Prediction of fact and protein content in milk by light backscattering and tryptophan fluorescence

Backscattered light at 880 nm and tryptophan fluorescence (excitation and emission at 280 and 350 nm, respectively) were evaluated to predict milk fat and protein content (0.50 to 5.00% and 2.50 at 3.90%, respectively) with FluorLite CoAguLab, a coagulation sensor to predict curd cutting time to maximize cheese yield, which contains an optical probe at the bottom of the measuring cell. Simultaneously, creaming of fat globules was measured with Turbiscan LAB to see how it affected light scattering. Alternatively, VIS-NIR and NIR light backscattered spectra were obtained to investigate at which wavelengths could assist in improving the prediction models. Results were statistically analysed by analysis of variance, linear and non-linear predictive models, and PLS regression. The initial light backscatter signal at 880 nm is linearly correlated with fat content and improve in non-linear models with R^2 of 0.9798 and 0.9816, respectively. Protein content can be predicted with an initial light backscatter signal at 880 nm for different fat levels at 0.50, 2.75, 5.00% and fat-corrected non-linear models with R2 of 0.9894, 0.8548 and 0.9861, respectively. Tryptophan fluorescence is uncorrelated due to an unknown interactions. As time passes, the backscattered light signal and tryptophan fluorescence are diminished by creaming. The wavelengths of 700, 1250 and 1850 nm and the ratios of 750/500 and 1675/1475 show correlation with the fat content. Still, it is necessary to increase the number of observations to avoid overfitting in predictive models.Es va avaluar la llum retrodispersada a 880 nm i la fluorescència de triptòfan (excitació i emissió a 280 i 350 nm, respectivament) per predir el contingut de greix i proteïna de la llet (0,50 a 5,00 % i 2,50 a 3,90 %, respectivament) amb FluorLite CoAguLab, un sensor de coagulació per predir el temps de tall de la quallada per maximitzar el rendiment del formatge, que conté una sonda òptica a la part inferior de la cel·la de mesurament. Simultàniament, es va mesurar la formació de crema de glòbuls de greix amb Turbiscan LAB per veure com afectava la dispersió de la llum. Com a alternativa, es van obtenir espectres retrodispersats de llum VIS-NIR i NIR per investigar quines longituds d'ona podrien ajudar a millorar els models de predicció. Els resultats es van analitzar estadísticament mitjançant anàlisis de variància, models predictius lineals i no lineals i regressió PLS. El senyal de retrodispersió de llum inicial a 880 nm es correlaciona linealment amb el contingut de greix i millora en models no lineals amb R2 de 0,9798 i 0,9816, respectivament. El contingut de proteïna es pot predir amb un senyal de retrodispersió de llum inicial a 880 nm per a diferents nivells de greix a 0,50, 2,75, 5,00% i models no lineals corregits per greix amb R^2 de 0,9894, 0,8548 i 0,9861, respectivament. La fluorescència del triptòfan no està correlacionada a causa d'interaccions desconegudes. A mesura que passa el temps, el senyal de llum retrodispersada i la fluorescència del triptòfan disminueixen amb la formació de crema. Les longituds d'ona de 700, 1250 i 1850 nm i les relacions de 750/500 i 1675/1475 mostren correlació amb el contingut de greix. Tot i així, cal augmentar el nombre d'observacions per evitar el sobreajustament en els models predictius.Se evaluó la luz retrodispersada a 880 nm y la fluorescencia de triptófano (excitación y emisión a 280 y 350 nm, respectivamente) para predecir el contenido de grasa y proteína de la leche (0,50 a 5,00 % y 2,50 a 3,90 %, respectivamente) con FluorLite CoAguLab, un sensor de coagulación para predecir el tiempo de corte de la cuajada para maximizar el rendimiento del queso, que contiene una sonda óptica en la parte inferior de la celda de medición. Simultáneamente, se midió la formación de crema de glóbulos de grasa con Turbiscan LAB para ver cómo afectaba a la dispersión de la luz. Como alternativa, se obtuvieron espectros retrodispersados de luz VIS-NIR y NIR para investigar a qué longitudes de onda podrían ayudar a mejorar los modelos de predicción. Los resultados se analizaron estadísticamente mediante análisis de varianza, modelos predictivos lineales y no lineales y regresión PLS. La señal de retrodispersión de luz inicial a 880 nm se correlaciona linealmente con el contenido de grasa y mejora en modelos no lineales con R2 de 0,9798 y 0,9816, respectivamente. El contenido de proteína se puede predecir con una señal de retrodispersión de luz inicial a 880 nm para diferentes niveles de grasa a 0,50, 2,75, 5,00 % y modelos no lineales corregidos por grasa con R^2 de 0,9894, 0,8548 y 0,9861, respectivamente. La fluorescencia del triptófano no está correlacionada debido a interacciones desconocidas. A medida que pasa el tiempo, la señal de luz retrodispersada y la fluorescencia del triptófano disminuyen con la formación de crema. Las longitudes de onda de 700, 1250 y 1850 nm y las relaciones de 750/500 y 1675/1475 muestran correlación con el contenido de grasa. Aun así, es necesario aumentar el número de observaciones para evitar el sobreajuste en los modelos predictivos.Objectius de Desenvolupament Sostenible::8 - Treball Decent i Creixement EconòmicObjectius de Desenvolupament Sostenible::9 - Indústria, Innovació i Infraestructur