Este artículo se basa en la técnica de análisis de espectros de reflexión difusa en el infrarrojo cercano para realizar un estudio cualitativo de los materiales de embalaje de alimentos polietileno y polipropileno. Se seleccionaron diferentes rangos de longitudes de onda y se emplearon distintos métodos de preprocesamiento espectral. Utilizando el análisis de componentes principales (Principal component analysis, PCA) combinado con tres métodos de reconocimiento de patrones: SIMCA, discriminación bayesiana y K-vecinos más cercanos, se establecieron modelos cualitativos de predicción, y se comparó su rendimiento según la tasa de reconocimiento correcta. Los resultados indicaron que en el rango de longitud de onda de 1050~1550 nm, los modelos cualitativos construidos con los métodos SIMCA, discriminación bayesiana y K-vecinos más cercanos mostraron buen desempeño. Se procesaron los datos espectrales cercanos al infrarrojo de las muestras plásticas usando seis métodos de preprocesamiento espectral: normalización vectorial, transformación de variables normales estándar, centralización, filtrado de media móvil, suavizado polinomial y derivado de primer orden junto con los tres métodos de reconocimiento mencionados. En el rango 1050~1550 nm, con tres factores principales, el modelo cualitativo K-vecinos más cercanos basado en el espectro original fue el mejor, logrando una tasa de reconocimiento correcta del 100% tanto en los conjuntos de calibración como de predicción. Puede servir como referencia para estudios de identificación rápida de polietileno y polipropileno en materiales de embalaje de alimentos.

espectroscopía en el infrarrojo cercano; plástico; análisis de componentes principales; tasa de reconocimiento correcta