SciELO - Scientific Electronic Library Online

 
vol.30 número3Efecto de dietas con alta concentración de Saccharomyces cerevisiae sobre la proliferación de hemocitos en camarones Cryphiops caementarius machosNiveles de orégano (Origanum vulgare) en la dieta y su influencia en el rendimiento productivo del pollo de engorde índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

  • Não possue artigos citadosCitado por SciELO

Links relacionados

Compartilhar


Revista de Investigaciones Veterinarias del Perú

versão impressa ISSN 1609-9117

Resumo

MEJIA, Flor; YOPLAC, Ives; BERNAL, Wilmer  e  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).

Palavras-chave : análisis químico; NIRS; PLSR; ANN; validación; Pennisetum clandestinum.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )

 

Creative Commons License Todo o conteúdo deste periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons