Se propone una técnica de fusión de características multiespectrales (MFFT) basada en la espectroscopia Raman (Raman) y la espectroscopia de emisión inducida por láser (LIBS), aprovechando la complementariedad entre la información de los componentes moleculares del espectro Raman y la información de los componentes atómicos del espectro LIBS. Se utilizó una técnica de modelado basada en transformada wavelet adaptativa (AWT), ponderación adaptativa competitiva (CARS) y regresión por mínimos cuadrados parciales (PLS) para obtener información más completa sobre las características del sistema de harina. En la técnica de fusión de características multiespectrales, primero se extrajeron las variables características del espectro Raman y del espectro LIBS utilizando el método AWT-CARS, luego se fusionaron en un vector y se construyó un modelo MFFT mediante el método PLS para realizar un análisis cuantitativo de las impurezas en la harina. Mediante el modelado y análisis de sistemas de impurezas en harina como el dióxido de titanio y el sulfato de alúmina y potasio, se evaluó la efectividad del modelo MFFT. Los resultados mostraron que, en comparación con los modelos de predicción basados únicamente en la espectroscopia Raman o LIBS, el modelo MFFT mejoró significativamente el rendimiento predictivo; los coeficientes de correlación lineal de los modelos para dióxido de titanio y sulfato de alúmina y potasio aumentaron de 0.884 y 0.877 en los modelos Raman relativamente pobres a 0.981 y 0.980 respectivamente, mientras que el error cuadrático medio de predicción disminuyó de 0.151 y 0.154 en los modelos Raman a 0.069 y 0.068 respectivamente. Esto indica que la técnica de fusión de características multiespectrales puede extraer con precisión la información molecular del espectro Raman y la información elemental del espectro LIBS, haciendo que se complementen y corrijan mutuamente, superando eficazmente la interferencia de la matriz de harina en el análisis cuantitativo de impurezas y mejorando significativamente la precisión predictiva del modelo.

Espectroscopía Raman; Espectroscopía de emisión inducida por láser; Técnica de fusión de características multiespectrales; Impurezas en harina