Redes neuronales para el análisis y control de calidad del aceite de oliva virgen extra

  1. Aroca Santos, Regina
Dirigida por:
  1. José Santiago Torrecilla Velasco Director/a

Universidad de defensa: Universidad Complutense de Madrid

Fecha de defensa: 23 de noviembre de 2018

Tribunal:
  1. Mª Luz Mena Fernández Presidente/a
  2. Antonio Tijero Cruz Secretario/a
  3. María de la Menta Ballesteros Vocal
  4. Ana Moral Vocal
  5. José Enrique Hours Pérez Vocal

Tipo: Tesis

Resumen

El objetivo principal de esta Tesis Doctoral es comprobar la potencialidad de la inteligencia artificial para el control de calidad del aceite de oliva virgen extra, AOVE, utilizando datos de técnicas analíticas sencillas, rápidas, no destructivas y de bajo coste. La finalidad de este trabajo es hacerle frente a actividades fraudulentas dentro del sector olivícola, como el etiquetado falso y la adulteración con aceites de menor calidad. La técnica analítica utilizada es la espectrofotometría de absorción UV-visible (enfocada en la zona del visible), la cual permite evaluar y caracterizar los AOVEs en su conjunto a través de la absorbancia que originan sus pigmentos (clorofilas y carotenos mayoritariamente). Los espectros de absorción adquiridos contienen una gran cantidad de información, por lo que es necesario un adecuado tratamiento de los datos para la obtención de resultados satisfactorios. Los modelos clásicos lineales son los más utilizados, pero durante este trabajo se hace uso de las redes neuronales artificiales basadas en algoritmos no lineales y se comprueba que ofrecen mejores resultados en cuanto a rendimiento estadístico y aplicabilidad de la herramienta. La característica más importante de las redes neuronales aplicadas es que son herramientas matemáticas de cálculo potentes con la habilidad de aprender y encontrar relaciones no lineales entre las variables independientes, que son los datos ofrecidos al modelo, y las variables dependientes, que son la respuesta o información que se intenta alcanzar. Asimismo, estas herramientas son capaces de realizar interpolaciones de forma habitualmente más precisa que las herramientas clásicas. La hipótesis se verificó mediante una serie de experimentos con distintas muestras de aceites, que se dividieron en tres bloques: la detección de adulterantes, la clasificación de AOVEs monovarietales y la degradación de los AOVEs bajo distintas condiciones ambientales. El primer bloque consta de dos apartados, uno basado en la adulteración de cuatro AOVEs con aceite de oliva refinado y el otro en las mezclas binarias y ternarias de AOVE, aceite de soja y aceite de almendra, para comprobar si los modelos diseñados para el análisis de los datos obtenidos con el espectrofotómetro eran capaces de detectar y cuantificar los adulterantes. En vista de los resultados satisfactorios, en el segundo bloque se aumentó la complejidad para intentar distinguir y cuantificar mezclas binarias y ternarias de distintos AOVEs monovarietales, con la grata noticia de que los modelos diseñados pudieron cumplir con su cometido. Finalmente, en el tercer bloque se estudió la degradación de los pigmentos de los AOVE en dos experimentos donde se expusieron las muestras a distintas situaciones para evaluar la pérdida de calidad según las bandas de absorción de sus espectros en la zona del visible. Las condiciones con las que se experimentaron fueron el tiempo, la temperatura y la presencia o ausencia de luz. Los resultados obtenidos en cada uno de los bloques fueron realmente satisfactorios, consiguiendo errores entre los valores estimados y reales siempre inferiores al 6,5 % y, en la mayoría de los casos, incluso menores al 3 %, con lo que se puede decir que las redes neuronales artificiales son algoritmos perfectamente viables para el desarrollo de herramientas auxiliares en el control de calidad del AOVE.