El Pimentón es un condimento ampliamente utilizada en la gastronomía. Además de su función como saborizante, también es muy utilizado dentro de la gastronomía para decoración y como colorante. En pos de ampliar esta última característica, se suelen usar diferentes aditivos en la elaboración de este condimento, algunos de los cuales (tales como Sudan 1, 3 y 4) han sido categorizados como agentes cancerígenos. A pesar de que aún en la actualidad no se han reunido datos suficientes para sustentar esta hipótesis, de acuerdo a lo reportado por la “Food Standards Agency” del Reino Unido el consumo del aditivo Para Red también podría ser nocivo para el hombre. Por otro lado, en Estados Unidos se considera que el colorante Sudan 2 es perjudicial para la salud. Por esta razón es tan importante encontrar una manera rápida y económica de detectar la presencia de estos componentes en el pimenton. Si bien la espectroscopia en el infrarrojo cercano es un proceso relativamente barato, no es posible asignar directamente un comportamiento a un compuesto químico determinado, por lo cual es necesario un procesamiento de calibración que permita diferenciar los resultados obtenidos. En la presente charla se expondrá una aproximación a este procesamiento utilizando herramientas de machine learning (tales como Decision Trees, Linear Discriminant Analysis, etc.), con el objetivo de reducir al máximo la cantidad de muestras espectrales necesarias para una fehaciente detección de los componentes anteriormente nombrados, en forma potencialmente combinada, y en proporciones bajas (entre el 1% y el 5%).