Resumen

La identificación de los parámetros de calidad del pollo a menudo es inconsistente, consume mucho tiempo y es laboriosa. La espectroscopía de infrarrojo cercano (NIR) se ha utilizado como una herramienta poderosa para la evaluación de la calidad de los alimentos. Sin embargo, los espectros de infrarrojo cercano (NIR) contienen una gran cantidad de información redundante. Determinar la relevancia de las longitudes de onda y seleccionar subconjuntos para modelos de clasificación y predicción son obligatorios para el desarrollo de sistemas multiespectrales. Se investigó una combinación de selección de atributos y longitudes de onda para la información espectral NIR de muestras de carne de pollo. Los predictores de Árboles de Decisión y Tablas de Decisión explotan estas longitudes de onda óptimas para tareas de clasificación según diferentes grados de calidad de la carne de aves de corral. La metodología propuesta se llevó a cabo con un algoritmo de máquina de vectores de soporte (SVM) para comparar la precisión del modelo propuesto. Se

• Materias:Fluorescencia Nanopartículas Espectroscopia infrarroja Fármaco Espectroscopia raman
• Subjects:Fluorescence Nanoparticles Infrared spectroscopy Drug Raman spectroscopy
• Palabras claves:Identificación; Parámetros de calidad del pollo; Espectroscopia NIR; Pertinencia de las longitudes de onda; Sistemas multiespectrales; Tareas de clasificación
• Keywords:Identification; Chicken quality parameters; NIR spectroscopy; Wavelengths relevance; Multispectral systems; Classification tasks