TECNOLOGÍA

INFRARROJA PARA LA
DETECCIÓN DE
ADULTERANTES EN EL
SECTOR LÁCTEO
CADENA DE PRODUCCIÓN – DERIVADOS
LÁCTEOS

Centros de acopio /
Ganaderos Empresas industriales
Cooperativas

1. Recibo de materia
prima
2. Proceso de
producción
3. Producto terminado

Distribuidores Consumidores
ADULTERACIÓN DE LECHE CRUDA

Adulteración • Adición de sustancias similares a los

componentes de la leche para modificar
intencional los parámetros de pago por calidad.
Ganadería
Operaciones de transporte

Adulteración • Adición de componentes

accidental como agentes de limpieza
y/o agua.
Toda la cadena de producción
ADULTERACIÓN DE LECHE CRUDA
Decreto Nacional 616 del 2006: Resolución No. 17 de 2012 - MADR: Por la
Reglamento técnico sobre los requisitos cual se establece el pago de la leche
cruda al proveedor.
que debe cumplir la leche para consumo
humano.

PROTEÍNA

SÓLIDOS
TOTALES

PAGO POR GRASA

CALIDAD
APLICACIÓN DE LA TECNOLOGÍA INFRARROJA
(IR) PARA LA DETECCIÓN DE ADULTERANTES

Tecnología IR
Necesidad
y desarrollo
Adulteración de detección
de modelos
de leche y control
de
oportunos
predicción

CÓMO FUNCIONA?
TECNOLOGÍA INFRARROJA PARA
DETERMINACIÓN DE ADULTERANTES
Coincidencia entre la vibración natural y
la vibración de la energía exitante.
La energía es absorbida, se incrementa
la amplitud de vibración de la molécula
= un pico de absorbancia

Moléculas con enlaces covalentes

polares

No hay coincidencia
No hay absorbancia
No hay pico
TECNOLOGÍA INFRARROJA PARA
DETERMINACIÓN DE ADULTERANTES
Ley de Lambert Beer: Amplitud de la
onda es proporcional a la concentración
Concentración

Obtención de datos
finales

Longitud de onda
TECNOLOGÍA INFRARROJA PARA
DETERMINACIÓN DE ADULTERANTES
Detección de adulterantes por diferencias espectrales

ADULTERANTES
Difíciles de
detectar debido a
Azúcares Proteínas que su estructura
molecular es similar
a la estructura de
Grasas Almidón las moléculas
presentes en la
leche – Espectros
similares

ADULTERANTE
Agua Suero
S NATURALES
MAYOR
CONCENTRACIÓN
ADULTERANTES
Fáciles de detectar,
Nitrato de no son sustancias
amonio presentes
naturalmente en la
Urea Detergentes leche y marcan una
gran diferencia en el
espectro

Sulfato de ADULTERANTE Peróxido de

amonio S QUÍMICOS hidrógeno

MENOR
CONCENTRACIÓN
ADULTERANTES
0.4
ammonium sulphate
Milk
0.3
absorbance

0.2 melamine
urea

0.1

0.0
1000 1100 1200 1300 1400 1500 1600
wavenumber
ADULTERANTES
NIVEL DE
ADULTERANTE DESCRIPCIÓN
DETECCIÓN
Agua Aumentar el volumen >10%
Aumentar el contenido de proteína y enmascara la
Urea >100 ppm
adición de agua
Suero Aumentar la proteína 0,24 %
Formaldehído Ocultar la baja calidad microbiológica >700 ppm
Sucrosa Ajustar la densidad modificada por adición de agua >0,2%
Grasas y Aumentar el contenido de grasa
>1%
Aceites
Almidones Ajustar la densidad modificada por adición de agua >0,4%
Bicarbonatos Ocultar la baja calidad microbiológica >300 ppm
CLASES DE MODELOS DE PREDICCIÓN

MODELOS MODELOS NO
ESPECÍFICOS ESPECÍFICOS
Detecta únicamente un No identifica ningún
adulterante adulterante específico
Detecta todos los
Cuantifica la concentración adulterantes potenciales
del adulterante Detecta cualquier nuevo
adulterante
Límites de detección bajos ~ Mayores límites de detección
50 ppm ~ 300 ppm
DESARROLLO DE MODELOS ESPECÍFICOS

Selección de la muestra normal (sin

adulterantes)

Preparación de muestras adulteradas

Concentración del adulterante + Espectro de

cada muestra

Evaluación del modelo

• Set de muestras adulteradas (concentración conocida)
• Set de muestras de leche natural.
DETECCIÓN DE FALSOS POSITIVOS –
MODELOS ESPECÍFICOS
LoA = Límite de acción en unidades
de concentración

Límite se configura con base en la

concentración mínima del
adulterante que detecta el método
analítico.

Cada modelo tiene un LoA

específico relacionado con la
diferencia espectral que genere
respecto al espectro de la muestra
normal
DESARROLLO DE MODELOS NO
ESPECÍFICOS
Selección de muestras normales (diferentes regiones,
épocas del año, especies, etc…).

Escaneo de las muestras en un equipo IR.

Comparación del modelo con un set de muestras

adicionales.

Establecer límite de detección según las diferencias

espectrales de los sets de muestras utilizados.
DETECCIÓN DE FALSOS POSITIVOS -
MODELOS NO ESPECÍFICOS
CLASIFICACIÓN POR IR

NORMAL ANORMAL

QUÍMICA TRADICIONAL
En promedio

CLASIFICACIÓN POR
NORMAL
Verdadero Falso los modelos
Negativo Positivo
no
ANORMAL
Falso Verdadero específicos
Negativo Positivo tienen una
tolerancia
Límite = 3
del 1% para
falsos
positivos.

Puntuación ASM > Límite de detección Muestra anormal

VENTAJAS CON EL USO DE IR PARA
DETECCIÓN DE ADULTERANTES

Tiempo Costos

IR

Toma de
Errores
decisiones