Plataforma web para la evaluación objetiva de la calidad sensorial del chocolate con machine learning
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este estudio presenta el diseño, implementación y validación de una plataforma web desarrollada en Python para la evaluación objetiva de la calidad sensorial del chocolate mediante técnicas avanzadas de aprendizaje automático. La evaluación sensorial en la industria chocolatera enfrenta una limitación crítica debido a la subjetividad inherente en las percepciones de consumidores y expertos. Con el fin de superar esta problemática, el sistema propuesto integra datos estructurados sobre ingredientes, origen geográfico y descriptores sensoriales, complementados con valoraciones emitidas por consumidores y catadores expertos. Se entrenó y validó un modelo predictivo basado en el algoritmo XGBoost, alcanzando un error cuadrático medio (RMSE) de 0.3867, superando en precisión a otros modelos de regresión evaluados. La plataforma permite a los usuarios ingresar perfiles de nuevos chocolates, obtener predicciones automáticas de calidad, contribuir con evaluaciones y acceder a análisis detallados. El conjunto de datos empleado comprende más de 1,700 muestras de chocolate evaluadas por expertos de la industria en múltiples regiones de origen. El código fuente y los datos están disponibles públicamente en: https://bit.ly/4ci1P4Y
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuando un autor crea un artículo y lo publica en una revista, los derechos de autor pasan a la revista como parte del acuerdo de publicación. Por lo tanto, la revista se convierte en la dueña de los derechos de reproducción, distribución y venta del artículo. El autor conserva algunos derechos, como el derecho a ser reconocido como el creador del artículo y el derecho a utilizarlo para sus propios fines académicos o de investigación, a menos que se acuerde lo contrario en el contrato de publicación.
Cómo citar
Referencias
R. Tatman, «Kaggle,» [En línea]. Available: https://www.kaggle.com/datasets/rtatman/chocolate-bar-ratings. [Último acceso: 2024].
International Cocoa Organization, «ICCO,» [En línea]. Available: https://www.icco.org/august-2024-quarterly-bulletin-of-cocoa-statistics/. [Último acceso: 4 Septiembre 2024].
J. Lee y J. An, «Consumers’ sensory perception homogeneity and liking of chocolate,» Food Quality and Preference, vol. 118, p. 105178, 2024. https://doi.org/10.1016/j.foodqual.2024.105178
P. Yolci Omeroglu y T. Ozdal, «Fatty acid composition of sweet bakery goods and chocolate products and evaluation of overall nu-tritional,» Journal of Food Composition and Analysis, vol. 88, p. 103438, 2020. https://doi.org/10.1016/j.jfca.2020.103438
X. Liu, J. Wang, H. Wang, Y. Huang y Z. Ren, «Prediction of prunoi-deae fruit quality characteristics based on machine learning and spectral characteristic acquisition optimization,» Food Control, vol. 165, p. 110627, 2024. https://doi.org/10.1016/j.foodcont.2024.110627
G. Samaras, D. Bikos, P. Cann, M. Masen, Y. Hardalupas, J. Vieira, C. Hartmann y M. Charalambides, «A multiscale finite element analysis model for predicting the effect of micro-aeration on the fragmentation of chocolate during the first bite,» European Journal of Mechanics - A/Solids, vol. 104, p. 105221, 2024. https://doi.org/10.1016/j.euromechsol.2024.105221
S. J. Boegman, S. Carodenuto, S. Rebitt, H. Grant y B. Cisneros, «See-ing through transparency in the craft chocolate industry: The what, how, and why of cacao sourcing,» Journal of Agriculture and Food Research, vol. 14, p. 100739, 2023. https://doi.org/10.1016/j.jafr.2023.100739
N. Prakansamut, K. Adulpadungsak, S. Sonwai, K. Aryusuk y S. Lilitchan, «Application of functional oil blend-based oleogels as novel structured oil alternatives in chocolate spread,» LWT, vol. 203, p. 116322, 2024. https://doi.org/10.1016/j.lwt.2024.116322
C. González, E. V. Acosta, J. C. Mazo Rivas y D. A. Muñoz, «Phe-nomenological based model for the prediction of the structural changes during chocolate conching process,» Journal of Food Engi-neering, vol. 289, p. 110184, 2021. https://doi.org/10.1016/j.jfoodeng.2020.110184
J. Wagner, J. D. Wilkin, A. Szymkowiak y J. Grigor, «Sensory and affective response to chocolate differing in cocoa content: A TDS and facial electromyography approach,» Physiology & Behavior, vol. 270, p. 114308, 2023. https://doi.org/10.1016/j.physbeh.2023.114308
B. Le Révérend, I. Smart, P. Fryer y S. Bakalis, «Modelling the rapid cooling and casting of chocolate to predict phase behaviour,» Chem-ical Engineering Science, vol. 270, pp. 1077-1086, 2019. https://doi.org/10.1016/j.ces.2010.12.007
C. Gallery, S. Bourge y G. Agoda-Tandjawa, «Flow behaviors of multiple molten chocolate matrices: Appropriate curve fitting mod-els and impact of different types of surfactants,» Journal of Food En-gineering, vol. 363, p. 111780, 2024. https://doi.org/10.1016/j.jfoodeng.2023.111780
S. Kumar y I. Chong, «Correlation analysis to identify the effective data in machine learning: Prediction of depressive disorder and emotion states,» International Journal of Environmental Research and Public Health, vol. 15, nº 12, p. 2907, 2020. https://doi.org/10.3390/ijerph15122907
Y. Ren, Z. Lv, Z. Xu, Q. Wang y Z. Wang, «Slurry-ability mathemati-cal modeling of microwave-modified lignite,» Energy, vol. 281, p. 128143, 2023. https://doi.org/10.1016/j.energy.2023.128143
T. Chen y C. Guestrin, «XGBoost: A Scalable Tree Boosting System,» Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 785-794, 2016. https://doi.org/10.1145/2939672.2939785
C. E.J. Armstrong, J. Niimi, P. K. Boss, V. Pagay y D. W. Jeffery, «Use of Machine Learning with Fused Spectral Data for Prediction of Product Sensory Characteristics: The Case of Grape to Wine,» Foods, vol. 12, nº 4, p. 757, 2023. https://doi.org/10.3390/foods12040757
P. C. Ossani, D. F. Rossoni, M. Â. Cirillo y F. M. Borém, «Classifica-tion of specialty coffees using machine learning techniques,» Re-search, Society and Development, vol. 10, nº 5, 2021. https://doi.org/10.33448/rsd-v10i5.14732