El método tradicional de análisis de grados Brix en manzanas que se emplea en la industria es la refractometría. Si bien es un método sencillo y bastante económico, tiene como contrapartida que es destructivo, off-line, basado en un muestreo aleatorio y lento, por lo que es imposible analizar grandes volúmenes de producción.

• No destructiva: A diferencia de los métodos tradicionales, NIRS no requiere la destrucción de la muestra, permitiendo analizar la fruta en su totalidad y manteniéndola apta para su comercialización.
• Rápida: El análisis es inmediato, con tiempos de respuesta de milisegundos.
• Multiparamétrica: Un solo análisis NIRS puede proporcionar información sobre varios parámetros de calidad de manera simultánea.
• Reducción de mermas: Al identificar frutas de baja calidad inmediatamente, se pueden desviar antes de que continúen en el proceso de envasado, reduciendo el desperdicio de recursos.
• Optimización del almacenamiento: La tecnología NIRS puede identificar qué frutas tienen mayor potencial de almacenamiento, ayudando a las empresas a gestionar mejor sus inventarios.

El modelo NIRS que veremos a continuación para grados brix se realizó con 40 muestras y referencias de la variedad de manzana Golden Delicious. Los espectros y referencias se obtuvieron de 4 puntos distintos (réplicas) de cada manzana del set de calibración con el analizador de procesos Visum NIR In-Line™. Finalmente, para obtener el conjunto de valores de referencia se utilizó un refractómetro digital.

^{Figura 1: Grados brix – Principales figuras de mérito analizador de procesos Visum NIR In-Line™}

^{Figura 2: Muestras empleadas durante el entrenamiento del modelo (gris) y muestras separadas automáticamente (split) de validación interna (azul)              Figura 3: Riesgo de overfitting para el modelo de grados brix en manzanas de la variedad Golden Delicious}

Para el rango de muestras del set de calibración (11.1 – 15.8 brix) se obtuvo un RMSEP (Root Mean Square Error of Prediction) de ±0,3 y un coeficiente de correlación (R2) de 0.93 respecto a los resultados obtenidos mediante el método de referencia. El software Model Builder Visum Master™ también ejecuta automáticamente una rutina de calidad espectral para eliminar outliers espectrales, es decir, datos que se identifican fuera del campo del modelo durante la fase de entrenamiento y finalmente un test de permutaciones para determinar el riesgo de overfitting, que puede ser entendido como la probabilidad de que la calibración realizada no responda adecuadamente frente a muestras futuras (no utilizadas durante la calibración). Para este modelo el riesgo de overfitting fue de tan sólo 0.0015, demostrando la utilidad y precisión del analizador de procesos Visum NIR In-Line™ para el análisis en continuo en líneas clasificadoras de manzanas.