariño Re fl ectancia PLSR, PCR R 2

= 0,87, Septiembre = 0,13 Dvash et al.2002
Trans
Citrus óleos reflectancia PCA, PLSR R 2
= 0,79 a 1,00, SEC = 0,03-1,09 Steuer et al.2001

La mayoría preciso modelos producidoerrores de

manzana adulteración en la SIMCA, predicción de 3,4% manzana (enframbuesa) y
fresa y purés frambuesa Re fl ectancia PLSR 5,5% (en fresa) Contal et al.2002

Vegetal proteínas en leche

Maraboli etal. 200
en polvo Re fl ectancia MLR R 2
= 0,99, Septiembre = 0,23 2

Autenticación deespárrag
os verdes Re fl ectancia PLSR R 2
= > 0,96, Septiembre = 0.07 Pérez et al.2001

Adulteración en Bebidas
alcohólicas Transmitancia PCA, SIMCA Corregir clasi fi cación de 100% Pontes et al.2006

(Online) adulteración
de acrilamida enpapas R 2
= 0,83; predicción error 266.6 mu g kg - 1
Pedreschi etal. 201
fritas Re fl ectancia PLSR (usando bajo resolución equipo) 0

La
acrilamida adulteraciónen
fichas Re fl ectancia PLSR R 2
= 0,95, predicción error 256.6 mu g kg - 1
Segtnan et al.2006

Suero adulteración enleche DPL, Kasemsumranet al.

de vaca Re fl ectancia SIMCA R 2
= 0.999, RMSEP = 0,264 2007
Abreviaturas: PLSR, regresión por mínimos cuadrados parciales; FDA, análisis discriminante factorial; PCA, análisis de componentes
principales; SIMCA, suaves análogos clase modelo independientes; PCR, la regresión de componentes principales; LDA, análisis discriminante
lineal; MLR, regresión lineal múltiple.
La Tabla 2 resume las aplicaciones de la espectroscopia de MIR en la vigilancia de la
autenticación de los alimentos. MIR se ha utilizado en la autenticación de jugo de
ingredientes de alto valor adulterados con fuentes de in- ferior. Las granadas han sido
elogiados por su actividad antioxidante y para los posibles efectos quimiopreventivos contra
el cáncer de próstata (Vardin et al. 2008). Los espectros de MIR se han utilizado para
diferenciar puro concentrado de zumo de granada a partir de zumo adulterada con
concentrado de zumo de uva (2% -14% v / v) usando análisis de principio componente
(PCA) y la 1,780-1,685 cm-1 (C = O estiramiento) IR región (Vardin et al., 2008). Del mismo
modo, MIR ha tenido éxito en la diferenciación de las variedades de frutas y orígenes
geográficos. Un parámetro importante para el control de la autenticidad en los purés de
frutas, preparaciones, y los atascos es el contenido de fruta por ciento, y los requisitos
mínimos para cada tipo de producto se han establecido. Un parcial de mínimos cuadrados
de regresión (PLSR) correlacionar el contenido de fruta y los espectros de FTIR se centró
en una banda a 1729 cm-1 y siempre buenas estadísticas de calibración (R2 = 0.94) cuando
se aplica a mermelada de fresa (Fugel et al. 2005). He et al. (2007) estudiaron los
arándanos, arándanos, uvas concordia, mezcla de néctar de ciruela, y jugos de manzana
de
Tabla 2 Aplicación de MIR de autenticidad de los alimentos
Muestra Multivariantemodelo Resultados Fuente
Manteca de cerdo adulteración

en pastel PLSR R 2
= 0,9790; SEC = 1,75 Syahariza et al. 2005

en chocolate PLSR R 2
= 0,99; SE = 1.30 Che Varón et al. 2005

Extraordinariamente virgen aceituna aceite

R 2
= 0,99; detección límite 6% Vlachos et al. 2006

Detección límite de 5% para binariomezcla;

Adulteración con vegatable óleos PCA error límite 1.04 Gurdeniz Y Ozen 2009

R 2
= 0,999; SECV = 0,285 (fi primera
Adulterado con palma aceite PLS y PCR derivación) Rohman Y Che Varón2010

Era poder a correctamente clasificar 80%(media

Evaluación origen PLS centrada y primera y segundoderivación) Hennessy et al. 2009
Otros
R 2
= 0,9751; podría además predecirde
sólidos totales (R 2
= 0,9916) yacidez
Jugo concentrarse adulteración PLSR valorable (R 2
= 0,9114) Vardin et al. 2008

Extracción mejorado SIMCA; 100%

Autenticación de frutas SIMCA correcto clasi fi cación a mercancía nivel Él et al. 2007

100% clasi fi cación de sencillo yazúcares

Clasificar cariño adulterantestan complejos usando PLS y LDA;miel Sivakesava Y Irudayaraj
simple y complejo azúcares LDA, PCA, LDS combinando variedades rebajado elloa 95,5% 2002a

Clasi fi cación más del

95% pararemolacha sacarosa y dextrosa; no
Artisianal mieles adulterada pudedetectar de forma
con azúcar soluciones SIMCA, PLSR inequívoca JMAF oinvertido remolacha Kelly et al. 2006
 Usando calibración modelos de rangos
seleccionados (0-5%, 0-25, 20-
Mantequilla adulteradocon 60, etc)R 2 =
margarina PLSR 0,99; SECV = 1,2% (segundo derivación) Koca et al. 2010

Clasificar vinos comoorgánica DPL correctamente clasi fi cados 85%;LDA

frente Inorgánico PCA, DPL, LDA correctamente clasi fi cados 75% Cozzolino et al. 2009

Abreviaturas: PLSR, regresión por mínimos cuadrados parciales; SIMCA, suave independiente analogía clase del modelo; PCA,
análisis de componentes principales; LDA, análisis discriminante lineal; PCR, la regresión de componentes principales.
varios fabricantes. Los datos espectrales recogidos después de la extracción en fase sólida
de los jugos mejoraron el reconocimiento de patrones [suave análisis independiente de la
clase analogía (SIMCA)] el poder modelado comparó con el uso de jugo puro y permitió la
diferenciación de los jugos con diferentes orígenes. Extracción en fase sólida minimiza la
interferencia del azúcar en los espectros y aislado los componentes fenólicos que
proporcionaron una huella digital única para la autenticación de jugo. Los autores
reconocieron las limitaciones de este método, incluyendo el procedimiento de extracción y
la necesidad de un mayor número de muestras para mejorar la robustez del modelo, pero
señalaron que este método era una mejora sobre los intentos anteriores (He et al. 2007)
. Los métodos tradicionales para la autenticación de los zumos de fruta incluyen
cromatografía o carbono análisis de relación isotópica, ninguno de los cuales es muy
práctico, ya que son mucho tiempo, no es práctico para los ajustes de control de calidad,
utilizan disolventes nocivos, y monitorear sólo un parámetro a la vez.
Los consumidores son cada vez más interesados en productos orgánicos y están
dispuestos a pagar un precio prima para estos artículos. La industria del vino ha reconocido
esta tendencia, y los viñedos de todo el mundo están actualmente produciendo muchos
vinos orgánicos. A partir de 2009, no existía un método vino industria estandarizada que
permita a la composición del vino orgánico y la autenticidad de ser determinado fácilmente
y eficientemente (Cozzolino et al. 2009). Cozzolino et al. (2009) fue el primero que buscar
en el uso de la tecnología para clasificar los vinos comerciales de orgánico contra los
sistemas de producción no orgánicos. Cerca de 200 muestras de vinos tintos y blancos de
las 13 regiones en Australia fueron analizados utilizando MIR combina con PCA, PLS
discriminantes (DPL) de regresión y el análisis discriminante lineal (LDA). DPL
correctamente clasi fi có el 85% de los vinos orgánicos, mientras LDA fue capaz de clasi-
ficar 75%. En general, la trama puntuación PCA separa las clases de vinos orgánicos y no
orgánicos, pero había un ligero solapamiento (Cozzolino et al. 2009). Los autores
informaron que MIR combina con técnicas quimiométricas permiten una buena
discriminación entre muestras producidos bajo sistemas de producción orgánica y no
orgánicos. Exploración de las cargas PLS no mostró ningún parámetro químico individuo
en particular que explicaba la separación entre los vinos, en lugar de que muchos
compuestos químicos, incluyendo compuestos fenólicos y compuestos volátiles o no
volátiles, podrían contribuir a la discriminación entre vinos.
El jarabe de arce y productos de miel son también objetivos para los fabricantes sin
escrúpulos para hacer bene fi añadiendo más baratos de caña y de remolacha
azúcares.NIR y FTIR espectroscopía en combinación con discriminante (LDA y análisis
variable canónica) y cuantitativa (PLSR y regresión de componentes principales) el análisis
se han aplicado con éxito para la clasi fi cación de adulterantes en el jarabe de arce
(Paradkar et al., 2003). Los modelos desarrollados con las mediciones NIR eran adecuados
para el análisis cuantitativo de la presencia de adulterantes. Los modelos desarrollados a
partir de espectros FTIR utilizando la huella digital fi región resultó en modelos con
prestaciones superiores cuantitativos y discriminativo (Tabla 3, Figura 2) para detectar
adulterantes en comparación con los obtenidos a partir de los espectros NIR
dispersivo.Resultados similares han sido reportados para el análisis de tomillo, orégano, y
aceites esenciales de manzanilla por dispersivo NIR y la espectroscopia ATR-IR (Schulz et
al. 2003).
La miel ha sido definido como una sustancia natural producida por las abejas y la adición
de azúcares vacíos esta de fi nición (Kelly et al. 2006). Diluir la miel con los azúcares
simples y complejos es la forma más común de la miel está adulterado. Esto es muy difícil
de detectar porque los adulterantes imitan el azúcar natural per fi l de la miel (38,2% de
fructosa y el 31,2% de glucosa) (Sivakesava y Irudayaraj 2002a). La adulteración de la miel
también es difícil de detectar debido a la gran variabilidad en el producto debido a las
especies girasol y la abeja, la madurez, el medio ambiente, y de procesamiento o
almacenamiento de condiciones. La pureza de la miel está actualmente probado por
análisis de la relación de isótopos de carbono, que es caro y consume mucho tiempo. Para
utilizar MIR para autenticar miel, deben corregirse contra un fondo de agua para el agua
para corregir la superposición de la señal de los espectros de solutos. El análisis se centró
en la región que corresponde a los azúcares (800-1,500 cm-1). La miel pura fue adulterado
con 7% -25% de glucosa, fructosa, sacarosa y azúcar invertido. LDA logra 100% clasi fi
cación de azúcares simples y PLS de compresión de datos alcanza el 100% de clasi fi
cación de los azúcares complejos. La combinación de las variedades de miel requiere más
factores y bajaron la tasa de éxito de 95.5%. Más trabajo debe llevarse a cabo para incluir
la miel de muchos orígenes y con muchos adulterantes (Sivakesava y Irudayaraj
2002a).
Otro estudio examinó la miel artesanal adulterada con diferentes jarabes de azúcar [jarabe
invertido remolacha, jarabe de maíz de alta fructosa (JMAF), jarabe parcial de caña
invertido, jarabe de dextrosa y sacarosa de remolacha]. Modelos fueron capaces de
clasificar correctamente el 95% de la miel auténtica, sacarosa de remolacha, y las muestras
de dextrosa, pero no fueron capaces de con fi pendientemente detectar la adulteración con
JMAF o invertir jarabe de remolacha (Kelly et al.
2006). Iglasias (2006) utilizó MIR para evaluar el origen botánico de la miel cuando se
correlaciona con el análisis de polen. Al igual que con muchos productos alimenticios, la
miel producida en ciertas regiones es muy apreciado por sus cualidades sensoriales
pendientes y se vende a un precio muy alto. MIR podría ser utilizado como una herramienta
de detección, pero tendría que ser combinada con pruebas adicionales para con fi
pendientemente identificar el origen del producto. Por otra parte, el MIR no permitía una
determinación cuantitativa de furano hidroximetil (HMF) como