Resumen

Se utilizó un E-panel, compuesto por una nariz electrónica (E-nose) y una lengua electrónica (E-tongue), para distinguir las características organolépticas del cordero picado adulterado con diferentes proporciones de carne de cerdo. Mientras tanto, se emplearon la normalización, el análisis discriminante lineal por pasos (step-LDA) y el análisis de componentes principales para fusionar la matriz de datos de E-nose y E-tongue. Los resultados de la discriminación se evaluaron y compararon mediante análisis discriminante canónico (ADC) y análisis discriminante bayesiano (ADB). Se demostró que la capacidad de discriminación del sistema combinado (error de clasificación 0%∼1,67%) era superior o igual a la obtenida con los dos instrumentos por separado, y el sistema E-lengua (error de clasificación para E-lengua 0∼2,5%) obtuvo mayor precisión que E-nariz (error de clasificación 0,83%∼10,83o E-nariz). Para el sistema combinado, la combinación de datos extraídos de 6 PC de E-nariz y 5 PC de E-lengua resultó ser el método más eficaz. Para predecir la proporción de carne de cerdo en el cordero adulterado, se utilizaron modelos de regresión lineal múltiple (MLR), análisis de mínimos cuadrados parciales (PLS) y redes neuronales de retropropagación (BPNN), y se compararon los resultados, con el objetivo de construir modelos predictivos eficaces. Se hallaron buenas correlaciones entre las señales obtenidas a partir de la lengua E, la nariz E y los datos de fusión de la nariz E y la lengua E y las proporciones de carne de cerdo en la carne de cordero picada, con coeficientes de correlación superiores a 0,90 en los conjuntos de datos de calibración y validación. Y BPNN resultó ser el método más eficaz para la predicción de las proporciones de carne de cerdo con R2 superior a 0,97 tanto para el conjunto de datos de calibración como de validación. Estos resultados indicaron que la integración de E-nose y E-tongue podría ser una herramienta útil para la detección de la adulteración del cordero.

• Materias:Biotecnología de alimentos Microbiología de alimentos Análisis de los Alimentos Química de los alimentos
• Subjects:Food biotechnology Food microbiology Food Analysis Food chemistry
• Palabras claves:nariz, lengua, error de clasificación, método eficaz, análisis de mínimos cuadrados parciales, análisis discriminante lineal por pasos, análisis discriminante bayesiano, análisis discriminante canónico, modelos predictivos eficaces, regresión lineal múltiple
• Keywords:nose, tongue, classification error, effective method, partial least square analysis, stepwise linear discriminant analysis, bayesian discriminant analysis, canonical discriminant analysis, effective predictive models, multiple linear regression