Evaluación de las pérdidas en patata durante su almacenamiento por punción y tecnología NIRS

• C. Jarén ^[1] ; C. Pérez-Roncal ^[1] ; R. Pérez-García ; A. López-Maestresalas ^[1] ; J. I Ruiz de Galarreta
  1. [1] Universidad Pública de Navarra

     Universidad Pública de Navarra

     Pamplona, España

     
• Localización: X Congreso Ibérico de Agroingeniería: Libro de actas / Francisco Javier García Ramos (ed. lit.), Pablo Martín Ramos (ed. lit.), 2019, ISBN 978-84-16723-79-9, págs. 1221-1226
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen

  • La industria alimentaria se enfrenta al reto de ofrecer productos de mayor calidad, siendo los parámetros texturales los comúnmente empleados para el control de la misma. Factores como la variedad y el almacenamiento condicionan el destino de los tubérculos y tienen un impacto directo sobre su calidad. El objetivo de este estudio consistió en estudiar la viabilidad de la tecnología NIRS y de ensayos texturales para discriminar patatas en función de la calidad y el tiempo de almacenamiento. Se utilizaron 250 patatas de 25 variedades, que se conservaron refrigeradas en los 3 meses de ensayos. Cada 2 semanas se determinó el peso y la textura mediante ensayos de punción con texturómetro de 50 patatas (2 por variedad), además se adquirieron los espectros de reflectancia con un espectrofotómetro AOTF-NIR (1100-2300 nm). Por un lado, se analizaron los datos de peso y textura mediante un análisis de la varianza (ANOVA). Por otro, se realizó un análisis discriminante (DA) con las variables texturales y un análisis discriminante por mínimos cuadrados parciales (PLS-DA) con los datos espectrales, para conseguir diferenciar los tubérculos según el tiempo de almacenamiento. Se observó una disminución del peso medio y de la textura de las patatas a lo largo del almacenamiento, debido a la pérdida de humedad y, por tanto, de firmeza. El porcentaje de bien clasificados fue de un 40% para el DA desarrollado con las variables texturales, y de un 76,39% con el PLS-DA combinado con un pretratamiento de los datos espectrales con SNV y detrend.