NIRS. Su uso en la evaluación de alimento para animales
Abstract
Antecedentes: La Espectroscopia en el Infrarrojo Cercano (NIRS, por sus siglas en inglés) se basa en la interacción con la materia de las radiaciones infrarrojas cercanas al espectro visible. Desde la década del 70 del pasado siglo, la NIRS se ha estado usando en la predicción de componentes del valor nutritivo de alimentos para animales. Objetivo. Dar una visión sobre las características de la NIRS y su uso en la evaluación de alimento para animales. Desarrollo: El primer uso significativo de la NIRS para la evaluación de alimentos animal fue reportado en 1976. Su utilización se ha incrementado notablemente dada su rapidez, ser no destructiva y la buena relación efectividad costo. Un papel importante en tales mejoras lo constituye la integración de procedimientos de relativa complejidad para el manejo de un número elevado de datos, pues se requiere de modelos estadísticos de predicción previamente obtenidos durante la calibración. Debe recolectarse un conjunto diverso de muestras que cubran el rango completo de variaciones esperadas en los parámetros de interés. El modelo se prueba con un grupo independiente de muestras con valores de referencia conocidos. Esto permite evaluar su rendimiento mediante estadísticas como el coeficiente de determinación y el error estándar de predicción. Conclusión: NIRS es la espectroscopia de mayor avance en las últimas décadas. En la producción animal puede ser utilizada para la gradación de calidad de los alimentos, formulación del alimento, y verificación de la calidad del producto final.
Palabras claves: alimento animal, espectroscopia, modelos de regresión, infrarrojo cercano (Fuente: AIMS)
Downloads
References
Amaral, R. (2022). Tecnología NIR: ¿Qué es, cómo funciona y cuál es su impacto en la formulación? Optimal blog, Brasil. https://optimal.com.br/es/blog/tecnologia-nirs-que-es-como-funciona-y-cual-es-su-impacto-en-la-formulacion/
Bagavan, P., Narayana, K., Harani, M., & Das, T. (2023) Analysis of Feed and Fodder by Using Near Infrared Reflectance Spectroscopy (NIRS). Advance Analytical Techniques in Animal Nutrition (pp.63-74) I Ed. Chapter: 5. AkiNik Publications. https://www.researchgate.net/publication/375910741_Analysis_of_Feed_and_Fodder_by_Using_Near_Infrared_Reflectance_Spectroscopy_NIRS
Bandyopadhyay, R., Sing, D., Banerjee, S., Mahtab, A., Das Mahapatra, S., Ajanto & Kumar H., A. (2025) Estimation of Paracetamol in Intact Tablets Using Near-Infrared Spectroscopy and Artificial Neural Networks. Oral conference. Roma NIR2025 Abstracts Book. https://nir2025.sisnir.org/wp-content/uploads/2025/05/ABSTRACT-BOOK.pdf
Barber, S., Lindgren, E., & Robertsson, J. (1990). Advances in forage digestibility prediction using near-infrared spectroscopy: A comparative study with traditional methods. Journal of Animal Science, 68(4), 1201-1210.
Benelli, A., Primi, R., Evangelista, C., Spina, R., Milanesi, M., Pietrucci, D., & Moscetti, R. (2025). Predicting Forage Nutritional Quality With Near‐Infrared Spectroscopy. Journal of Sustainable Agriculture and Environment, 4(3), e70077. https://onlinelibrary.wiley.com/doi/epdf/10.1002/sae2.70077
Bristy, K. K., Ghosh, D., & Hashem, M. A. (2025). NIRS and machine learning algorithms as a non-invasive technique to discriminate and classify cooked broiler and duck meat. Applied Food Research, 5(1), 100984. https://doi.org/10.1016/j.afres.2025.100984
Campos, M. (2015) Aplicación de la tecnología NIRS para la determinación de sodio y potasio en suelos. Tesis doctoral. Facultad de ciencias, Departamento de química analítica, Universidad de Valladolid. https://uvadoc.uva.es/bitstream/handle/10324/17713/TESIS722160114.pdf?sequence=1
Candelaria-Carbajo, M. (2023). NIRS, la solución al análisis de calidad alimentaria. All Pet Food Magazine. https://allpetfood.net/entrada/nirs-la-solucion-al-analisis-de-calidad-alimentaria-54255
Castillo, M. S., Griggs, T. C., Digman, M. F., Vendramini, J. M., Dubeux Jr, J. C., & Pedreira, C. G. (2025). Reporting forage nutritive value using near‐infrared reflectance spectroscopy. Crop Science, 65(3), e70063. https://repositorio.usp.br/item/003247789
Catunda, K. L., Churchill, A. C., Power, S. A., & Moore, B. D. (2022). Near infrared spectroscopy calibration strategies to predict multiple nutritional parameters of pasture species from different functional groups. Journal of Near Infrared Spectroscopy, 30(5), 254-263. https://doi.org/10.1101/2021.07.31.454175
Estupiñán, C., Carcelén, F., Hidalgo, V., Rojas, D., Vera, O., López, S., & Bezada, S. (2021). Aplicación de la espectroscopía del infrarrojo cercano-NIRS-para determinar el valor nutritivo de variedades de alfalfa (Medicago sativa L) y trébol rojo (Trifolium pratense L). Revista de Investigaciones Veterinarias del Perú, 32(1), NA-NA. http://dx.doi.org/10.15381/rivep.v32i1.19491
Evans, M. (2021). Near-infrared reflectance spectroscopy: The tech that’s taking the guess-work out of assessing feed quality. https://cgspace.cgiar.org/items/68e80fdd-f99f-4972-bd23-c4d8cec67c8c
Fan Wei Hong F., & Seng Chia K. (2021). A review on recent near infrared spectroscopic measurement setups and their challenges. Measurement, 171, 108732. https://doi.org/10.1016/j.measurement.2020.108732
Garcia, R., & Flanagan, S (2024). Optimising feed strategy with NIR technology. An interview. AB Vista website. https://www.abvista.com/news/optimising-feed-strategy-with-nir-technology
Garrido, A., Gómez, A., Guerrero, J. E., & Fernández, V. (1996). NIRS: Una tecnología de apoyo para un servicio integral en Alimentación Animal. XII Curso de Especialización FEDNA. Madrid. https://fedna.biolucas.com/wp-content/uploads/2021/11/96CAP_XIV.pdf
Gomez, J., Barquero-Pérez, O., Gonzalo, J., Salgüero, S., Riado, D., Casas, M. L., & Catalá, M. (2024). Near infrared spectroscopy (NIRS) and machine learning as a promising tandem for fast viral detection in serum microsamples: A preclinical proof of concept. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 322, 124819. https://doi.org/10.1016/j.saa.2024.124819
Han, K., Pitman, B., & Alison, W. (2022). Non destructive analysis on agricultural products using near-infrared spectroscopy. https://www.lsuagcenter.com/articles/page1663167906466
Hervera, M., Castrillo, C., Albanell, E., & Baucells, M. D. (2012). Use of near-infrared spectroscopy to predict energy content of commercial dog food. Journal of animal science, 90(12), 4401-4407. https://pubmed.ncbi.nlm.nih.gov/23100585/
Hossain, M. E., Kabir, M. A., Zheng, L., Swain, D. L., McGrath, S., & Medway, J. (2024). Near-infrared spectroscopy for analysing livestock diet quality: A systematic review. Heliyon, 10(22). https://doi.org/10.1016/j.heliyon.2024.e4001
HUANG, Haowen, et al. Stacking and ridge regression-based spectral ensemble preprocessing method and its application in near-infrared spectral analysis. Talanta, 2024, vol. 276, p. 126242. https://doi.org/10.1016/j.talanta.2024.126242
Ibrahim, M., Santoso, B., & Wahyudi, A. (2023). Rapid and non-destructive prediction of animal feed nutritive parameters using near infrared spectroscopy and multivariate analysis. International Journal of Design & Nature and Ecodynamics, 18(4). https://doi.org/10.18280/ijdne.180422
Jun Zhang, Limin Dai, & Yanlong Song, Rui Zhong (contributors) (2023). Scholarly Community Encyclopedia. The Principles and Characteristics of NIR Spectroscopy. Food Science & Technology. https://encyclopedia.pub/entry/41803
Kun-Jun, H. (2023). Nondestructive Analysis on Agricultural Products Using Near-Infrared Spectroscopy. AgCenter, College of Agriculture Web. https://www.lsuagcenter.com/articles/page1663167906466
Lizárraga-Hernández, F., Agüero-Fernández, Y., Cortés-Jacinto, E., Vega-Villasante, F, Vargas-Ceballos, M., & Martín-Manzo, M. (2021). El uso del NIRS como alternativa viable en el análisis químico. Recursos Naturales y Sociedad, 7(1), 19-34. https://www.cibnor.gob.mx/revista-rns/pdfs/vol8num2/3_EL_USO.pdf
Maduro Dias, C., Nunes, H., & Borba, A. (2024). Near-infrared spectroscopy in animal nutrition: Historical insights, technical principles, and practical applications. Analytica, 5(4), 481-498. https://doi.org/10.3390/analytica5040033
Mendoza, P. T. D., Hurburgh, C. R., Maier, D. E., & Armstrong, P. R. (2023). NIR spectral imaging for animal feed quality and safety. Applied Engineering in Agriculture, 39(6), 553-564. https://elibrary.asabe.org/abstract.asp?aid=54509
Murphy, D. J., O'Brien, B., O'Donovan, M., Condon, T., & Murphy, M. D. (2022). A near infrared spectroscopy calibration for the prediction of fresh grass quality on Irish pastures. Information Processing in Agriculture, 9(2), 243-253. https://doi.org/10.1016/j.inpa.2021.04.012
Nipane, S. F., Kawitkar, S. B., Dhok, A. P., Chopade, S. V., Jawale, M. R., Lende, S. R., & Roupesh, G. (2023). NIRS: analytical tools in discernment in animal nutrition research and allied Field. Journal of Livestock Science, (14). https://doi.org/10.33259/JLivestSci.2023.41-46
Norris, K. H., Barnes, R. F., Moore, J. E., & Shenk, J. S. (1976). Predicting forage quality by infrared replectance spectroscopy. Journal of animal science, 43(4), 889-897. https://doi.org/10.2527/jas1976.434889x
Pereira-Crespo, S. (2021). Las ecuaciones NIRS, nuevas alternativas de análisis para conocer la calidad de los forrajes en las ganaderías de leche. Campo galego Xornal dixital agrario. https:// www.campogalego.es/las-ecuaciones-nirs-nuevas-alternativas-de-analisis- para-conocer-la-calidad-de-los-forrajes-en-las-ganaderias-de-leche/
Reddy, P. B., Harani, M., Rathode, K. N., Das, T., & Namdeo, S. (2023). Analysis of Feed and Fodder by Using Near Infrared Reflectance Spectroscopy (NIRS). Técnicas analíficas avançadas em nutrição animal, 63-74. https://www.researchgate.net/profile/P-Reddy-31/publication/375910741_Analysis_of_Feed_and_Fodder_by_Using_Near_Infrared_Reflectance_Spectroscopy_NIRS/links/6561f0c9b86a1d521b0b1b11/Analysis-of-Feed-and-Fodder-by-Using-Near-Infrared-Reflectance-Spectroscopy-NIRS.pdf.
Rodríguez-Hernández, P., Díaz-Gaona, C., Reyes-Palomo, C., Sanz-Fernández, S., Sánchez-Rodríguez, M., Rodríguez-Estévez, V., & Núñez-Sánchez, N. (2023). Preliminary feasibility of near-infrared spectroscopy to authenticate grazing in dairy goats through milk and faeces analysis. Animals, 13(15), 2440. https://doi.org/10.3390/ani130410417735
Santos, M. C., Viana, J. L., Monteiro, J. D., Freire, R. C., Freitas, D. L., Câmara, I. M., ... & Lima, K. M. (2022). Infrared spectroscopy (NIRS and ATR-FTIR) together with multivariate classification for non-destructive differentiation between female mosquitoes of Aedes aegypti recently infected with dengue vs. uninfected females. Acta tropica, 235, 106633. https://doi.org/10.1016/j.actatropica.2022.106633
Si-Ware. (2024). Comprender los principios de la espectroscopia NIR. Sitio web https://www.si-ware.com/es/blogs/from-light-to-insight-grasping-the-principles-of-nir-spectroscopy
Skvaril, J. & Mesgarpour, M. (2025). Expanding horizons of near-infrared spectroscopy through a small domain-specific language model. Posted from: Mälardalen University - School of Business, Society and Engineering. Future Energy Center, Västerås, SWEDEN. Roma NIR2025. https://nir2025.sisnir.org/wpcontent/uploads/2025/05/ABSTRACT-BOOK.pdf
Sun, X., Wang, S., & Jia, W. (2024). Research progress of electronic nose and near-infrared spectroscopy in meat adulteration detection. Chemosensors, 12(3), 35. https://doi.org/10.3390/chemosensors12030035
Valenciaga, D., & Saliba, E. D. O. S. (2006). La espectroscopia de reflectancia en el infrarojo cercano (NIRS) y sus potencialidades para la evaluación de forrajes. Revista Cubana de Ciencia Agrícola, 40(3), 259-267. https://www.redalyc.org/pdf/1930/193017723001.pdf
Wang, L., Wang, T., Dai, L., Li, F., Guo, T., Li, F., & Reshalaitihan, M. (2025). Deep learning and machine learning methods based on the NIRS dataset for rapid determination of the nutrients content and quality of oat hay. Computers and Electronics in Agriculture, 236, 110428. https://doi.org/10.1016/j.compag.2025.110428
Workman, J. (2025). The Marriage of Near-Infrared Spectroscopy with AI: The Small-Sample Breakthrough. Spectroscopy on line. https://www.spectroscopyonline.com/view/the-marriage-of-near-infrared-spectroscopy-with-ai-the-small-sample-breakthrough
Yadav, S., Tomar, M., Singhal, T., Joshi, N., Bhargavi, H. A., Aavula, N., & Riar, A. (2025). Near-infrared reflectance spectroscopy (NIRS): An innovative, rapid, economical, easy and non-destructive whole grain analysis method for nutritional profiling of pearl millet genotypes. Journal of Food Composition and Analysis, 142, 107373. https://doi.org/10.1016/j.jfca.2025.107373
Zhang, W., Kasun, L. C., Wang, Q. J., Zheng, Y., & Lin, Z. (2022). A review of machine learning for near-infrared spectroscopy. Sensors, 22(24), 9764. https://doi.org/10.3390/s22249764
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Silvio J. Martínez Sáez, Ciro A. Ordoñez-Gómez, Marlene León González
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
