Clasificación varietal de Allium cepa en polvo usando espectros NIR y análisis multivariado

dc.contributor.advisorSeminario Sanz, Roberto Simón
dc.contributor.authorMore Mechato, Juan Manuel
dc.date.accessioned2023-07-26T20:08:02Z
dc.date.available2023-07-26T20:08:02Z
dc.date.issued2023-07-25
dc.description.abstractLa autenticación de diferentes variedades de cebolla (Allium cepa) en polvo es importante para reducir el riesgo de fraude. Los espectros de reflectancia en el infrarrojo cercano (NIR) son una herramienta potencial para la clasificación varietal de la cebolla. Sin embargo, la complejidad de los espectros y la presencia de ruido pueden dificultar la identificación precisa de las variedades de cebolla. En este estudio, se exploró el uso de análisis multivariado y pretratamiento de espectros NIR para la clasificación varietal de la cebolla en polvo. Se recolectaron muestras de cebolla de las variedades blanca, amarilla y roja, se secaron, molieron y tamizaron para obtener polvo. Se midieron los espectros de reflectancia NIR de las muestras utilizando un espectrómetro de sobremesa en el rango de longitud de onda de 1100 a 2100 nm. Se aplicaron tres técnicas de pretratamiento a los espectros: suavizado con Savitzky-Golay, normalización estándar de varianza (SNV) y normalización. Se utilizó análisis discriminante lineal (LDA), k-vecinos más cercanos (KNN) y máquinas de vectores de soporte (SVM) para la clasificación varietal. Se evaluó el rendimiento de cada modelo utilizando la precisión general y la medida F. Se logró una precisión del 100% y medida F 1.0 en la clasificación varietal de la cebolla en polvo utilizando el modelo SVM, independientemente del preprocesamiento de los espectros. El modelo LDA también mostró un buen rendimiento con una precisión entre el 98.5% y el 99.8%. El preprocesamiento de los espectros tuvo una influencia en el rendimiento del modelo LDA, obteniéndose los mejores resultados con los datos suavizados con Savitzky-Golay. El modelo KNN mostró el menor rendimiento con una precisión entre el 97.2% y el 98.4%. Los resultados indican que el uso de análisis multivariado y pretratamiento de espectros NIR puede ser efectivo para la clasificación varietal de la cebolla en polvo. El modelo SVM mostró el mejor rendimiento en comparación con otros modelos de clasificación, lo que sugiere que puede ser una herramienta valiosa para la identificación precisa de variedades de cebolla en la industria alimentaria. En conclusión, el uso de análisis multivariado y pretratamiento de espectros NIR puede ser efectivo para la clasificación varietal de la cebolla en polvo.es_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttp://repositorio.unf.edu.pe/handle/UNF/270
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Fronteraes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.sourceUniversidad Nacional de Fronteraes_ES
dc.sourceRepositorio Institucional - UNFes_ES
dc.subjectCebolla en polvoes_ES
dc.subjectEspectros NIRes_ES
dc.subjectQuimiometríaes_ES
dc.subjectAutenticación de alimentoses_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.11.01es_ES
dc.titleClasificación varietal de Allium cepa en polvo usando espectros NIR y análisis multivariadoes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
renati.advisor.dni03677087
renati.advisor.orcidhttps://orcid.org/0000-0003-3427-2891es_ES
renati.author.dni76196868
renati.discipline721046es_ES
renati.jurorLachira Estrada, Diego Salvadores_ES
renati.jurorGutierrez Valverde, Karina Silvanaes_ES
renati.jurorSaavedra Cano, Fermín Máximoes_ES
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería de Industrias Alimentariases_ES
thesis.degree.grantorUniversidad Nacional de Frontera. Facultad de Ingeniería de Industrias Alimentarias y Biotecnologíaes_ES
thesis.degree.levelTitulo Profesionales_ES
thesis.degree.nameMore Mechato, Juan Manueles_ES

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TESIS - More Mechato, Juan Manuel.pdf
Size:
1.69 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: