Resumen

En este artículo se sometieron los espectros de infrarrojo cercano (NIR) de muestras de manzana al análisis de componentes principales (PCA) y al algoritmo de proyecciones sucesivas (SPA) para realizar la selección de variables. Se aplicaron tres métodos de reconocimiento de patrones, red neuronal de retropropagación (BPNN), máquina de vectores de soporte (SVM) y máquina de aprendizaje extremo (ELM), para establecer modelos que permitieran distinguir manzanas de diferentes variedades y orígenes geográficos. Los resultados experimentales muestran que los modelos de ELM tuvieron un mejor desempeño en la identificación de la variedad y el origen geográfico de las manzanas que los otros métodos. En particular, el modelo SPA-ELM logró una precisión de identificación del 98.33% en el conjunto de calibración y del 96.67% en el conjunto de predicción. Este estudio sugiere que es factible identificar la variedad de manzana y la región de cultivo utilizando espectroscopía NIR

• Materias:Fluorescencia Nanopartículas Espectroscopia infrarroja Fármaco Espectroscopia raman
• Subjects:Fluorescence Nanoparticles Infrared spectroscopy Drug Raman spectroscopy
• Palabras claves:Nir; Espectros; Pca; Spa; Olmo; Precisión de la identificación
• Keywords:Nir; Spectra; Pca; Spa; Elm; Identification accuracy