# Un estudio de nariz electrónica para vacuno obtuvo menores puntuaciones al reservar muestras completas > Un reanálisis de 12 piezas de vacuno publicado en Foods separó adquisiciones completas durante las pruebas. Los resúmenes de características explicaron gran parte de la diferencia entre árboles y redes neuronales. URL: https://foodradar.org/es/leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models Idioma: es Autor: FoodRadar Editorial Publicado: 2026-10-19T06:00:10.000Z Actualizado: 2026-10-25T01:38:37.766Z Fecha de publicación de la fuente: 2026-08-10 Categoría: Tecnología English: https://foodradar.org/leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models Türkçe: https://foodradar.org/tr/leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models Deutsch: https://foodradar.org/de/leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models Italiano: https://foodradar.org/it/leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models Русский: https://foodradar.org/ru/leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models ## Doce piezas probadas por separado Un estudio de Erkan Caner Ozkat publicado en Foods el 10 de agosto de 2026 reanalizó datos públicos de nariz electrónica sobre frescura del vacuno. El conjunto principal contiene 12 piezas registradas mediante 11 canales de sensores de gases de óxido metálico. Cada prueba reservó una pieza completa y entrenó con las demás; el recuento total de microorganismos viables, TVC, definió las etiquetas de frescura, pero se excluyó de las entradas del modelo. En estas pruebas, la cadena de árboles potenciados por gradiente logró una exactitud de 0,81 ± 0,10 y un macro-F1 de 0,68 ± 0,15. La red neuronal que utilizaba secuencias sin resumir obtuvo un macro-F1 de 0,50 ± 0,15. Al evaluar esa misma red mediante divisiones aleatorias, el macro-F1 subió a 0,97. Otro contraste que proporcionó TVC como entrada produjo una exactitud casi perfecta del bosque aleatorio; el autor no establece que estos procedimientos causaran el resultado de una publicación anterior concreta. ## Características y menos canales Una red que recibió los mismos resúmenes de ventanas que el árbol obtuvo un macro-F1 de 0,64 ± 0,17, sin diferencia estadísticamente significativa respecto al árbol en la comparación pareada. Un subconjunto de cinco canales seleccionado dentro de los pliegues de entrenamiento alcanzó un macro-F1 de 0,64, frente a 0,68 del conjunto completo; esa diferencia tampoco fue significativa. El autor señala que todavía es necesario construir y validar una matriz físicamente reducida. Otros conjuntos de café y aromas probaron el papel de señales más ricas procedentes de perfiles de calentamiento. En la tarea del café, una red que incorporaba la posición superó al árbol; la ventaja se invirtió al reducir el perfil a un solo paso. En la tarea de aromas de siete clases, el árbol siguió siendo superior. El autor describe estos conjuntos como contrastes de estructura de señal, no como validación adicional de calidad cárnica. ## Datos de referencia y límites de transferencia Diez de las 12 piezas comparten una serie de referencia TVC parcialmente idéntica. Por ello, el autor distingue la validación entre 12 adquisiciones de sensores de la validación entre 12 trayectorias microbianas independientes. En otra adquisición de vacuno, el macro-F1 de transferencia fue de 0,40 para el árbol y 0,46 para la red. El autor informa de que la estandarización por dispositivo mejoró la red utilizando registros sin etiquetar de la adquisición de destino. El autor pide una validación más amplia entre laboratorios, condiciones de almacenamiento y períodos más largos, señalando que las adquisiciones de 37 horas no permiten caracterizar la deriva prolongada de los sensores. El artículo describe TVC como una medida de frescura, no de presencia de patógenos o toxinas. El estudio recibió apoyo de la Fundación de Desarrollo de la Universidad Recep Tayyip Erdoğan, ayuda 02026007008461; el autor declaró no tener conflictos de intereses. ## Fuente y licencia Fuente: Erkan Caner Ozkat. Leakage-Free Benchmarking of Electronic Noses for Beef Freshness: A Signal-Richness Criterion for Model Selection. Foods (2026), 15, 2798. DOI: 10.3390/foods15162798. © 2026 El autor. CC BY 4.0. FoodRadar preparó, editó y tradujo este resumen al español. ## Fuentes y derechos de uso - [Leakage-Free Benchmarking of Electronic Noses for Beef Freshness: A Signal-Richness Criterion for Model Selection](https://doi.org/10.3390/foods15162798?utm_source=foodradar.org&utm_medium=referral&utm_campaign=editorial&utm_content=leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models-es). Foods. Erkan Caner Ozkat (2026). Leakage-Free Benchmarking of Electronic Noses for Beef Freshness: A Signal-Richness Criterion for Model Selection. Foods 15(16), 2798. DOI: 10.3390/foods15162798. © 2026 by the author. CC BY 4.0. Adapted, edited and translated by FoodRadar. [CC-BY-4.0](https://creativecommons.org/licenses/by/4.0/?utm_source=foodradar.org&utm_medium=referral&utm_campaign=editorial&utm_content=leakage-free-benchmarking-reveals-realistic-accuracy-limits-for-electronic-nose-beef-freshness-models-es-license). Adaptado y traducido por FoodRadar. [Principios editoriales](https://foodradar.org/es/editorial-policy)