Se utilizó la cromatografía de gases y la espectroscopía de infrarrojo cercano para caracterizar cuatro aceites comestibles diferentes de origen vegetal (aceite de semilla de girasol, aceite de soja, aceite de maíz y aceite de cacahuete). Basándose en los datos de caracterización, se establecieron modelos de análisis discriminante de mínimos cuadrados parciales (PLS-DA). Sobre esta base, se exploraron métodos de fusión de datos a nivel de datos, y se construyeron métodos y modelos para discriminar aceites comestibles de diferentes orígenes vegetales basados en la fusión de datos cromatográficos y espectrales. Los resultados del análisis de componentes principales (PCA) mostraron que el análisis discriminante de cromatografía de gases se basa principalmente en la información de la composición de ácidos grasos, mientras que la espectroscopía de infrarrojo cercano clasifica principalmente según la caracterización de los enlaces químicos de hidrógeno en las muestras. El modelo de fusión de datos tuvo una sensibilidad y especificidad de 1.000, con un error de clasificación de 0.000, lo que redujo el error medio de clasificación en la validación cruzada y mostró una buena robustez del modelo. En comparación con los resultados de modelos basados en datos únicos, la estrategia de análisis de fusión de datos mejoró la precisión de clasificación y la robustez del modelo.

aceite comestible;origen vegetal;análisis discriminante;cromatografía de gases;espectroscopía de infrarrojo cercano;fusión de datos