Evaluación de la espectroscopía de infrarrojo cercano NIRS como método secundario para la detección de adulteraciones en aceite de oliva, integrando técnicas de aprendizaje automático: revisión sistemática
No Thumbnail Available
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Santiago de Cali
Abstract
Olive oil adulteration has been a recurring problem affecting its authenticity and quality, generating negative impacts on the food industry and consumer confidence. In this study, the effectiveness of nearinfrared spectroscopy (NIRS) as a secondary method for detecting adulterations in olive oil was evaluated, integrating machine learning techniques. To this end, a systematic review was conducted following the PRISMA methodology, selecting articles from indexed databases that addressed the application of NIRS in identifying fraud in edible oils. Various machine learning-based modeling approaches were analyzed, including multivariate regression, discriminant analysis, and neural networks. 3 The results indicated that combining NIRS with machine learning algorithms improved the accuracy and efficiency of adulteration detection compared to traditional analytical methods. In particular, the supervised models were able to identify specific spectral patterns with high sensitivity and specificity. It was concluded that the implementation of NIRS, together with advanced modeling techniques, represents a viable, rapid and economically accessible alternative for the quality control of olive oil, reducing dependence on conventional chromatographic methods.
Description
La adulteración del aceite de oliva ha sido un problema recurrente que afecta su autenticidad y calidad, generando impactos negativos en la industria alimentaria y en la confianza del consumidor. En este estudio, se evaluó la eficacia de la espectroscopía de infrarrojo cercano (NIRS) como método para la detección de adulteraciones en aceite de oliva, integrando técnicas de aprendizaje automático. 2 Para ello, se realizó una revisión sistemática siguiendo la metodología PRISMA, seleccionando artículos de bases de datos indexadas que abordaran la aplicación de NIRS en la identificación de fraudes en aceites comestibles. Se analizaron distintos enfoques de modelado basados en aprendizaje automático, incluyendo regresión multivariante, análisis discriminante y redes neuronales. Los resultados indicaron que la combinación de NIRS con algoritmos de aprendizaje automático mejoró la precisión y eficiencia en la detección de adulteraciones en comparación con métodos analíticos tradicionales. En particular, los modelos supervisados lograron identificar patrones espectrales específicos con alta sensibilidad y especificidad. Se concluyó que la implementación de NIRS, junto con técnicas avanzadas de modelado, representa una alternativa viable, rápida y económicamente accesible para el control de calidad del aceite de oliva, reduciendo la dependencia de métodos cromatográficos convencionales.
Keywords
Adulteración, Aprendizaje automático, Aceite de oliva, Espectroscopía NIRS, Detección de fraudes.
Citation
Díaz, R. Y. H. (2025). Evaluación de la espectroscopía de infrarrojo cercano NIRS como método secundario para la detección de adulteraciones en aceite de oliva, integrando técnicas de aprendizaje automático: revisión sistemática. Universidad Santiago de Cali.