Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds

La patata (Solanum tuberosum L.) es uno de los alimentos de mayor importancia a nivel mundial debido a su facilidad de cultivo, versatilidad culinaria y elevado aporte energético. La producción mundial de patata se ha incrementado de forma sostenida durante las últimas décadas, superando actualmente...

Descripción completa

Detalles Bibliográficos
Autor: Peraza Alemán, Carlos Miguel
Tipo de recurso: tesis doctoral
Fecha de publicación:2026
País:España
Institución:Universidad Pública de Navarra
Repositorio:Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
OAI Identifier:oai:dnet:academicae__::bc5473d0f00f390ce37e7a9e8d6c9cfe
Acceso en línea:https://hdl.handle.net/2454/56990
Access Level:acceso embargado
Palabra clave:Patata
Cambio climático
Compuestos nocivos
Espectroscopía en el infrarrojo cercano
Imagen hiperespectral
Azucares reductores
Acrilamida
Potato
Climate change
Harmful compounds
Near-infrared spectroscopy
Hyperspectral imaging
Reducing sugars
Acrylamide
id ES_4aef568f2869e2e062ac62bb46a0b80d
oai_identifier_str oai:dnet:academicae__::bc5473d0f00f390ce37e7a9e8d6c9cfe
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
title Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
spellingShingle Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
Peraza Alemán, Carlos Miguel
Patata
Cambio climático
Compuestos nocivos
Espectroscopía en el infrarrojo cercano
Imagen hiperespectral
Azucares reductores
Acrilamida
Potato
Climate change
Harmful compounds
Near-infrared spectroscopy
Hyperspectral imaging
Reducing sugars
Acrylamide
title_short Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
title_full Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
title_fullStr Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
title_full_unstemmed Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
title_sort Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compounds
dc.creator.none.fl_str_mv Peraza Alemán, Carlos Miguel
author Peraza Alemán, Carlos Miguel
author_facet Peraza Alemán, Carlos Miguel
author_role author
dc.contributor.none.fl_str_mv Arazuri Garín, Silvia
López Maestresalas, Ainara
Ingeniería
Ingeniaritza
dc.subject.none.fl_str_mv Patata
Cambio climático
Compuestos nocivos
Espectroscopía en el infrarrojo cercano
Imagen hiperespectral
Azucares reductores
Acrilamida
Potato
Climate change
Harmful compounds
Near-infrared spectroscopy
Hyperspectral imaging
Reducing sugars
Acrylamide
topic Patata
Cambio climático
Compuestos nocivos
Espectroscopía en el infrarrojo cercano
Imagen hiperespectral
Azucares reductores
Acrilamida
Potato
Climate change
Harmful compounds
Near-infrared spectroscopy
Hyperspectral imaging
Reducing sugars
Acrylamide
description La patata (Solanum tuberosum L.) es uno de los alimentos de mayor importancia a nivel mundial debido a su facilidad de cultivo, versatilidad culinaria y elevado aporte energético. La producción mundial de patata se ha incrementado de forma sostenida durante las últimas décadas, superando actualmente los 370 millones de toneladas anuales. Simultáneamente, y como respuesta al cambio climático, se ha trabajado en el desarrollo de nuevos genotipos vegetales adaptados a dichos cambios. A pesar de este sostenido incremento productivo, el sector se enfrenta a retos significativos, ya que durante el procesamiento industrial de la patata pueden generarse compuestos nocivos como la acrilamida, con efectos adversos para la salud del consumidor. Entre los factores que más influye en el contenido final de acrilamida en patatas fritas se encuentran las concentraciones de azúcares reductores y asparagina presentes en el tubérculo crudo. En este contexto, resulta necesario establecer un control de la calidad en patata riguroso con el fin minimizar el impacto negativo en el consumidor final. Actualmente, las técnicas instrumentales empleadas para la determinación de estos compuestos de interés son lentas en relación con los niveles de producción industrial, además de costosas y laboriosas. En este sentido, las técnicas de espectroscopía en el infrarrojo cercano (NIRS) y de imagen hiperespectral (HSI) han demostrado ser herramientas eficientes para la determinación de compuestos de interés en patata, al tratarse de métodos rápidos, precisos y con potencial para su implementación en línea. Por ello, el objetivo de esta tesis es demostrar el potencial de la espectroscopía NIR y de la imagen hiperespectral en la predicción del contenido de azúcares reductores en patata cruda de múltiples genotipos de patata, así como en la estimación de acrilamida en patata procesada tipo chip. Para la predicción de azúcares reductores se adquirieron datos espectrales, por un lado, de 114 genotipos de patata cruda mediante un espectrofotómetro sensible en el rango de 1200 a 2200 nm, y por otro, de 92 genotipos con un sistema de imagen hiperespectral cubriendo el rango de 900 a 1700 nm. Por otro lado, para la predicción del contenido de acrilamida se analizaron 300 muestras de patatas chips pertenecientes a las variedades Agria y Jaerla utilizando ambos equipos. Las imágenes hiperespectrales y los datos espectroscópicos se procesaron en el software MATLAB R2021a. Se emplearon los métodos de análisis multivariante de mínimos cuadrados parciales (PLS) y máquinas de vectores de soporte (SVM), los cuales demostraron ser efectivos en la predicción de estos compuestos. En el caso de los azúcares reductores se obtuvieron errores de 0,061% 0,053% para NIRS y HSI, respectivamente. En relación a la acrilamida, el empleo de la tecnología NIRS permitió clasificar correctamente el 88% de las muestras de acuerdo a contenidos bajos y altos de este compuesto, mientras que, con la aplicación de la técnica HSI se obtuvo un error de predicción de 201 μg/kg. Además, la aplicación de métodos de selección de longitudes de onda permitió obtener modelos más sencillos sin comprometer su robustez. Finalmente, la aplicación de los modelos desarrollados en el caso de las imágenes hiperespectrales permitieron visualizar la distribución espacial de azúcares reductores en rodajas de patata cruda y de la acrilamida en patatas chips. Como conclusión, se ha demostrado que el empleo de técnicas de espectroscopía y de imagen hiperespectral combinadas con análisis multivariante constituyen una herramienta eficaz para la predicción de compuestos de interés en patata con una posible aplicación directa en la industria alimentaria.
publishDate 2026
dc.date.none.fl_str_mv 2026
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/2454/56990
url https://hdl.handle.net/2454/56990
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.relation.none.fl_str_mv info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-109790RR-C22
info:eu-repo/grantAgreement/AEI//PRE2020–094533
dc.rights.none.fl_str_mv Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
instname:Universidad Pública de Navarra
instname_str Universidad Pública de Navarra
reponame_str Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
collection Academica-e. Repositorio Institucional de la Universidad Pública de Navarra
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869407526779355136
spelling Near-infrared spectroscopy and hyperspectral imaging for the non-invasive prediction of potato quality compoundsPeraza Alemán, Carlos MiguelPatataCambio climáticoCompuestos nocivosEspectroscopía en el infrarrojo cercanoImagen hiperespectralAzucares reductoresAcrilamidaPotatoClimate changeHarmful compoundsNear-infrared spectroscopyHyperspectral imagingReducing sugarsAcrylamideLa patata (Solanum tuberosum L.) es uno de los alimentos de mayor importancia a nivel mundial debido a su facilidad de cultivo, versatilidad culinaria y elevado aporte energético. La producción mundial de patata se ha incrementado de forma sostenida durante las últimas décadas, superando actualmente los 370 millones de toneladas anuales. Simultáneamente, y como respuesta al cambio climático, se ha trabajado en el desarrollo de nuevos genotipos vegetales adaptados a dichos cambios. A pesar de este sostenido incremento productivo, el sector se enfrenta a retos significativos, ya que durante el procesamiento industrial de la patata pueden generarse compuestos nocivos como la acrilamida, con efectos adversos para la salud del consumidor. Entre los factores que más influye en el contenido final de acrilamida en patatas fritas se encuentran las concentraciones de azúcares reductores y asparagina presentes en el tubérculo crudo. En este contexto, resulta necesario establecer un control de la calidad en patata riguroso con el fin minimizar el impacto negativo en el consumidor final. Actualmente, las técnicas instrumentales empleadas para la determinación de estos compuestos de interés son lentas en relación con los niveles de producción industrial, además de costosas y laboriosas. En este sentido, las técnicas de espectroscopía en el infrarrojo cercano (NIRS) y de imagen hiperespectral (HSI) han demostrado ser herramientas eficientes para la determinación de compuestos de interés en patata, al tratarse de métodos rápidos, precisos y con potencial para su implementación en línea. Por ello, el objetivo de esta tesis es demostrar el potencial de la espectroscopía NIR y de la imagen hiperespectral en la predicción del contenido de azúcares reductores en patata cruda de múltiples genotipos de patata, así como en la estimación de acrilamida en patata procesada tipo chip. Para la predicción de azúcares reductores se adquirieron datos espectrales, por un lado, de 114 genotipos de patata cruda mediante un espectrofotómetro sensible en el rango de 1200 a 2200 nm, y por otro, de 92 genotipos con un sistema de imagen hiperespectral cubriendo el rango de 900 a 1700 nm. Por otro lado, para la predicción del contenido de acrilamida se analizaron 300 muestras de patatas chips pertenecientes a las variedades Agria y Jaerla utilizando ambos equipos. Las imágenes hiperespectrales y los datos espectroscópicos se procesaron en el software MATLAB R2021a. Se emplearon los métodos de análisis multivariante de mínimos cuadrados parciales (PLS) y máquinas de vectores de soporte (SVM), los cuales demostraron ser efectivos en la predicción de estos compuestos. En el caso de los azúcares reductores se obtuvieron errores de 0,061% 0,053% para NIRS y HSI, respectivamente. En relación a la acrilamida, el empleo de la tecnología NIRS permitió clasificar correctamente el 88% de las muestras de acuerdo a contenidos bajos y altos de este compuesto, mientras que, con la aplicación de la técnica HSI se obtuvo un error de predicción de 201 μg/kg. Además, la aplicación de métodos de selección de longitudes de onda permitió obtener modelos más sencillos sin comprometer su robustez. Finalmente, la aplicación de los modelos desarrollados en el caso de las imágenes hiperespectrales permitieron visualizar la distribución espacial de azúcares reductores en rodajas de patata cruda y de la acrilamida en patatas chips. Como conclusión, se ha demostrado que el empleo de técnicas de espectroscopía y de imagen hiperespectral combinadas con análisis multivariante constituyen una herramienta eficaz para la predicción de compuestos de interés en patata con una posible aplicación directa en la industria alimentaria.Potato (Solanum tuberosum L.) is one of the most important food crops worldwide due to its ease of cultivation, culinary versatility, and high energy contribution. Global potato production has steadily increased over recent decades, currently exceeding 370 million tonnes per year. At the same time, and in response to climate change, significant efforts have been devoted to the development of new plant genotypes adapted to these environmental changes. Despite this sustained increase in production, the potato sector faces major challenges, as harmful compounds such as acrylamide may be generated during industrial processing, posing adverse effects on consumer health. Among the factors that most influence the final acrylamide content in fried potatoes are the concentrations of reducing sugars and asparagine present in the raw tuber. In this context, the establishment of rigorous quality control strategies for potatoes is essential in order to minimise negative impacts on the final consumer. Currently, the instrumental techniques used for the determination of these compounds are slow relative to industrial production rates, as well as costly and labour-intensive. In this regard, near-infrared spectroscopy (NIRS) and hyperspectral imaging (HSI) have proven to be efficient tools for the determination of relevant compounds in potatoes, as they are rapid, accurate, and show strong potential for online implementation. Therefore, the aim of this doctoral thesis is to demonstrate the potential of NIR spectroscopy and hyperspectral imaging for predicting reducing sugar content in raw potatoes from multiple genotypes, as well as for estimating acrylamide levels in processed potato chips. For the prediction of reducing sugars, spectral data were acquired from 114 raw potato genotypes using a spectrophotometer operating in the 1200–2200 nm range, and from 92 genotypes using a hyperspectral imaging system covering the 900–1700 nm range. For acrylamide prediction, 300 potato chip samples from the Agria and Jaerla cultivars were analysed using both instruments. Hyperspectral images and spectroscopic data were processed using MATLAB R2021a. Partial least squares (PLS) and support vector machine (SVM) methods were applied, both of which proved effective for the prediction of the target compounds. For reducing sugars, prediction errors of 0.061% and 0.053% were obtained for NIRS and HSI, respectively. Regarding acrylamide, NIRS enabled the correct classification of 88% of the samples into low and high-levels, while the application of HSI resulted in a prediction error of 201 μg/kg. In addition, the application of wavelength selection methods allowed the development of simpler models without compromising robustness. Finally, the application of the developed models to hyperspectral images enabled the visualisation of the spatial distribution of reducing sugars in raw potato slices and acrylamide in potato chips. In conclusion, the results demonstrated that the combination of spectroscopic and hyperspectral imaging techniques with multivariate analysis constitutes an effective tool for the prediction of compounds of interest in potatoes, with strong potential for direct application in the food industry.This work was supported by the Ministerio de Ciencia, Innovación y Universidades (MICIU/AEI /10.13039/501100011033), Spain, project: PID2019-109790RR-C22 and the predoctoral grant (PRE2020–094533) associated to it.Programa de Doctorado en Agroalimentación (RD 99/2011)Nekazaritzako Elikagaietako Doktoretza Programa (ED 99/2011)Arazuri Garín, SilviaLópez Maestresalas, AinaraIngenieríaIngeniaritza2026info:eu-repo/semantics/doctoralThesisapplication/pdfhttps://hdl.handle.net/2454/56990reponame:Academica-e. Repositorio Institucional de la Universidad Pública de Navarrainstname:Universidad Pública de NavarraInglésinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-109790RR-C22info:eu-repo/grantAgreement/AEI//PRE2020–094533Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ESinfo:eu-repo/semantics/embargoedAccessoai:dnet:academicae__::bc5473d0f00f390ce37e7a9e8d6c9cfe2026-06-17T12:41:47Z
score 15,811543

Similares en LA Referencia