Título: CONTROL DE LA CALIDAD DEL ZUMO DE NARANJA MEDIANTE

TECNOLOGIA DE INFRARROJO CERCANO

Autores: Pérez-Aparicio, Jesús (Dr. Veterinario); Hernández Ramos, Francisco Javier

(Lcdo. Tecnología de los alimentos); Toledano Medina, M. Ángeles (Lcda. Veterinaria
y Lcda. Tecnología de los alimentos); Rodríguez Partida, Vanesa (Lcda.. Ciencias
Biológicas)
Dirección: Instituto de Investigación y Formación Agraria y Pesquera. Centro IFAPA
“Palma del Río”. Avda Félix Rodríguez de la Fuente s/nº. 14700. Palma del Río
(Córdoba).
RESUMEN

El zumo de naranja pasteurizado se elabora mediante extracción, desaireación,

pasteurización, y envasado aséptico del producto. Los parámetros de calidad más
importantes en el producto son la concentración de sólidos solubles, la acidez total y el
contenido de limonina. El control de calidad del producto mejoraría mediante
tecnologías capaces de realizar determinaciones rápidas sin necesidad de destruir la
muestra como la tecnología de infrarrojo cercano (NIR). Este trabajo se realizó con
objeto de precisar la idoneidad de un equipo FT-NIR (Buchi NIR-Flex 400) en el
control de calidad del producto. Las muestras de zumo se obtuvieron durante un periodo
de 8 meses de la fabrica Zumos Pascual S.A. Los resultados obtenidos muestran la
posibilidad de utilizar esta tecnología en el control de calidad del producto.

CINCO PUNTOS
1.- La calidad del zumo de naranja se realiza por los fabricantes según unos parámetros,
entre los cuales destacan: azúcares, acidez total, y limonina.
2.- El amargor del zumo de naranja envasado se relaciona con la cantidad de limonina
condicionando la aceptación del consumidor.
3.- La espectroscopia del infrarrojo cercano (NIR), por sus características de ser rápida
y no invasiva, además de por el bajo coste económico de las determinaciones podría ser
empleada en el control de calidad del zumo de naranja.
4.- El objetivo del ensayo fue comprobar la viabilidad potencial de controlar Brix,
acidez y contenido de limonina del zumo de naranja utilizando un equipo FTNIR.
5.- Los resultados obtenidos muestran aplicabilidad potencial de la tecnología NIR para
determinación de azucares, acidez y limonina del zumo de naranja.

La calidad del zumo de naranja es valorada por los fabricantes según unos parámetros,
entre los cuales destacan: azúcares, acidez total, y limonina.

Los azúcares constituyen más del 80% de la materia soluble del zumo de naranja. Como
la materia soluble incluye otros componentes que no son carbohidratos se utiliza la
expresión sólidos solubles. La escala de grados brix propuesta por Domke en 1912
(Kimball, 1999) es la tabla de referencia usada en la industria de elaboración de zumos
y expresa sólidos solubles totales existentes en el zumo.

El principal ácido del zumo de naranja es el ácido cítrico. A la acidez total del zumo de
naranja también contribuyen el ácido málico (10% acidez total) y las sales potásica y
sódica del ácido cítrico (20% acidez total). Se determina mediante valoración química
con disoluciones patrón de hidróxido sódico e indica la concentración total de
hidrógenos ácidos en forma disociada.

La limonina en la naranja y en el zumo de naranja se forma a partir de su precursor el

ácido limonóico monolactona A que se encuentra en el albedo, membranas
intercarpelares, tejidos de celdillas y semillas. El ácido limonóico se lactoniza en medio
ácido y se forma limonina en una reacción catalizada por la enzima d-lactona hidrolasa.
La velocidad de esta reacción depende del aporte de calor y del pH del zumo. El
amargor del zumo de naranja envasado se relaciona con la cantidad de limonina
condicionando la aceptación del consumidor. Según López-Fernández (1995) un zumo
de naranja con hasta 6 ppm. de limonina no es amargo, de 9 a 11 ppm. sería ligeramente
amargo e intensamente amargo con más de 18 ppm.

El control de brix, limonina, y acidez total precisaría incorporar a los distintos procesos,
tecnologías capaces de realizar determinaciones en tiempo real para poder corregirlos o
desviarlos. En este sentido la espectroscopia del infrarrojo cercano (NIR), por sus
características de ser rápida y no invasiva, además de por el bajo coste económico de las
determinaciones podría ser empleada a este fin. Su uso en sus variadas formas:
reflectancia difusa, transmisión, o transflectancia ha ido en aumento desde la pasada
década para determinar la composición y calidad de numerosos productos (Martens y
col., 1989; Kemeny, 1992). El éxito alcanzado por las aplicaciones NIR a tan diversas
áreas es debido entre otros factores a la variedad de instrumentos disponibles y
aplicaciones desarrolladas.

Otros autores ya han estudiado previamente la aplicación de NIR en el zumo de naranja.

Por ejemplo, Lanza y col. (1984) obtuvieron buenos resultados con un monocromador
6350 en transmitancia para la determinación de sólidos solubles totales en el zumo de
naranja empleando dos longitudes de onda del espectro. El número de muestras que
utilizaron para la calibración del equipo NIR fue de 35 y para la validación del modelo
usaron 10 muestras. A pesar de que intentaron también determinar glucosa, sucrosa y
fructosa en el zumo, no obtuvieron resultados tan óptimos, por lo que concluían
subrayando la aplicación potencial de esta tecnología en el control ordinario de calidad
de los zumos de fruta. Rodríguez-Saona y col. (2001) usaron un equipo FTNIR para
determinar sólidos solubles y glucosa, sucrosa y fructosa en zumos comerciales de
naranja y concluyeron que la aplicación de sensores directos para el monitoreo
continuo del contenido en azucares podría mejorar la estandarización del producto.

El objetivo de este trabajo realizado en una industria de zumo de naranja fue comprobar
la viabilidad potencial de controlar brix, acidez y contenido de limonina del zumo de
naranja utilizando un equipo de Infrarrojo Cercano (FTNIR).

METODOLOGÍA

Las muestras se obtuvieron en una fábrica de zumo de naranja exprimido ubicada en la

localidad de Palma del Río (Córdoba). A cada camión muestreado se le extrajo una
muestra representativa de unos 25 kg. de naranjas de la variedad Valencia mediante un
sistema automático existente en la fábrica. Posteriormente se exprimieron en una
exprimidora industrial (ver Figura 1). El zumo obtenido fue homogeneizado y tamizado.
 (Figura 1. Exprimido industrial de naranjas)

Posteriormente, se realizaron análisis de grados Brix, acidez total y limonina. Para

realizar las distintas determinaciones se usaron los siguientes equipos y técnicas:

Grados Brix. Las determinaciones se realizaron con un refractómetro digital

ATAGO RX-5000 (Official methods of analysis, 1999).

Acidez total. Se realizaron titulando con sosa 0,25 N utilizando un PHmetro

CRISON GLP21. (Official methods of analysis, 1999).

Limonina. El análisis se realizó con un equipo de Cromatografía Líquida de Alta

Presión (HPLC). Se empleó un Cromatógrafo Agilent Technologies 1100.

FT-NIR. Los espectros fueron obtenidos con un espectrómetro Büchi Nirflex N-

400 equipado con una sonda de transflectancia la cual se ajustó con un tamaño
de ventana de 2,5 mm. Para cada medición se utilizó un volumen de 25 ml de
zumo, con la sonda completamente sumergida en el zumo. Previo a la toma del
espectro la muestra se homogenizaba y se presentaba a una temperatura entre 12
y 13ºC. Los espectros comprendían longitudes de onda entre 4008 cm-1 y 9996
cm-1 a intervalos de 12 cm-1. Se obtuvieron 3 espectros por muestra, siendo cada
espectro la media de 6 mediciones. En la imagen siguiente se muestra el equipo
empleado (ver Figura 2).
 (Figura 2. Equipo FT-NIR utilizado en la obtención de los espectros)

Los modelos de calibración se realizaron mediante una aplicación desarrollada en

Matlab 6.3. La aplicación utilizada divide la población en dos conjuntos de muestras:
uno para desarrollar la ecuación de predicción mediante validación cruzada y otro para
verificarla. Los modelos se evaluaron con: el coeficiente de determinación en validación
cruzada (r2), el error típico de calibración en validación cruzada (SECV), y el error
relativo de predicción (REP). Para comparar entre modelos se usó el índice que
relaciona el error (SECV) con la desviación típica (cuanto menor es este índice más
fiable es el modelo). Finalmente se comprobaron los modelos desarrollados mediante
validación externa con 6 muestras de zumo duplicadas.

RESULTADOS

El modelo para determinar acidez (Tabla 1) se realizó con 48 muestras en validación

cruzada (N1) y con 35 muestras de verificación (N2). Se eliminaron 19 muestras
anómalas. El error obtenido por el modelo en validación cruzada fue 0,05. Los límites
de detección del modelo fueron: de 0,87 a 1,35. El cociente entre error de validación
cruzada y desviación típica fue 0,4 mostrando una capacidad predictiva media.

Con el conjunto de verificación el error obtenido fue mayor (0,15). La validación

externa fue aceptable con valores similares de acidez entre las muestras replicadas y con
el valor medido mediante análisis tradicional.

Tabla 1. Modelo realizado para predicción de acidez.

 Modelo con 4 Componentes Principales
N A M SECV/SEP SECV/sd r2 min max
N1 19 48 0,05 0,4 0,84 0,87 1,35
N2 35 0,15 - - 0,84 1,45
VALIDACIÓN EXTERNA
F1a F1b F2a F2b F3a F3b
Valor Real 0,82 0,82 0,65 0,65 0,73 0,73
Valor predicho 0,94 0,92 0,66 0,63 0,72 0,85
N1(2): validación cruzada (valid. verificación); A: anómalos; M: nº de muestras;
SECV/SEP: error típico de calib./predicción; r2: coef. determinación.

El modelo para determinación de brix (Tabla 2) mostró mejores resultados. Realizado

con 46 muestras en validación cruzada (N1) y 35 muestras de verificación (N2),
presentó un coeficiente de determinación de 0,91 y el cociente entre error de validación
cruzada y desviación típica de la población fue de 0,29 indicando mejor capacidad
predictiva que el anterior. Los límites de detección del modelo estuvieron entre 10,03 y
11,63. La validación externa también resultó muy aceptable con valores muy similares
en las muestras replicadas y pocas diferencias respecto al valor analítico de cada
muestra.

Tabla 2. Modelo realizado para predicción de brix.

Modelo de 4 componentes principales
N A M SECV SEP SECV/sd r2 min max
N1 21 46 0,12 0,29 0,91 10,03 11,63
N2 - 35 0,23 - - 9,62 11,98
VALIDACIÓN EXTERNA
F1a F1b F2a F2b F3a F3b
Valor Real 11,03 11,03 9,66 9,66 12,41 12,41
Valor predicho 10,74 10,49 9,98 9,78 12 12,58
N1(2): validación cruzada (valid. independiente); A: anómalos eliminados; M: nº de
muestras; SECV/SEP: error típico de calib./predicción; r2: coef. determinación.

El modelo para determinación de limonina (Tabla 3), mostró resultados inferiores a los
anteriores. Desarrollado con menor número de muestras en validación cruzada (38) y
con sólo 11 muestras de verificación presentó un coeficiente de determinación de 0,38,
límites de detección entre 1 y 6,5 y error de validación cruzada de1,06. El cociente entre
error de validación cruzada y desviación típica de la población fue alto (0,78). La
validación exterior de modelo mostró resultados aceptables. El valor predicho y medido
en las muestras replicadas fue muy similar teniendo en cuenta que son cantidades
expresadas en partes por millón.

Tabla 3. Modelo realizado para predicción de limonina.

 Modelo con 3 componentes principales.
N A M SECV/SEP SECV/sd r2 min max
N1 9 38 1,06 0,78 0,38 1 6,5
N2 - 11 1,9 - - 1,7 6,3
VALIDACIÓN EXTERNA
F1a F1b F2a F2b F3a F3b
Valor Real 2,7 2,7 3,7 3,7 1,3 1,3
Valor Predicho 3,02 2,79 3,41 3,8 2,09 2
N1(2): validación cruzada (valid. de referencia); A: anómalos eliminados; M: nº de
muestras; SECV/SEP: error típico de calib./predicción; r2: coef. determinación.

DISCUSIÓN GENERAL

Las mayores dificultades se presentaron en modelos de predicción de limonina aunque

los resultados en validación externa fueron aceptables mostrando aplicabilidad
potencial.

Los resultados ofrecen aplicabilidad potencial de la tecnología NIR para determinación

de azucares, acidez y limonina en la fabricación del zumo de naranja.

Los mejores resultados se obtuvieron en predicción de grados brix acorde con trabajos
previos realizados con el mismo producto.

BIBLIOGRAFÍA

Kemeny, G. J. (1992) Process analysis. Handbook of Near-Infrared Analysis. Marcel

Dekker, Inc, New York, pp. 53- 106.
Kimball D.A. (1999) Citrus Processing. A complete guide, 2ª ed.
Lanza E. and Li B.W. (1984) Application for Near Infrared Spectroscopy for predicting
the sugar content of fruit juices. Journal of food science, 49: 995-998.
López-Fernández J. (1995). La naranja, composición y cualidades de sus zumos y
esencias. Conselleria de Agricultura y Medio Ambiente de Valencia.
Martens, H. y Naes, T. (1989). Multivariate calibration. Chichester: Wiley & Sons.
Rodríguez-Saona L.E., Fry F.S., McLaughlin M.A. & Calvey E.M. (2001) Rapid analysis
of sugar in fruit juices by FT-NIR spectroscopy. Carbohydrate Research 336: 63-74.