Avances en espectroscopía de infrarrojo cercano para la detección de calidad en tubérculos

Los tubérculos, como la patata, son fundamentales tanto por su valor nutricional como por su importancia económica. Estos alimentos funcionales son también cultivos comerciales estratégicos, ya que se pueden rotar fácilmente con cereales o leguminosas, y suelen generar mayores beneficios que los granos, oleaginosas o legumbres. Sin embargo, los métodos actuales para evaluar su calidad son ineficientes, lentos y destructivos.

La espectroscopía de infrarrojo cercano (NIR) se perfila como una tecnología prometedora para el análisis de calidad de manera no destructiva, precisa y rápida. En un reciente estudio, Ren et al. (2025) revisan diversas aplicaciones de esta técnica en la monitorización de la calidad de tubérculos, las cuales se analizan en este artículo.

Importancia de los tubérculos

Los tubérculos incluyen patata, boniato, yuca y ñame. Son alimentos básicos y nutritivos que también se utilizan en la producción de alimentos procesados y como materia prima en industrias que elaboran edulcorantes, almidones y alcoholes.

Entre ellos, la patata destaca como el principal cultivo alimentario no cereal. Se cultiva en más de 100 países, y casi la mitad de su producción y consumo se concentra en países en desarrollo. Aunque no suele exportarse a gran escala, es ampliamente comercializada a nivel nacional y desempeña un papel clave en la seguridad alimentaria. En 2023, la producción mundial de patata alcanzó los 383 millones de toneladas.

No obstante, los métodos convencionales para evaluar su calidad—principalmente análisis químicos—son destructivos, lentos y poco eficientes. El sector necesita herramientas de evaluación que sean no destructivas, rápidas, precisas y fáciles de usar. La monitorización de la calidad poscosecha puede mejorar el retorno de inversión de productores y procesadores, además de garantizar productos de mayor valor para los consumidores.

Espectroscopía NIR: principios y ventajas

La espectroscopía NIR se ha consolidado como una tecnología eficaz para monitorear la calidad de frutas y hortalizas frescas, determinar el momento óptimo de cosecha y facilitar procesos como clasificación, autenticación y fijación de precios.

Por más de una década, Felix Instruments - Applied Food Science ha desarrollado dispositivos portátiles basados en NIR de alta precisión para uso en campo. Sus medidores de calidad F-750 y F-751, incluyendo versiones personalizadas para uvas, mangos, kiwis, aguacates y melones, permiten medir de forma no destructiva parámetros como materia seca, contenido de azúcares, acidez titulable y color.

La tecnología NIR se basa en la absorción, reflexión y transmisión de la luz en el rango de 780–2500 nm. Cada grupo químico funcional genera un espectro característico, lo que permite identificar compuestos y estimar su concentración. Modelos quimiométricos analizan los datos espectrales para ofrecer resultados cuantitativos, precisos y útiles.

Además de ser no destructiva, sensible, fácil de operar y amigable con el medioambiente, esta tecnología puede integrarse en dispositivos portátiles para análisis manuales o sensores fijos para monitoreo en línea o en tiempo real durante el procesamiento. Así, es útil tanto en análisis de materias primas como en control de calidad continuo.

Evaluación de calidad interna de tubérculos con NIR

El análisis de calidad interna es especialmente relevante cuando los tubérculos se destinan a procesamiento. En líneas de producción, la espectroscopía NIR permite evaluar componentes como proteínas, humedad, azúcares, almidón y antocianinas, como se resume a continuación:

Proteínas

Las proteínas son importantes tanto para la alimentación como para la salud. NIR detecta su presencia mediante la interacción con los grupos N-H. En un estudio, se combinaron datos espectrales con imágenes hiperespectrales y se aplicaron modelos PLS para analizarlas en boniato. Aún se requieren más investigaciones para mejorar la selección de longitudes de onda y métodos de preprocesamiento.

Contenido de azúcares

Los azúcares reductores determinan el sabor y calidad del boniato, y son clave para procesos como la fermentación alcohólica. También se usan para estimar la dulzura en patatas moradas. Modelos PLS y MLR han demostrado ser efectivos para estas predicciones, aunque incorporar técnicas de preprocesamiento mejoraría la precisión.

Sólidos solubles

Además de los azúcares, otros sólidos solubles mejoran el sabor. Modelos basados en aprendizaje extremo y datos espectrales han logrado estimarlos en boniato con éxito.

Almidón

El almidón es esencial en la producción de alimentos, biocombustibles y productos farmacéuticos. Su distribución y cantidad determinan el tipo de procesamiento requerido. NIR ha mostrado ser eficaz para estimar almidón en patata, boniato y yuca cuando se combina con modelos quimiométricos.

Contenido de agua

La humedad influye en la capacidad de almacenamiento y en la susceptibilidad al deterioro. La interacción de NIR con los grupos O-H permite estimar el contenido de agua, aunque los modelos actuales aún necesitan mejoras para aplicaciones prácticas en campo.

Antocianinas

Estos pigmentos antioxidantes, responsables del color púrpura en algunas patatas, disminuyen durante el almacenamiento debido a factores ambientales. Su pérdida afecta el valor nutricional. La espectroscopía NIR ha permitido monitorear estos cambios de color y concentración en boniatos y patatas moradas.

Además de la calidad interna, la tecnología NIR también permite evaluar características externas, haciendo de esta herramienta una solución integral para la monitorización de la calidad de tubérculos en toda la cadena de valor.

Accede al artículo completo