Descubrimiento de características pico clave para la autenticación de aceite de oliva utilizando espectroscopia Raman...

Área de la Ciencia:

• Química Analítica
• Ciencia de los Alimentos
• Espectroscopia

Sus antecedentes:

• La adulteración del aceite de oliva presenta riesgos significativos para los productores y consumidores.
• La autenticación de la calidad del aceite de oliva es un desafío crítico en la industria alimentaria.

Objetivo del estudio:

• Explorar la eficacia de combinar la espectroscopia Raman con el aprendizaje automático para discriminar mezclas de aceite de oliva.
• Cuantificar el contenido de aceite de oliva en diversas mezclas y evaluar el rendimiento de diferentes técnicas quimiométricas.

Principales métodos:

• Se utilizó la espectroscopia Raman para adquirir datos espectrales de muestras de aceite.
• Se emplearon el análisis de clúster jerárquico (HCA) y el análisis de correlación (CA) para la extracción y el análisis de características.
• Se entrenaron modelos de aprendizaje automático, incluido el bosque aleatorio (RF), para la clasificación y la cuantificación.

Principales resultados:

• El modelo de bosque aleatorio logró una alta precisión de clasificación (98,9%) para 10 tipos de aceite.
• El rendimiento predictivo para mezclas binarias y ternarias mostró fuertes coeficientes de determinación (R²=0,985 y R²=0,926, respectivamente).
• Las explicaciones aditivas de Shapley (SHAP) identificaron las características clave de Raman que contribuyen a la precisión del modelo.

Conclusiones:

• El enfoque integrado de espectroscopia Raman y aprendizaje automático proporciona un marco sólido para la autenticación del aceite de oliva.
• Este método ofrece una solución prometedora para el monitoreo de calidad en tiempo real y la detección de adulteración en la industria alimentaria.