Control de calidad de alimentos mediante técnicas de caracterización y machine learning

Los equipos de espectroscopía usados en la industria para la determinación de componentes individuales generan gran cantidad de datos por minuto. El desarrollo de las técnicas de machine learning posibilita maximizar la explotación de cantidades masivas de datos para una caracterización global de alimentos y un control de producción rápido y eficiente, idóneo para detectar adulteraciones, simplificando y automatizando el proceso de toma de decisiones.

El curso, impartido por expertos en agroalimentación de la Universidad de Cádiz, incluye el aprendizaje de:

• Aplicación de técnicas globales de caracterización (características y restricciones) en control de calidad de producción.
• Uso de técnicas de machine learning (clasificación y regresión) para la toma de decisiones en control de producción.

Se realizarán casos prácticos (adulteraciones en miel y control de calidad en vino) aplicando técnicas globales, adquisición de datos, pretratamiento y técnicas de machine learning para identificación de características y cuantificación de adulteraciones, con el software R-Studio.

Incluye una introducción al potencial de la vigilancia tecnológica, con el apoyo de herramientas de bajo coste.