Resumen

La calidad de la fresa en polvo depende de la frescura de la fruta que produce el polvo. Por lo tanto, identificar si el polvo de fresa está hecho de fresas recién disponibles, almacenadas a corto plazo o almacenadas a largo plazo es importante para ofrecer a los consumidores un polvo de fresa de calidad garantizada. Sin embargo, esta identificación es difícil a simple vista, ya que los colores del polvo son muy parecidos. En este trabajo, a partir de la medición de espectroscopia del infrarrojo cercano (NIR) y del infrarrojo medio (MIR) de fresas en polvo, se obtuvieron buenos resultados de clasificación, con índices de 100,00 aciertos, para distinguir si el polvo de fresa procedía de fruta recién disponible o almacenada. Además, se establecieron modelos de regresión de mínimos cuadrados parciales y de máquinas de vectores de soporte de mínimos cuadrados (LS-SVM) basados en datos NIR, MIR y en la combinación de datos NIR y MIR con variables completas o variables óptimas del polvo de fresa para predecir los días de almacenamiento de las fresas que producían el polvo. Las variables óptimas se seleccionaron mediante el algoritmo de proyecciones sucesivas (SPA), la eliminación de variables sin información y el muestreo reponderado adaptativo competitivo, respectivamente. Se determinó que el mejor modelo era el modelo SPA-LS-SVM basado en espectros MIR, que tenía el valor de desviación residual de predicción (RPD) de 11,198 y el valor de diferencia absoluta entre el error cuadrático medio de calibración y predicción (AB_RMSE) de 0,505. Los resultados de este trabajo confirmaron la viabilidad del uso de las técnicas espectroscópicas NIR y MIR para la identificación rápida del polvo de fresa elaborado a partir de fresa recién disponible y almacenada.

• Materias:Análisis cromatográfico Estructura molecular Análisis químico Farmacocinética Voltamperometría
• Subjects:Chromatographic analysis Molecular structure Chemical test Pharmacokinetics Voltammetry
• Palabras claves:fresa en polvo, nir, muestreo reponderado adaptativo competitivo, regresión por mínimos cuadrados parciales, técnicas espectroscópicas mir, buenos resultados de clasificación, desviación residual de predicción, algoritmo de proyecciones sucesivas, eliminación de variables no informativas, mir
• Keywords:strawberry powder, nir, competitive adaptive reweighted sampling, partial least squares regression, mir spectroscopic techniques, good classification results, residual prediction deviation, successive projections algorithm, uninformation variable elimination, mir