Este estudio utiliza el algoritmo SIFT (Transformada de Características Invariantes a la Escala) unidimensional para encontrar longitudes de onda estables en el espectro de infrarrojo cercano (NIRS) de las hojas de tabaco. Según las longitudes de onda seleccionadas mediante pruebas de precisión de muestras, se calculan la reproducibilidad y repetibilidad, y se optimizan los parámetros relacionados en el algoritmo SIFT mediante una tabla ortogonal L9(33) para maximizar la reproducibilidad y repetibilidad. Basándose en los parámetros optimizados y los espectros de 10 muestras representativas en el anfitrión, se seleccionan 10 conjuntos de longitudes de onda estables. La respuesta espectral de la unión de estos conjuntos de longitudes de onda se usa como variable independiente para construir un modelo NIRS de alcaloides totales en hojas de tabaco utilizando el método de mínimos cuadrados parciales (PLS), llamado SIFT-PLS. Este modelo se transfiere directamente a 3 dispositivos esclavos, donde el error relativo medio de predicción (MRE) de las muestras de alcaloides totales en las 3 unidades cumple con el requisito interno de la empresa (menor al 6%). En cambio, el modelo de espectro completo (WW-PLS) tras la transferencia directa solo cumple este requisito en una unidad esclava. Después de la corrección directa por segmentos (PDS) del espectro esclavo, el modelo WW-PLS sigue cumpliendo el requisito solo en una unidad. El modelo NIRS construido utilizando el algoritmo SIFT para seleccionar longitudes de onda estables puede compartirse directamente entre las 3 unidades esclavas sin necesidad de transferencia de conjuntos, ni corrección del espectro esclavo o modelo espectral, logrando una transferencia directa genuina del modelo NIRS sin muestras estándar.

Transformación de características invariantes a la escala; selección de longitudes de onda; transferencia de modelo de espectroscopia cercana al infrarrojo; alcaloides totales del tabaco