Caracterización analítica y diferenciación geográfica de pimentón mediante técnicas de reconocimiento de patrones

Abstract

En esta tesis doctoral se ha llevado a cabo un método para la determinación de metales en muestras de pimentón dulce, picante y agridulce de las Denominaciones de Origen Pimentón de la Vera y Pimentón de Murcia. Los metales determinados han sido aluminio, boro, calcio, cobre, estroncio, fósforo, hierro, magnesio, manganeso, níquel, plomo, potasio, sodio y zinc. Se ha puesto a punto y validado un método de digestión ácida y medida mediante espectroscopía de emisión atómica de plasma inducido acoplado. Otros parámetros estudiados han sido el color en la escala ASTA y las coordenadas CIELab a partir de los espectros obtenidos registrados en el rango 280-800. A partir del contenido metálico y el color se han construidos modelos de clasificación geográfica de pimentones, utilizando técnicas de reconocimiento como componentes principales (PCA), análisis discriminante lineal (LDA), máquinas de vectores soporte (SVM), modelado suave por analogía de clases (SIMCA) y redes neuronales artificiales (ANN). Tanto para el caso del contenido metálico como el del color, los mejores resultados se han obtenido con ANN con porcentajes de eficacia superiores al 95%. Otros componentes determinados han sido la capsaicina y dihidrocapsaicina, compuestos responsables del picor, para lo cual se ha puesto a punto y validado un método de extracción, purificación y separación cromatográfica. Las medidas cromatográficas se han realizado mediante cromatografía líquida de alta eficacia (HPLC) con detección UV-Vis. Utilizando la concentración de capsaicina se ha propuesto un modelo para predecir el grado de picor según la escala Scoville (SHU). Con este fin, se han aplicado técnicas de regresión lineal múltiple, regresión en componentes principales (PCR), regresión por mínimos cuadrados parciales (PLS) y redes neuronales artificiales (ANN). El modelo que ofrece los mejores resultados está basado en la combinación de PLS y ANN, con una eficacia del 80%.