Selección de variables informativas en imágenes hiperespectrales

Resumen

Este trabajo analiza métodos de selección de variables para reducir la alta dimensionalidad, en imágenes hiperespectrales de maní contaminado con aflatoxinas. Se evaluaron 194 bandas en el rango 500–700 nm mediante técnicas estadísticas, teoría de la información, métodos penalizados en grupos y algoritmos Relief. Los resultados muestran que las bandas cercanas a 640–700 nm son las más discriminantes, mientras que el espectro completo presenta redundancia elevada. La validación cruzada con un clasificador CART confirma que la selección de características mejora la estabilidad del modelo y disminuye el sobreajuste, permitiendo identificar subconjuntos de bandas útiles para aplicaciones de control de calidad en la industria alimentaria.