Una herramienta rápida para asegurar la autenticidad del aceite
NewsITe
Un equipo de la Wuhan Polytechnic University, en China, desarrolló una innovadora metodología basada en inteligencia artificial (IA) para identificar de manera rápida y precisa la adulteración del aceite de oliva, uno de los productos más vulnerables a fraudes en el mercado alimentario global.
La autenticidad del aceite de oliva es un desafío permanente para la industria y los organismos de control. Las mezclas con otros aceites vegetales de menor calidad afectan tanto al bolsillo de los consumidores como a la confianza en los sistemas de fiscalización. En este contexto, el nuevo enfoque científico apunta a ofrecer una herramienta de verificación más eficiente, capaz de detectar irregularidades en pocos pasos y con un alto grado de precisión.
Según el trabajo difundido por la Agencia Noticias Argentinas, los investigadores combinaron diversas tecnologías analíticas con modelos avanzados de aprendizaje automático. Esta integración permitió mejorar significativamente la capacidad de detección de mezclas fraudulentas y, al mismo tiempo, cuantificar con mayor exactitud el contenido real de aceite de oliva en cada muestra analizada.
Cómo funciona el nuevo método de análisis
El estudio se realizó sobre aceites de oliva puros y mezclas preparadas con distintas proporciones de otros aceites vegetales. Para ello se integraron dos técnicas complementarias: la espectroscopia Raman y la resonancia magnética nuclear de baja frecuencia (LF-NMR), a las que se sumaron algoritmos de inteligencia artificial y modelos quimiométricos.
La espectroscopia Raman brindó información detallada sobre la composición molecular de los aceites, mientras que la resonancia magnética de baja frecuencia aportó datos sobre sus propiedades físicas y estructurales. Al combinar ambas fuentes de información se conformó un sistema de análisis multimodal, capaz de capturar una mayor cantidad de variables relevantes a la hora de detectar adulteraciones.
Posteriormente, los especialistas aplicaron estrategias de selección de variables y análisis de correlación para identificar qué características de cada muestra resultaban más influyentes. Con esa base, entrenaron diferentes modelos de clasificación que permitieron distinguir entre aceites puros y mezclas, así como discriminar las distintas proporciones de adulteración presentes.
Resultados y precisión en la detección de fraudes
De acuerdo con el estudio, el modelo alcanzó una precisión de clasificación del 90,74% al identificar diez categorías distintas de aceites. Este nivel de exactitud se considera muy elevado en el campo del control de calidad alimentaria, donde los métodos tradicionales suelen ser más lentos, costosos y con menor capacidad para procesar grandes volúmenes de muestras.
Uno de los aportes centrales de la investigación es la incorporación de técnicas de inteligencia artificial explicable, en particular el análisis SHAP (SHapley Additive Explanations). Esta herramienta permite conocer qué variables espectrales y parámetros de relajación tuvieron más peso en las decisiones de los modelos predictivos, lo que suma transparencia y hace que los resultados sean más comprensibles para autoridades y laboratorios.
“La combinación de técnicas espectroscópicas, resonancia magnética de baja frecuencia e inteligencia artificial abre nuevas oportunidades para sistemas rápidos de autentificación del aceite de oliva”, destacan los autores del trabajo.
El marco metodológico diseñado por la Wuhan Polytechnic University podría servir de base para el desarrollo de herramientas de inspección rápida que refuercen los sistemas de control de calidad en plantas de envasado, laboratorios oficiales y organismos de fiscalización. A futuro, este tipo de soluciones basadas en IA podría extenderse a otros alimentos sensibles a la adulteración, como vinos, lácteos o miel, contribuyendo a una mayor protección de los consumidores y a la competitividad de los productores que cumplen con las normas.
