Resumen

El almacenamiento a largo plazo puede degradar en gran medida el sabor y la calidad de la seta shiitake seca (Lentinula edodes). Este trabajo tenía como objetivo desarrollar un método rápido para la discriminación del shiitake normal y envejecido mediante el análisis espectroscópico del infrarrojo cercano (NIR) y la quimiometría. Se recogieron muestras regulares ( n = 197 ) y envejecidas ( n = 133 ) de shiitake de seis zonas productoras principales en dos años sucesivos (2013 y 2014). Se midieron espectros de reflectancia NIR (4000-12000 cm-1) con polvos finamente molidos. Se investigaron diferentes métodos de preprocesamiento de datos, incluidos el suavizado, la toma de derivadas de segundo orden (D2) y la variante normal estándar (SNV) para reducir las variaciones espectrales no deseadas. Se utilizaron el análisis discriminante de mínimos cuadrados parciales (PLSDA) y la máquina de vectores de soporte de mínimos cuadrados (LS-SVM) para desarrollar modelos de clasificación. Los resultados indican que SNV y D2 pueden mejorar en gran medida la precisión de la clasificación. La mejor sensibilidad, especificidad y precisión de clasificación fueron de 0,967, 0,953 y 0,961 con SNV-LS-SVM y de 0,933, 0,930 y 0,932 con SNV-PLSDA, respectivamente. Además, la baja complejidad del modelo y la alta precisión en la predicción de objetos producidos en diferentes años demuestran que los modelos de clasificación tenían un buen rendimiento de generalización.

• Materias:Reacciones químicas Propiedades fisicoquímicas Química analítica Química de los alimentos Química sostenible
• Subjects:Chemical reactions Chemicophysical properties Analytical chemistry Food chemistry Sustainable chemistry
• Palabras claves:snv, modelos de clasificación, diferentes métodos de preprocesamiento de datos, espectros de reflectancia nir, buen rendimiento de generalización, baja complejidad del modelo, variante normal estándar, variaciones espectrales no deseadas, plsda, svm
• Keywords:snv, classification models, different data preprocessing method, nir reflectance spectra, good generalization performance, low model complexity, standard normal variate, unwanted spectral variations, plsda, svm