Resumen

Uno de los desafíos significativos en la industria alimentaria es la determinación del origen geográfico, ya que los productos de diferentes regiones pueden presentar una gran variación en la leche cruda. Por lo tanto, el monitoreo del origen de la leche cruda se ha vuelto muy relevante para productores y consumidores en todo el mundo. En este estudio exploratorio, se investigó la espectroscopia de infrarrojo medio combinada con métodos de clasificación de aprendizaje automático como un método rápido y no destructivo para la clasificación de la leche según su origen geográfico. La maldición de la dimensionalidad hace que algunos métodos de clasificación luchen para entrenar modelos eficientes. Por lo tanto, el análisis de componentes principales (PCA, por sus siglas en inglés) se ha aplicado para crear un conjunto más pequeño de características. La aplicación de métodos de aprendizaje automático como PLS-DA, PCA-LDA, SVM y PCA-SVM demuestra que los mejores resultados se obtienen utilizando los métodos PLS-DA, PCA-LDA y PCA-SVM, que muestran una

• Materias:Fármacos Electroforesis Microespectral Raman Espectro ultravioleta Teledetección
• Subjects:Pharmaceuticals Electrophoresis Microspectral Raman Ultraviolet spectrum Remote sensing
• Palabras claves:Industria alimentaria; Origen geográfico; Leche cruda; Espectroscopia del infrarrojo medio; Métodos de aprendizaje automático; Análisis de componentes principales
• Keywords:Food industry; Geographical origin; Raw milk; Midinfrared spectroscopy; Machine learning methods; Principal component analysis