Redes neuronales artificiales aplicadas a la predicción de parámetros en alimentos acogidos a marcas de calidad

Resumen

Los alimentos acogidos a Marcas de Calidad presentan características particulares debidas a su origen geográfico, a las materias primas utilizadas o a los propios procesos de elaboración. Estos alimentos deben cumplir requisitos de calidad adicionales no exigidos al resto de los alimentos, por lo que pertenecer a una Marca de Calidad garantiza a los consumidores la adquisición de un alimento con características excepcionales y a los productores de situaciones fraudulentas derivadas de la competencia desleal de las imitaciones. Por esta razón se requieren métodos objetivos, rápidos y baratos que puedan caracterizar las materias primas empleadas para la elaboración de un alimento, determinar características composicionales del mismo o predecirsu calidad y características organolépticas finales. Dentro de las técnicas analíticas, la Espectroscopía de Infrarrojo Cercano (NIRS) es una herramienta que cumple con estos requisitos además de ser no destructiva, no requerir preparación previa de las muestras ni emplear reactivos cuyo uso pudiera ser tóxico o contaminante. Por otro lado, las Redes Neuronales Artificiales(ANN) han demostrado su utilidad tanto para la categorización de las muestras como para la predicción de valores de parámetros característicos a partir de los datos de entrada. En esta tesis se propone el uso de las ANN como herramienta quimiométrica para interpretar los resultados obtenidos con técnicas analíticas como el NIRS, marcándose como objetivos los de la construcción de un modelo de ANN capaz de clasificar alimentos conforme a criterios preestablecidos, la determinación de las variables que más influyen sobre el comportamiento de la red, la optimización de los parámetros de la red que mejoran su rendimiento y la bonanza de la misma para la predicción de parámetros característicos de productos acogidos a Marcas de Calidad En los tres artículos recogidos en esta tesis, se han empleado ANN para la interpretación de los resultados analíticos obtenidos sobre muestras de jamón curado, chorizo y queso. En un primer artículo, se ha tratado de predecir parámetros sensoriales relacionados con el aspecto, el olor, el sabor y la textura, a partir de los datos obtenidos por espectroscopia NIR sobre muestras de jamón curado procedente de cerdos con genética y sistemas de alimentación diferentes. En un segundo artículo, se han comparado dos técnicas de regresión múltiple como son las ANN y la Regresión por Mínimos Cuadrados Parciales Modificada, a partir de los resultados obtenidos por NIRS, para predecir parámetros sensoriales sobre chorizo relacionados con la degustación en boca y las percepciones externas y al corte. Un tercer artículo aborda la estimación del recuento de células somáticas (SCC) de la leche de oveja empleada para la elaboración de quesos, a partir del análisis composicional físicoquímico y su interpretación con redes neuronales. Las conclusiones que se derivan de los estudios realizados, señalan que la utilización conjunta de la espectroscopía NIR y las ANN para procesar sus resultados, puede predecir parámetros sensoriales de jamón ibérico y chorizo con precisiones relativamente altas, permitiendo su implementación “in-line” en las líneas de procesado, ahorrando tiempo y el coste derivados respecto del análisis sensorial a través de un panel de cata. También que las ANN son una herramienta eficaz para la clasificación de quesos en función del SCC de la leche de oveja utilizada como materia prima. Por todo lo anterior, se puede decir que el uso de las Redes Neuronales Artificiales, aplicadas en el sector de los productos asociados a Marcas de Calidad, son una herramienta adecuada que permite obtener excelentes resultados tanto en la predicción de parámetros sensoriales, como en la clasificación de los productos según criterios de calidad diferenciada.