La producción de fibras textiles de llama y vicuña es una de las actividades de mayor valor ambiental, cultural y económico para la región alto-andina de Catamarca. Por esto es necesario desarrollar una tecnología que permita analizar de manera rápida y sustentable los parámetros de calidad de este material. En este trabajo se evaluaron, a través de los estadísticos R2, SECV, SEV y RPD, distintos tratamientos y modelos NIRS de predicción para determinar la Finura de muestras de llama y vicuña. Los resultados mostraron que los mejores modelos se obtuvieron con ninguno o con el mínimo tratamiento. Los valores de R2<0.7 y RPD≅1.7 obtenidos, dieron cuenta de la necesidad de aumentar el tamaño muestral y de explorar en el desarrollo de técnicas alternativas de regresión.

La fibra de llama tiene el potencial para convertirse en el recurso textil más valioso de la región de la Puna Argentina. Se evaluó la capacidad de la tecnología NIRS para predecir Finura Media de fibra de llama. Se realizaron análisis en 169 muestras cardadas y no cardadas combinadas con técnicas de preprocesamiento espectral en los rangos Vis-NIR. El preprocesamiento espectral consistió en la selección de longitudes de onda, así como en pretratamientos multiplicativos y derivativos. Para los modelos predictivos se utilizó la regresión de mínimos cuadrados parciales modificados. La predictibilidad se evaluó mediante el Coeficiente de Determinación (R2), Error Estándar de Validación Cruzada (SECV), Error de Validación Externa (SEV) y Valor Predictivo Residual (RPD). El mejor modelo se obtuvo aplicando primera derivada (R2=0,67; SECV=1,965; SEV=2,235 y RPD=1,91). El ANOVA mostró diferencias entre tratamientos. Los modelos obtenidos podrían ser utilizados en programas de selección genética.

El sistema productivo de fibra de vicuña (Vicugna vicugna) requiere de tecnologías que permitan determinar objetivamente la calidad de aquéllas. En este trabajo se desarrollaron y evaluaron modelos de predicción de la Finura Media en vellones de vicuña, mediante espectroscopía de reflectancia en el infrarrojo cercano. El modelo con mayor capacidad predictiva evidenció un coeficiente de determinación R2= 0,72 y Valor Predictivo Residual= 2,10. Esto da la pauta del potencial de la espectroscopía para utilizarse en determinaciones generales del parámetro evaluado.