SciELO - Scientific Electronic Library Online

 
vol.30 issue3Effect of diets with high concentration of Saccharomyces cerevisiae on the proliferation of hemocytes in male shrimp Cryphiops caementariusLevels of oregano (Origanum vulgare) in the diet and its influence on the productive performance of the broiler author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

  • Have no cited articlesCited by SciELO

Related links

Share


Revista de Investigaciones Veterinarias del Perú

Print version ISSN 1609-9117

Abstract

MEJIA, Flor; YOPLAC, Ives; BERNAL, Wilmer  and  CASTRO, Wilson. Evaluación de modelos de predicción de composición química y energía bruta de kikuyo (Pennisetum clandestinum) usando espectroscopía en infrarrojo cercano (NIRS). Rev. investig. vet. Perú [online]. 2019, vol.30, n.3, pp.1068-1076. ISSN 1609-9117.  http://dx.doi.org/10.15381/rivep.v30i3.16598.

El objetivo de este estudio fue evaluar modelos de predicción de la composición química del pasto kikuyo (Pennisetum clandestinum) usando espectroscopía en el infrarrojo cercano (NIRS). Se recolectaron muestras de P. clandestinum del distrito de FloridaPomacochas, Amazonas, Perú, en tres edades de la planta (45, 60 y 75 días después del corte) y dos épocas del año (lluviosa y seca). Se determinó el contenido de humedad (H), proteína cruda (PC), extracto etéreo (EE), fibra cruda (FC), cenizas y energía bruta (EB). Se obtuvieron los espectros de absorbancia en el rango de longitud de onda de 1100-2500 nm. Mediante funciones y scripts de Matlab 2015ª se implementaron modelos de predicción, completos y optimizados, mediante redes neuronales (ANN) y regresión por mínimos cuadrados parciales (PLSR). Los modelos optimizados usaron 18 longitudes de onda relevantes, determinadas para ambos tipos de modelos de acuerdo a la matriz de beta coeficientes del modelo PLSR. Los modelos PLSR vs ANN, en la etapa de validación, mostraron mejores ajustes (R2>0.70) en H, PC, EE, cenizas y EB con un R2 de 0.74, 0,89, 0.79, 0.74 y 0.87, respectivamente. Por tanto, el modelo NIRS-PLSR tiene potencial en la predicción de la composición del pasto kikuyo (P. clandestinum).

Keywords : análisis químico; NIRS; PLSR; ANN; validación; Pennisetum clandestinum.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License