Desarrollo de modelos de aprendizaje automático para la evaluación de la calidad sensorial del café colombiano de especialidad

Abstract

Este trabajo tiene como objetivo desarrollar modelos de aprendizaje automático que integren las variables fisicoquímicas y organolépticas de los granos de café verde para predecir de una manera objetiva y rápida, la calidad sensorial del café de especialidad. El estudio se realizó a través de una base de datos de 1324 muestras de origen Antioquia, Caldas, Cauca y Huila, se determinó variables como la humedad (%), densidad real (g/cm3), tamaño de grano (%), color (espacio de color CIE L ab*), grado de tueste (Unidades agrtron), identificación de defectos por análisis visual del grano y la presencia de defectos de sabor. Se evidenció que el 13,5 % de las muestras fueron reportadas con defectos de sabor, lo que permite confirmar que la apariencia externa de los granos no constituye un predictor para la calidad sensorial en taza. A través del modelo de regresión logística binaria, se determinó que la densidad real es una variable protectora más robusta; un incremento en la densidad real reduce la probabilidad de encontrar defectos de sabor en un 29,7 %. El modelo optimizado logro una sensibilidad de identificación de defectos de sabor en un 65,9 % y una capacidad discriminativa (AUC-ROC) de 0,665. Por el contrario, el modelo de k – Vecinos más cercanos (KNN) arrojó limitaciones para la cuantificación de defectos visuales (R2=0,185), evidenciando que la proximidad estadística no es suficiente para alcanzar precisión sin algoritmos no lineales más robustos. El desempeño del modelo de regresión logística arrojó un AUC-ROC igual al 66,5 %, el cual no permite alcanzar el nivel de discriminación y precisión de un panel de evaluación sensorial experto mayor al 90 %. Desarrollar modelos de aprendizaje automático que permitan la evaluación de la calidad sensorial del café, representan una herramienta valiosa para un control de calidad rápido y la gestión preventiva del riesgo. Estos hallazgos permiten minimizar la subjetividad en la evaluación sensorial del café de especialidad y proporcionan una base científica para optimizar los procesos de control de calidad, y la necesidad de implementación de otras tecnologías analíticas avanzadas y modelos de mayor complejidad que permitan mayor precisión en los modelos.