Capacità predittiva della tecnologia FT-NIRs della composizione chimica di prodotti stagionati di suino
Resumen
Le tradizionali analisi chimiche dei prodotti stagionati richiedono tempo e sono costose e spesso distruttive. La spettroscopia NIRs ha il vantaggio di essere di rapida esecuzione, semplice, poco costosa ed ha la capacità di determinare un grande numero di parametri simultaneamente su un grande numero di campioni. Lo scopo di questo lavoro è quello di stimare la capacità predittiva della tecnologia FT-NIRs della composizione chimica di prodotti stagionati di suino. Sono stati campionati duecentodue prodotti stagionati (43 "Cuore di spalla", 26 Prosciutto Toscano e 33 "Capocollo) e sono state determinate le seguenti componenti chimiche: proteina, grasso intramuscolare, ceneri e composizione degli acidi grassi. Gli spettri NIR sono stati acquisiti usando uno strumento Thermo-Fisher Antaris II. I modelli di calibrazione e validazione sono stati sviluppati usando una regressione PLS (partial least squares); i modelli sono stati validati usando il metodo “leave-one-out". I modelli di calibrazione e validazione sono stati sviluppati sia per ognuno dei prodotti singolarmente sia unendo tutti i campioni in un unico dataset. I coefficienti di correlazione in calibrazione mostrano valori soddisfacenti (minimo R2=0.73), mentre i coefficienti di correlazione in validazione, sebbene siano generalmente accettabili, mostrano valori più bassi (minimo R2=0.42). Il migliore valori di R2 sono stati trovati per il contenuto in grasso (R2= 0.95 in validazione). I risultati, anche se ottenuti su un numero ridotto di campioni, mostrano che la tecnologia FT-NIRs potrebbe essere usata in analisi di routine di prodotti stagionati di suino.
Palabras clave
Prosciutto Toscano. Etichetta nutrizionale.Qualità della carne
Texto completo:
PDF (English)DOI: https://doi.org/10.21071/az.v67iSupplement.3593
Enlaces refback
- No hay ningún enlace refback.
Copyright (c) 2018 Archivos de Zootecnia
DESCARGA NUESTRA APLICACIÓN PARA SMARTPHONES
Haz click y sigue las intrucciones
Aplicación Móvil y Shorcut para Apple
Copyright
Esta obra está bajo una licencia de Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional.
Editorial
UCOPress. Cordoba University Press (UCOPress Editorial Universidad de Córdoba)
ISSN: 1885-4494
ROR Universidad de Córdoba: https://ror.org/05yc77b46