Depósito Campus San Joaquín
Permanent URI for this collectionhttps://repositorio.usm.cl/handle/123456789/73010
Browse
Browsing Depósito Campus San Joaquín by Author "Ángel Figueroa, Felipe"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Validación de Medidas espectroscópicas de muestras de vino utilizando inteligencia artificial(Universidad Técnica Federico Santa María, 2025-08) Riveros Carmona, Jullianne de Jesús; Armijo Mancilla, Juan; Ángel Figueroa, Felipe; Departamento de Ingeniería Química y Ambiental; Cornejo García, Iván AndrésLa presente memoria de título se enmarca en el proyecto FONDEF ID23I10024 y tiene por objetivo general desarrollar un método automatizado basado en medidas espectroscópicas e inteligencia artificial para la evaluación rápida y precisa de características del vino. Esto se abordó mediante la integración de espectroscopía visible, análisis físico-químico y técnicas de aprendizaje automático supervisado, con énfasis en la clasificación de cepas de vino a partir de un volumen limitado de datos y prototipos de bajo costo. La metodología se estructuró en seis etapas: calibración de prototipos, recolección de muestras, medición espectral, caracterización fisicoquímica y procesamiento de datos. Se evaluó la reproducibilidad instrumental, se diseñaron protocolos de captura estandarizados y se generó una base de datos con 36 muestras físicas representativas de cepas provenientes de Viña El Escorial. En la etapa de modelamiento, se exploraron dos configuraciones de entrada: espectros crudos y combinados con variables fisicoquímicas, pero ninguno tuvo un resultado favorable de manera independiente. Por ende, se implementó un árbol de clasificación jerárquica organizado por niveles de separación y clasificación de cepas específicas. El modelo final, compuesto por submodelos con algoritmos supervisados, preprocesamiento de análisis de componentes principales (PCA) y/o análisis discriminante lineal (LDA), escaladores y permutation feature importance (PFI), alcanzó un accuracy del 80% utilizando únicamente espectros (modelo Spec) y un 93% al incorporar propiedades fisicoquímicas (modelo Full), destacando el impacto del %v/v como variable con mayor poder discriminante, complementada levemente por la conductividad, seguido de °Brix y pH en la jerarquía de importancias. Asimismo, se identificaron limitaciones del uso de ruido artificial (gaussiano y salt and pepper) como método de data augmentation, dada la complejidad matricial del vino y la alteración de agrupaciones naturales de cepas. Se concluyó que la estructura espectral y la interacción entre componentes del vino dificultan la extrapolación realista de nuevos datos sintéticos sin degradar el rendimiento del modelo. A pesar de la necesidad de optimización y generalización, este trabajo sienta las bases para futuras validaciones en terreno y escalamiento de volumen de datos, orientado al fortalecimiento de herramientas analíticas accesibles para la industria del vino chileno.
Política de Privacidad 
