Aprendizaje automático aplicado a Espectroscopía por Plasma Inducido con Láser (LIBS) y Visión Artificial Infrarrojas en muestras endémicas de miel de la Región del Bío – Bío, Chile. DOI Open Access

Rodrigo Andrés Jofré Cerda

Published: May 31, 2024

La autenticidad y calidad de la miel han sido temas creciente interés a nivel mundial debido su importancia económica, nutricional medicinal. Los consumidores reguladores demandan métodos más precisos rápidos para garantizar pureza miel, especialmente ante el aumento casos adulteración con azúcares otras sustancias. Además, determinar origen botánico es crucial clasificación comercialización, lo que presenta desafíos significativos en términos tiempo recursos necesarios análisis palinológico tradicional. convencionales palinológico, se utilizan identificar mediante identificación polen bajo microscopía, son procedimientos una gran cantidad estudios requirieren conteo 1200 1800 granos sola especie clasificar muestra clase específica. Este proceso puede extenderse días semanas, dependiendo experiencia del profesional, cual representa significativa limitación industria apícola nacional. detección adulterantes como diferentes (fructosa, glucosa, maltosa), otro desafío necesidad mínimamente destructivos. Para abordar estos desafíos, integrado tecnologías Espectroscopía Plasma Inducido por Láser (LIBS) visión artificial, asistidas algoritmos aprendizaje automático, aplicadas muestras endémicas sector Alto Bío – Bío, Región Chile. técnica LIBS permite obtener firmas espectrales específicas adulterantes, logrando detectar adulteraciones tiempos significativamente reducidos, general minutos algunas horas, sin requerir preparación compleja las muestras. Simultáneamente, ha empleado redes neuronales convolucionales analizar imágenes microscópicas polen, fin características morfológicas cada tamaño, forma, geometría textura. resultados obtenidos uso combinado artificial demuestran mejora eficiencia autenticación miel. En los errores mantienen bajos, un error mínimo 3.7% glucosa Quillaja saponaria 9.2% fructosa Eucryphia glutinosa. Por lado, modelos mostrado eficacias superiores al 90% mayoría base datos local, destacando endémica Así, método propuesto proporciona ventaja apicultores locales, permitiéndoles acceder origen, factores críticos apícola, garantizando cumplimiento estándares menores comparación convencionales, ya contando entrenados.

Honey bee venom loaded nanomaterials: A promising avenue for therapeutic delivery DOI
Jayraj Aher, Vikram Jadhav, Arun M. Bhagare

et al.

Nano-Structures & Nano-Objects, Journal Year: 2024, Volume and Issue: 39, P. 101310 - 101310

Published: Aug. 30, 2024

Language: Английский

Citations

2

Aprendizaje automático aplicado a Espectroscopía por Plasma Inducido con Láser (LIBS) y Visión Artificial Infrarrojas en muestras endémicas de miel de la Región del Bío – Bío, Chile. DOI Open Access

Rodrigo Andrés Jofré Cerda

Published: May 31, 2024

La autenticidad y calidad de la miel han sido temas creciente interés a nivel mundial debido su importancia económica, nutricional medicinal. Los consumidores reguladores demandan métodos más precisos rápidos para garantizar pureza miel, especialmente ante el aumento casos adulteración con azúcares otras sustancias. Además, determinar origen botánico es crucial clasificación comercialización, lo que presenta desafíos significativos en términos tiempo recursos necesarios análisis palinológico tradicional. convencionales palinológico, se utilizan identificar mediante identificación polen bajo microscopía, son procedimientos una gran cantidad estudios requirieren conteo 1200 1800 granos sola especie clasificar muestra clase específica. Este proceso puede extenderse días semanas, dependiendo experiencia del profesional, cual representa significativa limitación industria apícola nacional. detección adulterantes como diferentes (fructosa, glucosa, maltosa), otro desafío necesidad mínimamente destructivos. Para abordar estos desafíos, integrado tecnologías Espectroscopía Plasma Inducido por Láser (LIBS) visión artificial, asistidas algoritmos aprendizaje automático, aplicadas muestras endémicas sector Alto Bío – Bío, Región Chile. técnica LIBS permite obtener firmas espectrales específicas adulterantes, logrando detectar adulteraciones tiempos significativamente reducidos, general minutos algunas horas, sin requerir preparación compleja las muestras. Simultáneamente, ha empleado redes neuronales convolucionales analizar imágenes microscópicas polen, fin características morfológicas cada tamaño, forma, geometría textura. resultados obtenidos uso combinado artificial demuestran mejora eficiencia autenticación miel. En los errores mantienen bajos, un error mínimo 3.7% glucosa Quillaja saponaria 9.2% fructosa Eucryphia glutinosa. Por lado, modelos mostrado eficacias superiores al 90% mayoría base datos local, destacando endémica Así, método propuesto proporciona ventaja apicultores locales, permitiéndoles acceder origen, factores críticos apícola, garantizando cumplimiento estándares menores comparación convencionales, ya contando entrenados.

Citations

0