Aplicaciones de la olfatometría electrónicaclasificación de aceites vegetales. Detección de fraudes en aceites de oliva virgen

  1. CERRATO OLIVEROS M. CONCEPCIÓN
unter der Leitung von:
  1. Bernardo Moreno Cordero Doktorvater/Doktormutter
  2. José Luis Pérez Pavón Co-Doktorvater/Doktormutter

Universität der Verteidigung: Universidad de Salamanca

Fecha de defensa: 15 von Oktober von 2001

Gericht:
  1. Jesús Hernández Méndez Präsident/in
  2. María Inmaculada González Martín Sekretär/in
  3. Miguel Valcárcel Cases Vocal
  4. Michele Forina Vocal
  5. Rafael Cela Torrijos Vocal

Art: Dissertation

Teseo: 88851 DIALNET

Zusammenfassung

Se ha utilziado una "nariz electrónica" para la clasificación de aceites vegetales y para la detección de adulteraciones en aceites de oliva virgen. El sistema formado, en cada caso, por seis y doce sensores semiconductores de óxidos metálicos, se utilizó para generar un patrón característico de los compuestos volátiles presentes en las muestras. Antes de realizar los diferentes tratamientos de reconocimiento de pautas supervisadas, se emplearon técnicas de selección de variables con el fin de elegir un grupo de variables con un grado de discriminación óptimo. Se aplicaron técnicas quimiométricas multivariantes como Análisis Discriminante Lineal (LDA), Análisis Discriminante Cuadrático (QDA) y Redes Neuronales Artificiales (ANN). Para la clasificación de aceites vegetales los modelos generados con las técnicas de análisis discriminantes proporcionaron resultados satisfactorios con porcentajes de predicción mayores del 82%, obteniendo mejores resultados con Redes Neuronales Artificiales donde los porcentajes de predicción fueron mayores del 90% en todos los casos. Para la detección de adulteraciones, se utilizaron las mismas técnicas quimiométricas, LDA, QDA y ANN, tanto para detectar adulteraciones en muestras de oliva virgen como para cuantificar el porcentaje de adulteración. En este caso, los modelos generados con las técnicas de análisis discriminantes proporcionaron resultados muy satisfactorios, con porcentajes de predicciones superiores al 95%, y en algunos casos casi del 100%. Los resultados con Redes Neuronales Artificiales fueron ligeramente peores, aunque el criterio de clasificación utilizado fue muy estricto. Fue incluso posible identificar el tipo de aceite utilizado en la adulteración. La aplicación de las técnicas de calibración para la determinación de los porcentajes de adulteración no proporcionó buenos resultados, excepto en casos particulares. Sin embargo, las técnicas de