Adaptación de inteligencia artificial por el modelo de regresión múltiple estocástica para determinar la calidad de la fibra de alpaca (Lama pacos)

Abstract

Se describe la aplicación de inteligencia artificial basada en el modelo de regresión lineal múltiple con gradiente descendiente estocástica con la finalidad de determinar la calidad de la fibra de alpaca Huacaya de color blanco. Se analizaron 1200 fibras correspondientes a seis muestras de alpaca. Las fibras se caracterizaron mediante microscopía óptica y con el equipo analizador óptico de diámetro de fibra (OFDA 100). Se consideraron como variables independientes al diámetro de fibra, diámetro de médula, porcentaje de medulación por volumen, factor de confort, fibras objetables y como variable de respuesta al factor “Soft”. Esta última variable resultante de la diferencia del factor de confort y fibras objetables sirvió para darle un ordenamiento lógico a la matriz de datos y obtener un modelo de predicción preciso. Los valores promedio fueron 26.80±6.95 para el diámetro de fibra, 14.10±5.92 en diámetro de medula, 24.75±13.20 μm para el porcentaje de medulación por volumen y 71.56± 13.04% para el factor de confort. El modelamiento de regresión lineal múltiple de machine learning se adaptó con gran precisión a un tamaño muestral pequeño, mostrando errores mínimos, y optimizado con el algoritmo de gradiente descendiente estocástico predijo un factor Soft muy cercano al factor Soft observado. Se concluye que la técnica de regresión lineal múltiple con el enfoque estocástico satisface la predicción del nuevo factor denominado “soft” y que representa el modelamiento adecuado para la predicción de calidad de fibras en la industria textil.