Resumen

Una de las cuestiones más importantes en el campo de la garantía de calidad de los aceites de oliva es la detección de la frescura del aceite de oliva. En este estudio, se utilizó la espectroscopia de fluorescencia inducida por láser de 400 nm con métodos de análisis multivariante supervisados y no supervisados para desarrollar un método rápido capaz de discriminar entre aceites de oliva recién producidos y aceites que han estado almacenados durante un periodo de tiempo que oscila entre 12 y 24 meses. Los datos espectrales de fluorescencia se procesaron en primer lugar mediante el ACP. Este método muestra una fuerte discriminación de las tres clases de aceite utilizando los tres primeros componentes que presentan el 96% de la variabilidad total de los datos iniciales, y a continuación se construyeron modelos de clasificación supervisados utilizando la regresión de mínimos cuadrados parciales discriminantes PLS-DA, la máquina de vectores soporte SVM, y el análisis discriminante lineal LDA. Estos métodos muestran una alta capacidad en la clasificación de las tres clases de aceite de oliva. La validación de estos modelos de clasificación mediante muestras externas muestra una alta capacidad de clasificación de las muestras en su clase con una precisión del 100%. Este estudio demostró la viabilidad de la huella de espectroscopia de fluorescencia (técnica de rutina) para la clasificación de los aceites de oliva en función de su frescura y tiempo de almacenamiento.

• Materias:Análisis cromatográfico Electroquímica Análisis químico Farmacocinética Análisis espectroquímico
• Subjects:Chromatographic analysis Electrochemistry Chemical test Pharmacokinetics Spectrochemical analysis
• Palabras claves:aceites de oliva, clasificación, modelos de clasificación, alta capacidad, aceite de oliva, análisis discriminante lineal lda, regresión por mínimos cuadrados parciales pls, máquina de vectores soporte svm, métodos de análisis multivariante sin supervisión, datos espectrales de fluorescencia
• Keywords:olive oils, classification, classification models, high capacity, olive oil, linear discriminant analysis lda, partial least square regression pls, support vector machine svm, unsupervised multivariate analysis methods, fluorescence spectral data