Resumen:
La calidad natural del jugo es un parámetro crítico dentro de la industria agroindustrial, ya que determina tanto la aceptación del consumidor como la eficiencia del proceso productivo.
El presente estudio desarrolla y evalúa un sistema predictivo basado en algoritmos de inteligencia artificial para clasificar la calidad del jugo utilizando variables fisicoquímicas, sensoriales y visuales. Se recopilaron datos históricos provenientes de análisis industriales y, posteriormente, se aplicaron técnicas de clusterización y reducción dimensional para depurar la información y mejorar la separabilidad entre clases.
Se entrenaron cinco modelos supervisados: MLP, SVM-RBF, Random Forest, ExtraTrees y Gradient Boosting. El modelo MLP demostró el mejor desempeño, alcanzando una exactitud de 0.996952 y una excelente capacidad para identificar patrones no lineales en la composición química del jugo.
Se diseñó una interfaz funcional que integra el modelo predictivo para uso de personal técnico, permitiendo clasificaciones rápidas y confiables en planta. Los resultados confirman la viabilidad operativa del sistema y evidencian su potencial para reducir la subjetividad humana, mejorar la estandarización del producto y optimizar las decisiones de mezcla y procesamiento.
Este estudio constituye un aporte estratégico para la modernización tecnológica de la industria de jugos.
