Buenos Aires, 16 junio (NA) — Un equipo de investigadores de la Wuhan Polytechnic University, en China, desarrollaron una nueva metodología analítica a partir de inteligencia artificial (IA) para identificar de forma rápida y precisa la adulteración de aceite de oliva.
El método consiste en combinar diferentes herramientas para analizar la autenticidad del aceite de oliva, teniendo en cuenta que continúa siendo uno de los principales desafíos para esa industria y para los organismos de control alimentario.
Según pudo saber la Agencia Noticias Argentinas, los resultados del estudio mostraron que la integración de diferentes fuentes de información analítica permitió mejorar significativamente la capacidad de detección de mezclas fraudulentas y cuantificar con precisión el contenido real de aceite de oliva presente en una muestra.
CÓMO FUE LA INVESTIGACIÓN
El estudio analizó aceites puros y mezclas elaboradas con diferentes proporciones de aceite de oliva y otros aceites vegetales a partir de la combinación de dos tecnologías complementarias.
Las técnicas que se integraron son espectroscopia Raman, resonancia magnética nuclear de baja frecuencia LF-NMR y técnicas avanzadas de aprendizaje automático.
Por un lado, la espectroscopia Raman permitió obtener información detallada sobre la composición molecular de las muestras. Por otro lado, la resonancia magnética nuclear de baja frecuencia aportó datos relacionados con las propiedades físicas y estructurales de los aceites.
Esa integración generó un sistema de análisis multimodal capaz de capturar una mayor cantidad de información relevante para la identificación de posibles adulteraciones.
Después, los investigadores aplicaron diferentes estrategias de selección de variables y análisis de correlación para identificar las características más relevantes de cada muestra. Con diversos modelos quimiométricos y algoritmos de aprendizaje automático clasificaron los aceites y según las proporciones de mezcla.
De esta manera, el modelo alcanzó una precisión de clasificación del 90,74 % en la identificación de diez categorías distintas de aceites.
MAYOR TRANSPARENCIA GRACIAS A LA INTELIGENCIA ARTIFICIAL
La incorporación de técnicas de inteligencia artificial explicable mediante el análisis SHAP (SHapley Additive Explanations) permitió identificar qué variables espectrales y parámetros de relajación tuvieron una mayor influencia en las decisiones adoptadas por los modelos predictivos, aportando un mayor nivel de transparencia e interpretabilidad a los resultados.
Los autores destacan que la combinación de técnicas espectroscópicas, resonancia magnética de baja frecuencia y modelos avanzados de análisis de datos abre nuevas oportunidades para el desarrollo de sistemas rápidos de autentificación del aceite de oliva.
El marco desarrollado por el equipo de la Wuhan Polytechnic University podría servir de base para futuras herramientas de inspección rápida, capaces de reforzar los sistemas de control de calidad.
Agencia NA
