Por qué importa la región de longitudes de onda
Los analizadores utilizados en la industria de alimentos y piensos y en plantas de proceso no solo difieren en el diseño óptico, sino también en qué parte del infrarrojo cercano registran. Pasquini define la región NIR como 750–2.500 nm y explica que sus absorciones son sobretonos y combinaciones de las vibraciones fundamentales de los enlaces O–H, C–H, N–H y S–H, cuyas fundamentales se sitúan en 3.000–4.000 nm [1]. Estas bandas son mucho más débiles que las fundamentales, y Beć y Huck señalan que la absortividad disminuye de forma constante hacia los sobretonos superiores y las combinaciones de orden superior [1][2]. Ese único hecho determina el compromiso principal de esta guía: donde las bandas son intensas y específicas, la luz penetra solo una distancia corta; donde la luz penetra profundamente, las bandas son débiles y están muy solapadas.
Las tres regiones y lo que contienen
El NIR de onda corta (por debajo de unos 1.100 nm) contiene los sobretonos de orden superior: Gonzaga y Pasquini construyeron un espectrofotómetro de bajo coste para 850–1.050 nm y pudieron asignar regiones espectrales a terceros sobretonos de tensión C–H [3]. Aquí las bandas son tan débiles que hay que aumentar el camino óptico para verlas: en el ejemplo del cloroformo de Pasquini, la región de 850–1.150 nm casi no muestra estructura con un camino de 1 mm, pero sí cinco bandas diferenciadas con 5 cm [1].
La región del primer sobretono (aproximadamente 1.100–1.800 nm) contiene los primeros sobretonos de las tensiones X–H y es donde los instrumentos InGaAs estándar recogen la mayor parte de su información; Lukacs et al., por ejemplo, encontraron los principales picos del vector de regresión en torno a 1.400–1.600 nm, asignados a primeros sobretonos N–H, al cuantificar adulterantes ricos en nitrógeno en proteínas en polvo [4].
La región de combinación, que Pasquini sitúa en 1.600–2.500 nm, alberga las bandas de combinación, menos atenuadas que los sobretonos, y es también donde las resonancias pueden desdoblar una banda en dos [1]. Lukacs et al. observaron en el mismo estudio rasgos de combinación N–H por encima de unos 2.000 nm [4]. Beć y Huck subrayan que todo el espectro NIR se compone de un número muy grande de contribuciones anarmónicas solapadas, por lo que incluso aquí las bandas individuales rara vez aparecen aisladas [2].
Profundidad de penetración: la otra cara de la intensidad de banda
La absorción débil es lo que permite a la luz NIR sondear el volumen de una muestra y no solo su superficie [2]. Las profundidades de penetración medidas disminuyen al aumentar la longitud de onda. Padalkar y Pleshko hallaron en cartílago unos 5 mm a 7.000–9.000 cm−1 (aproximadamente 1.110–1.430 nm), unos 3 mm a 5.100–7.000 cm−1 y solo 1–2 mm a 4.000–5.100 cm−1, la región de combinación [5]. En frutos de aguacate, Wedding et al. midieron una penetración en transmisión de unos 12 mm cerca de 834–885 nm, pero inferior a 3 mm entre aproximadamente 1.348 y 1.862 nm [6]. Pasquini señala lo mismo para los líquidos: el camino óptico de la celda debe reducirse a medida que se pasa de los sobretonos superiores a la región de combinación en torno a 2.200 nm [1].
Por eso el NIR de onda corta se utiliza con frutas y hortalizas enteras. Kawano et al. predijeron el azúcar en melocotones enteros en modo de interactancia utilizando términos de segunda derivada a 906, 878, 870 y 889 nm [7]. Los límites están igualmente documentados: Guerra et al. utilizaron dos instrumentos de bolsillo que trabajaban a 740–1.070 nm con 331 muestras de leche y obtuvieron un modelo adecuado para la grasa (R² de validación externa 0,93), pero modelos deficientes para lactosa, urea, células somáticas y punto de congelación, y concluyeron que la región contiene muy poca información para esos parámetros [8].
Los detectores deciden qué región ve un instrumento
Pasquini cita el silicio, el PbS y el InGaAs como los materiales de detector NIR más utilizados [1]. Beć et al. indican que los fotodiodos de Si mantienen una sensibilidad razonable desde el visible hasta unos 1.100 nm y son adecuados para instrumentos compactos y de bajo coste, que el InGaAs rinde mejor en torno a 1.000–1.600 nm con respuesta rápida y baja corriente de oscuridad, y que el InGaAs extendido tiene menor sensibilidad y puede requerir refrigeración [9]. Los instrumentos pueden combinar detectores: el equipo de sobremesa de red de difracción del estudio de Lukacs et al. utilizaba Si para 400–1.098 nm y PbS para 1.100–2.498 nm [4]. La revisión de Crocombe documenta cómo los módulos espectrales de visible y NIR de onda corta han hecho posibles dispositivos a precios de consumo [10]. Por tanto, la cobertura de longitudes de onda largas es una elección de detector, no algo reservado a una única arquitectura óptica [4][9].
Elegir una región en la práctica
Ninguna región es la mejor para todas las muestras. La literatura apunta a tres preguntas:
- ¿Dónde está la información del analito? Los componentes con firmas débiles o indirectas en la onda corta pueden necesitar la región de sobretonos o de combinación [8]; revise las asignaciones de bandas publicadas y espectros piloto antes de fijar el intervalo [2][4].
- ¿Qué grosor y qué heterogeneidad tiene la muestra? Las muestras enteras o gruesas favorecen las longitudes de onda más cortas, que ven más hondo en el material; los líquidos transparentes en celdas cortas pueden usar la región de combinación [1][5][6].
- ¿Qué permite la interfaz de muestreo? Lukacs et al. excluyeron las longitudes de onda por encima de 2.200 nm porque las sondas de fibra óptica introducen allí mucho ruido [4]; la sensibilidad del detector y las necesidades de refrigeración también cambian a lo largo del intervalo [9].
Cómo aborda USTECH la elección de la región
USTECH ofrece analizadores que cubren distintas partes de la región NIR y elige según la aplicación. El ProLine17EC y el ProLine17ECS son analizadores NIR en línea basados en detectores de matriz InGaAs; el ProLine2550 es un analizador FT-NIR en línea para mezcladoras, reactores y tuberías, y el MasterLine17EC un analizador NIR de sobremesa y at-line. Dentro de un espectro registrado, las regiones de longitud de onda se comparan y seleccionan durante el desarrollo del modelo en la suite caliX. Qué región y qué instrumento se adaptan a una muestra y una instalación concretas se establece en un estudio de viabilidad con sus propias muestras.
Referencias
- [1] Pasquini, C. (2003). Near infrared spectroscopy: fundamentals, practical aspects and analytical applications. Journal of the Brazilian Chemical Society, 14(2), 198–219. doi:10.1590/S0103-50532003000200006
- [2] Beć, K.B., Huck, C.W. (2019). Breakthrough Potential in Near-Infrared Spectroscopy: Spectra Simulation. A Review of Recent Developments. Frontiers in Chemistry, 7, 48. doi:10.3389/fchem.2019.00048
- [3] Gonzaga, F.B., Pasquini, C. (2010). A low cost short wave near infrared spectrophotometer: Application for determination of quality parameters of diesel fuel. Analytica Chimica Acta, 670(1–2), 92–97. doi:10.1016/j.aca.2010.04.060
- [4] Lukacs, M., Zaukuu, J.-L.Z., Bazar, G., Pollner, B., Fodor, M., Kovacs, Z. (2024). Comparison of Multiple NIR Spectrometers for Detecting Low-Concentration Nitrogen-Based Adulteration in Protein Powders. Molecules, 29(4), 781. doi:10.3390/molecules29040781
- [5] Padalkar, M.V., Pleshko, N. (2015). Wavelength-dependent penetration depth of near infrared radiation into cartilage. The Analyst, 140(7), 2093–2100. doi:10.1039/c4an01987c
- [6] Wedding, B.B., Wright, C., Grauf, S., White, R.D. (2024). Wavelength variation of the depth of penetration of near infrared radiation in ‘Hass’ avocado fruit. Technology in Horticulture, 4, e008. doi:10.48130/tihort-0024-0005
- [7] Kawano, S., Watanabe, H., Iwamoto, M. (1992). Determination of Sugar Content in Intact Peaches by Near Infrared Spectroscopy with Fiber Optics in Interactance Mode. Journal of the Japanese Society for Horticultural Science, 61(2), 445–451. doi:10.2503/jjshs.61.445
- [8] Guerra, A., De Marchi, M., Niero, G., Chiarin, E., Manuelian, C.L. (2024). Application of a short-wave pocket-sized near-infrared spectrophotometer to predict milk quality traits. Journal of Dairy Science, 107(6), 3413–3419. doi:10.3168/jds.2023-24302
- [9] Beć, K.B., Grabska, J., Huck, C.W. (2022). Miniaturized NIR Spectroscopy in Food Analysis and Quality Control: Promises, Challenges, and Perspectives. Foods, 11(10), 1465. doi:10.3390/foods11101465
- [10] Crocombe, R.A. (2018). Portable Spectroscopy. Applied Spectroscopy, 72(12), 1701–1751. doi:10.1177/0003702818809719

