Industrial hemp (Cannabis sativa L.) is a plant native to Asia, and is considered to be a primary source of food, textile fiber, and medicines. It is characterized by containing minimal concentrations of delta-9 tetrahydrocannabidol (THC), which is the main psychoactive chemical component, and cannabidiol (CBD), a non-psychoactive substance. In most European countries, the maximum concentration legally allowed for cultivation is 0.2% of THC, and it is currently under debate whether to increase this level to 0.3%. Moreover, in many countries its production is being regularized and legalized, increasing the need for a rapid analysis method. The present work evaluated the cannabinoid content in hemp (Cannabis sativa L.) using near infrared spectroscopy (NIRS) technology in combination with chemometric techniques. For this, several samples of the Kompolti variety were analyzed. Samples were dried and ground, and the content of total THC (%) and total CBD (%) was determined by high performance liquid chromatography (HPLC) with a diode array detector as reference measurements, and then the spectra were collected by NIRS. Principal component analysis and partial least square regression models were developed. Good coefficients of determination of cross-validation of 0.77 for THC and CBD, and a ratio of prediction to deviation >2 for total THC and CBD, were achieved. The results obtained show that NIRS technology has potential for the quantitative determination of cannabinoids. Therefore, this analytical method would allow a simpler, more robust, precise, and sustainable estimation than the current HPLC approach.

Powdery mildew is a worldwide major fungal disease for grapevine, which adversely affects both crop yield and produce quality. Disease identification is based on visible signs of a pathogen once the plant has already been infected; therefore, techniques that allow objective diagnosis of the disease are currently needed. In this study, the potential of hyperspectral imaging (HSI) technology to assess the presence of powdery mildew in grapevine bunches was evaluated. Thirty Carignan Noir grape bunches, 15 healthy and 15 infected, were analyzed using a lab-scale HSI system (900–1700 nm spectral range). Image processing was performed to extract spectral and spatial image features and then, classification models by means of Partial Least Squares Discriminant Analysis (PLS-DA) were carried out for healthy and infected pixels distinction within grape bunches. The best discrimination was achieved for the PLS-DA model with smoothing (SM), Standard Normal Variate (SNV) and mean centering (MC) pre-processing combination, reaching an accuracy of 85.33% in the cross-validation model and a satisfactory classification and spatial location of either healthy or infected pixels in the external validation. The obtained results suggested that HSI technology combined with chemometrics could be used for the detection of powdery mildew in black grapevine bunches.

El oídio (Erysiphe necator) está considerado mundialmente como una de las enfermedades fúngicas más importantes en la vid, causante de daños significativos sobre el cultivo. Estos incluyen la pérdida de rendimiento y la depreciación de la calidad del vino o de la uva.La susceptibilidad de las cepas al oídio depende de la variedad y de las condiciones ambientales en las que se desarrolle el cultivo, pudiendo afectar a cualquier órgano verde de la planta (brotes, hojas y racimos). La infección inicial, en focos aislados y apenas perceptibles visualmente, dificulta la detección de la enfermedad en fases tempranas. Así pues, suelen ser los agricultores los encargados de detectar los síntomas más evidentes de la enfermedad, que no aparecen hasta etapas intermedias o tardías de la misma. Por tanto, el poder disponer de técnicas que permitan detectar la enfermedad de manera fiable antes de que se manifiesten los síntomas visibles supone un importante avance.En los últimos años, las tecnologías de sensores ópticos han demostrado ser una efectiva herramienta de análisis para la evaluación de la calidad e inocuidad en productos agroalimentarios. Por ello, el objetivo de este trabajo es evaluar la utilidad de la tecnología de imágenes hiperespectrales (HSI) para detectar la presencia de oídio en racimos de uva.Para ello, se recogieron 30 racimos de uva de la variedad Mazuelo procedentes de un viñedo de Azagra (Navarra): 15 racimos afectados por oídio y otros 15 libres de esta enfermedad. Los racimos se escanearon en laboratorio con una cámara hiperespectral (Xeva 1.7-320-100Hz, Xenics) de resolución 320x256 píxeles, acoplada a un espectrógrafo (ImSpector N17E, Specim) sensible en el rango NIR de 900-1700 nm. Las imágenes adquiridas fueron normalizadas y segmentadas, obteniendo así información espectral y espacial de cada muestra. Esta información se utilizó para desarrollar modelos discriminantes por mínimos cuadrados parciales (PLS-DA), aplicando diferentes pretratamientos espectrales, para conseguir diferenciar pixeles sanos de pixeles con oídio en los racimos. Los mejores resultados se obtuvieron aplicando la combinación de pretratamientos Suavizado, Variable Normalizada Estándar (SNV) y Centrado Medio (MC), con un porcentaje de acierto del 85,3% en la validación cruzada del modelo y una correcta clasificación e identificación de pixeles en la validación. Los resultados preliminares obtenidos sugieren la posibilidad de utilizar la tecnología HSI para la detección de oídio en racimos de uva. Pérez-Roncal, Claudia; López-Maestresalas, Ainara; López-Molina, Carlos; Marín Ederra, Diana; Urrestarazu Vidart, Jorge; Arazuri Garín, Silvia; Santesteban García, Luis Gonzaga; Jarén Ceballos