Detección automatizada de adulteraciones en zumos de frutas mediante HS-GC-IMS

Resumen

Los zumos de fruta son una de las bebidas más consumidas mundialmente y su producción está sujeta a regulaciones euro peas. Sin embargo, este alimento es frecuentemente adulterado mediante la adicción de agua, azúcares u otros zumos de frutas menos costosos. Esta última es una de las más comunes, debido a la mayor dificultad para ser detectada. Por ello, el presente estudio tiene como objetivo desarrollar una metodología basada en la técnica de Espacio de Cabeza-Cromatografía de Gases-Es pectrometría de Movilidad Jónica (HS-GC-IMS) en combinación con algoritmos de aprendizaje automatizado o mnclzine lenrning (ML) para detectar y cuantificar de forma fiable y automatizada las adulteraciones en zumos. Para ello, se evaluaron tres tipos de zumos de frutas100% exprimidos (piña, naranja y manzana) y se adulteraron con zumo de uva en diferentes porcentajes ( 5%, 10% , 20% , 30% , 40% , 50%). Los resultados del análisis exploratorio revelaron una clara tendencia de agrupación de las muestras según el tipo de zumo analizado. El análisis supervisado, basado en el desarrollo de modelos de ML para la detección de la adulteración, obtuvo un rendimiento satisfactorio siendo el mejor resultado para las máquinas de vectores de soporte (SVR) mostrado una R2 de 0.987 y un RMSE de 1831 para el conjunto de validación. Además, se ha desarrollado una sencilla aplicación web en la que se pueden utilizar los modelos entrenados, por lo que cualquier usuario puede aplicar el método desarrollado en el laboratorio.