Modelo Predictivo basado en Machine Learning y NIRS para la identificación del pH en los arándanos peruanos

• Autores: Cayhualla Amaro, Liset Mary, Rau Reyes, Sebastian Alejandro
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/11656
• Enlace del recurso: https://hdl.handle.net/20.500.12867/11656
• Nivel de acceso: acceso abierto
• Materia: NIRS; Machine Learning; Inteligencia Artificial; Quimiometría; Evaluación no destructiva; Arándanos; https://purl.org/pe-repo/ocde/ford#2.02.04

La calidad de los arándanos es un factor importante para el cliente. Lograr aplicar de forma eficiente las herramientas tecnológicas necesarias para evaluar la calidad y madurez de los arándanos tiene beneficios para las industrias y agricultores peruanos que se encargan de cultivarlos. Esta investigación utilizó la metodología CRISP-DM y tuvo como objetivo desarrollar un modelo de predicción para optimizar la evaluación de calidad de los arándanos. Se empleó la espectroscopia de infrarrojo cercano (NIRS) y técnicas quimiométricas para determinar el indicador de concentración de solidos solubles (SSC) en base a los espectros NIR. Según los resultados obtenidos, el uso de estas técnicas para predecir el indicador de calidad de los arándanos es posible. También se obtuvieron rendimientos aceptables en cuanto a precisión de estos modelos predictivos. Futuras investigaciones podrían abarcar otras técnicas que ayuden a brindar precisiones más altas y así optimizar más el control de la calidad de los productos en las industrias alimentarias.