Predicción de los parámetros nutricionales de la leche a partir de sus propiedades físico-químicas utilizando deep learning

Resumen

El objetivo en el presente trabajo fue encontrar la mejor estructura de una Red Neuronal que permitan predecir los parámetros de calidad fisicoquímica de la leche, tales como la grasa, proteína, lactosa, sólidos no grasos, sólidos totales y minerales a partir de variables de fácil determinación como el tiempo de reducción de azul de metileno, densidad y pH en la empresa Nestle – Cajamarca. Se aplicó una Red Neuronal Artificial (RNA) del tipo Feedforward con los algoritmos de entrenamiento Backpropagation y de ajuste de pesos Levenberg-Marquardt, usando la topología: error meta de 10-2, tasa de aprendizaje de 0.01, coeficiente de momento de 0.5, 3 neuronas de entrada, 6 neuronas de salida y 50 etapas de entrenamiento. Se encontró que la desviación absoluta media (DAM) menor fue de 0.00715952 correspondiente a una Red Neuronal con 2 capas ocultas con 18 y 19 neuronas respectivamente y una función de tipo Tangente sigmoidal hiperbólico (Tansig) y Logaritmo sigmoidal hiperbólico (logsig) siendo su Coeficiente de regresión de 0.99837. Se comparó las predicciones con un modelo de regresión multivariable no lineal y no se encontró diferencias estadísticas (p > 0.95) para todas las variables de salida, excepto para la proteína.