Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido
El comino (Cuminum cyminum L.) es una de las especias más valoradas a nivel mundial, y el contenido de humedad constituye un parámetro crítico para evaluar su calidad y seguridad. Este estudio tuvo como objetivo evaluar el rendimiento de algoritmos de aprendizaje automático en el análisis de espectr...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Monografía o trabajo académico |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510361717276672 |
|---|---|
| author | Villalta Arellano, Segundo Ramos |
| author2 | Lopez Gonzales, Javier Linkolk |
| author_browse | Lopez Gonzales, Javier Linkolk Villalta Arellano, Segundo Ramos |
| author_facet | Lopez Gonzales, Javier Linkolk Villalta Arellano, Segundo Ramos |
| author_sort | Villalta Arellano, Segundo Ramos |
| collection | Repositorio institucional |
| description | El comino (Cuminum cyminum L.) es una de las especias más valoradas a nivel mundial, y el contenido de humedad constituye un parámetro crítico para evaluar su calidad y seguridad. Este estudio tuvo como objetivo evaluar el rendimiento de algoritmos de aprendizaje automático en el análisis de espectros de infrarrojo cercano (NIR) para la predicción de humedad en comino molido. Se recolectaron seis muestras de comino y se obtuvieron espectros NIR en el rango de 1100-2100 nm. Los espectros, expresados en absorbancia, fueron pretratados utilizando Savitzky-Golay (SG) y normalización de manera independiente, seguidos por una optimización mediante análisis de componentes principales (PCA). Los datos completos y los optimizados se modelaron empleando regresión lineal múltiple (MLR) y máquinas de vectores de soporte cuadrático (QSVM). Los modelos se entrenaron mediante validación cruzada de 5 particiones con 30 repeticiones, evaluando su desempeño mediante el coeficiente de determinación (R²) y la raíz del error cuadrático medio (RMSE). En el conjunto de datos completo, QSVM con pretratamiento SG obtuvo los mejores resultados (R² = 0.99; RMSE = 0.0582). Para los datos optimizados, QSVM combinado con normalización presentó un rendimiento destacado (R² = 0.97; RMSE = 0.0919). Estos hallazgos resaltan que QSVM, gracias a su capacidad para capturar relaciones no lineales, ofrece predicciones más precisas y robustas en comparación con MLR. Este estudio sugiere explorar técnicas avanzadas basadas en aprendizaje profundo y/o algoritmos complementarios que puedan mejorar el rendimiento de los modelos predictivos. |
| escuela_str_mv | Escuela de Posgrado |
| format | info:eu-repo/semantics/monograph |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/8637 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Predicción estadística |
| ocde_area_str_mv | Ciencias naturales |
| ocde_disciplina_str_mv | Matemáticas |
| ocde_str_mv | 1.01.03 |
| programa_nombre_str_mv | Segunda Especialidad en Estadística Aplicada para Investigación |
| programa_uri_str_mv | http://upeu.edu.pe/sys/programas/programa/seg-estadistica-aplicada-para-investigacion |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Lima |
| spelling | Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido Villalta Arellano, Segundo Ramos Lopez Gonzales, Javier Linkolk Cuminum cyminum L NIRS Aprendizaje automático PCA Pretratamiento El comino (Cuminum cyminum L.) es una de las especias más valoradas a nivel mundial, y el contenido de humedad constituye un parámetro crítico para evaluar su calidad y seguridad. Este estudio tuvo como objetivo evaluar el rendimiento de algoritmos de aprendizaje automático en el análisis de espectros de infrarrojo cercano (NIR) para la predicción de humedad en comino molido. Se recolectaron seis muestras de comino y se obtuvieron espectros NIR en el rango de 1100-2100 nm. Los espectros, expresados en absorbancia, fueron pretratados utilizando Savitzky-Golay (SG) y normalización de manera independiente, seguidos por una optimización mediante análisis de componentes principales (PCA). Los datos completos y los optimizados se modelaron empleando regresión lineal múltiple (MLR) y máquinas de vectores de soporte cuadrático (QSVM). Los modelos se entrenaron mediante validación cruzada de 5 particiones con 30 repeticiones, evaluando su desempeño mediante el coeficiente de determinación (R²) y la raíz del error cuadrático medio (RMSE). En el conjunto de datos completo, QSVM con pretratamiento SG obtuvo los mejores resultados (R² = 0.99; RMSE = 0.0582). Para los datos optimizados, QSVM combinado con normalización presentó un rendimiento destacado (R² = 0.97; RMSE = 0.0919). Estos hallazgos resaltan que QSVM, gracias a su capacidad para capturar relaciones no lineales, ofrece predicciones más precisas y robustas en comparación con MLR. Este estudio sugiere explorar técnicas avanzadas basadas en aprendizaje profundo y/o algoritmos complementarios que puedan mejorar el rendimiento de los modelos predictivos. 2025-04-27 2025-04-14T13:55:19Z 2025-04-14T13:55:19Z 2027-04-27 info:eu-repo/date/embargoEnd/2027-04-27 info:eu-repo/semantics/monograph https://hdl.handle.net/20.500.12840/8637 spa info:eu-repo/semantics/embargoedAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/8637 2026-11-10T17:45:09Z |
| spellingShingle | Cuminum cyminum L NIRS Aprendizaje automático PCA Pretratamiento Villalta Arellano, Segundo Ramos Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido |
| title | Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido |
| title_full | Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido |
| title_fullStr | Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido |
| title_full_unstemmed | Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido |
| title_short | Aplicación de aprendizaje automático en espectros de infrarrojo cercano para la predicción de humedad en comino molido |
| title_sort | aplicacion de aprendizaje automatico en espectros de infrarrojo cercano para la prediccion de humedad en comino molido |
| topic | Cuminum cyminum L NIRS Aprendizaje automático PCA Pretratamiento |
| topic_facet | Cuminum cyminum L NIRS Aprendizaje automático PCA Pretratamiento |
| url | https://hdl.handle.net/20.500.12840/8637 |
| work_keys_str_mv | AT villaltaarellanosegundoramos aplicaciondeaprendizajeautomaticoenespectrosdeinfrarrojocercanoparalapredicciondehumedadencominomolido |