Multiparametric analysis and authentication of Argentinian vinegars from spectral sources

Abstract

Ultraviolet-visible (UV-Vis) and near infrared (NIR) spectroscopies allied to chemometrics were investigated for quality control and authentication of Argentinean wine and balsamic vinegars. First, a multiparametric approach was conducted to acquire predictive models by using partial least squares regression (PLS) to quantify total acidity, volatile acidity, fixed acidity, pH and total polyphenols that are the main quality parameters used to control products. Individual UV-Vis and NIR sensors as well as merged data were assessed. Reliability models with correlation coefficients higher than 0.99 and prediction error lesser than 2.2 were acquired for the UV-Vis data. Furthermore, a classification approach was performed on wine vinegar samples to classify them according to their acetification process. At first, the data provided by each individual sensor (UV-Vis and NIR) were separately analyzed by PLS-iscriminant analysis. Then, datasets were jointly analyzed by applying sequential and orthogonalized PLS coupled with linear discriminant analysis (SO-PLS-LDA). The overall accuracy of the fused model reached an optimal performance with a value of 0.92 in the prediction stage. Finally, according to the analysis proposed, this work reveals when it is proper to conduct a data fusion methodology.

Se investigaron las espectroscopias ultravioleta-visible (UV-Vis) e infrarroja cercana (NIR) aliadas a la quimiometría para control de calidad y autenticación de vinos y vinagres balsámicos argentinos. Primero, un enfoque multiparamétrico. se llevó a cabo para adquirir modelos predictivos mediante el uso de regresión de mínimos cuadrados parciales (PLS) para cuantificar el total acidez, acidez volátil, acidez fija, pH y polifenoles totales que son los principales parámetros de calidad utilizados para productos de control. Se evaluaron sensores UV-Vis y NIR individuales, así como datos combinados. Modelos de confiabilidad con coeficientes de correlación superiores a 0,99 y error de predicción inferior a 2,2 fueron adquiridos para el UV-Vis datos. Además, se realizó un enfoque de clasificación en muestras de vinagre de vino para clasificarlas según a su proceso de acetificación. Al principio, los datos proporcionados por cada sensor individual (UV-Vis y NIR) fueron analizados por separado mediante análisis discriminante PLS. Luego, los conjuntos de datos se analizaron conjuntamente aplicando secuencial y PLS ortogonalizado junto con análisis discriminante lineal (SO-PLS-LDA). La precisión general de la El modelo fusionado alcanzó un rendimiento óptimo con un valor de 0,92 en la etapa de predicción. Finalmente, según A partir del análisis propuesto, este trabajo revela cuándo es adecuado llevar a cabo una metodología de fusión de datos.