Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático
La presencia de podredumbres en poscosecha es uno de los principales problemas que afectan a la producción de cítricos. La detección y eliminación de la fruta infectada es una de las mayores preocupaciones de la industria debido a que un número relativamente bajo de frutos infectados puede propag...
| Autores principales: | , , , , , , , |
|---|---|
| Otros Autores: | |
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
UMH (Universidad Miguel Hernández)
2020
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/20.500.11939/6831 https://innovacionumh.es/editorial/VIII%20Congreso%20Iberico%20de%20Agroingenieria.pdf#page=1021 |
| _version_ | 1855492159664291840 |
|---|---|
| author | Lorente, Delia Cortés, Victoria Munera, Sandra Escandell-Montero, P. Cubero, Sergio Aleixos, Nuria Talens, Pau Blasco, José |
| author2 | Abadía Sánchez, Ricardo |
| author_browse | Abadía Sánchez, Ricardo Aleixos, Nuria Blasco, José Cortés, Victoria Cubero, Sergio Escandell-Montero, P. Lorente, Delia Munera, Sandra Talens, Pau |
| author_facet | Abadía Sánchez, Ricardo Lorente, Delia Cortés, Victoria Munera, Sandra Escandell-Montero, P. Cubero, Sergio Aleixos, Nuria Talens, Pau Blasco, José |
| author_sort | Lorente, Delia |
| collection | ReDivia |
| description | La presencia de podredumbres en poscosecha es uno de los principales problemas que afectan
a la producción de cítricos. La detección y eliminación de la fruta infectada es una de las mayores
preocupaciones de la industria debido a que un número relativamente bajo de frutos infectados
puede propagar rápidamente la infección al resto de la producción. La detección de esta
enfermedad se ha llevado a cabo manualmente usando luz ultravioleta que induce la
fluorescencia visible de las lesiones fúngicas, pero la exposición de las personas a la iluminación
ultravioleta es potencialmente peligrosa y es necesario evitarla. Este trabajo estudia la viabilidad
de la espectroscopía de reflectancia en el visible e infrarrojo cercano (NIR) como una alternativa
no destructiva para la detección automática de cítricos con podredumbre. Se adquirieron
espectros de reflectancia de zonas sana y podrida de mandarinas cv. 'Clemenvilla' en la región
espectral entre 650 nm y 1700 nm utilizando dos espectrofotómetros. Se utilizaron varios
métodos de aprendizaje automático (análisis de componentes principales, análisis factorial y
mapeo de Sammon) para transformar los datos de cada espectro en representaciones
significativas de dimensionalidad reducida. Estas representaciones de menor dimensionalidad de
datos se utilizaron posteriormente como vectores de entrada de un clasificador basado en
análisis discriminante lineal para discriminar entre los dos tipos de piel: sana y podrida. Los
mejores resultados de detección de frutas con podredumbre se obtuvieron usando un análisis
factorial de los espectros NIR, dando una máxima precisión de la clasificación de 97,8%, con
porcentajes de clasificación de fruta sana y podrida del 100% y 94,4%, respectivamente. Estos
resultados hacen de esta herramienta una prometedora alternativa para detectar esta peligrosa
enfermedad mediante técnicas automáticas y no destructivas. |
| format | Objeto de conferencia |
| id | ReDivia6831 |
| institution | Instituto Valenciano de Investigaciones Agrarias (IVIA) |
| language | Español |
| publishDate | 2020 |
| publishDateRange | 2020 |
| publishDateSort | 2020 |
| publisher | UMH (Universidad Miguel Hernández) |
| publisherStr | UMH (Universidad Miguel Hernández) |
| record_format | dspace |
| spelling | ReDivia68312025-04-25T14:53:33Z Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático Lorente, Delia Cortés, Victoria Munera, Sandra Escandell-Montero, P. Cubero, Sergio Aleixos, Nuria Talens, Pau Blasco, José Abadía Sánchez, Ricardo Poscosecha de cítricos Podredumbre Control de calidad Inspección automática N01 Agricultural engineering H20 Plant diseases Penicillium La presencia de podredumbres en poscosecha es uno de los principales problemas que afectan a la producción de cítricos. La detección y eliminación de la fruta infectada es una de las mayores preocupaciones de la industria debido a que un número relativamente bajo de frutos infectados puede propagar rápidamente la infección al resto de la producción. La detección de esta enfermedad se ha llevado a cabo manualmente usando luz ultravioleta que induce la fluorescencia visible de las lesiones fúngicas, pero la exposición de las personas a la iluminación ultravioleta es potencialmente peligrosa y es necesario evitarla. Este trabajo estudia la viabilidad de la espectroscopía de reflectancia en el visible e infrarrojo cercano (NIR) como una alternativa no destructiva para la detección automática de cítricos con podredumbre. Se adquirieron espectros de reflectancia de zonas sana y podrida de mandarinas cv. 'Clemenvilla' en la región espectral entre 650 nm y 1700 nm utilizando dos espectrofotómetros. Se utilizaron varios métodos de aprendizaje automático (análisis de componentes principales, análisis factorial y mapeo de Sammon) para transformar los datos de cada espectro en representaciones significativas de dimensionalidad reducida. Estas representaciones de menor dimensionalidad de datos se utilizaron posteriormente como vectores de entrada de un clasificador basado en análisis discriminante lineal para discriminar entre los dos tipos de piel: sana y podrida. Los mejores resultados de detección de frutas con podredumbre se obtuvieron usando un análisis factorial de los espectros NIR, dando una máxima precisión de la clasificación de 97,8%, con porcentajes de clasificación de fruta sana y podrida del 100% y 94,4%, respectivamente. Estos resultados hacen de esta herramienta una prometedora alternativa para detectar esta peligrosa enfermedad mediante técnicas automáticas y no destructivas. 2020-11-27T09:46:41Z 2020-11-27T09:46:41Z 2016 conferenceObject Lorente, D., Cortés, V., Munera, S., Escandell, P., Cubero, S. Aleixos, N., et al. (2016). Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático. En: "VIII Congreso Ibérico de Agroingeniería. Retos de la Nueva Agricultura Mediterránea" (ed. UMH), pp 1021-1030. Congreso celebrado en 2015. Orihuela-Algorfa. 978-84-16024-30-8 http://hdl.handle.net/20.500.11939/6831 https://innovacionumh.es/editorial/VIII%20Congreso%20Iberico%20de%20Agroingenieria.pdf#page=1021 es VIII Congreso Ibérico de Agroingeniería Orihuela-Algorfa Atribución-NoComercial-SinDerivadas 3.0 España http://creativecommons.org/licenses/by-nc-nd/3.0/es/ openAccess UMH (Universidad Miguel Hernández) electronico |
| spellingShingle | Poscosecha de cítricos Podredumbre Control de calidad Inspección automática N01 Agricultural engineering H20 Plant diseases Penicillium Lorente, Delia Cortés, Victoria Munera, Sandra Escandell-Montero, P. Cubero, Sergio Aleixos, Nuria Talens, Pau Blasco, José Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático |
| title | Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático |
| title_full | Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático |
| title_fullStr | Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático |
| title_full_unstemmed | Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático |
| title_short | Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático |
| title_sort | deteccion de podredumbres en citricos mediante espectroscopia vis nir y metodos de aprendizaje automatico |
| topic | Poscosecha de cítricos Podredumbre Control de calidad Inspección automática N01 Agricultural engineering H20 Plant diseases Penicillium |
| url | http://hdl.handle.net/20.500.11939/6831 https://innovacionumh.es/editorial/VIII%20Congreso%20Iberico%20de%20Agroingenieria.pdf#page=1021 |
| work_keys_str_mv | AT lorentedelia detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT cortesvictoria detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT munerasandra detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT escandellmonterop detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT cuberosergio detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT aleixosnuria detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT talenspau detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico AT blascojose detecciondepodredumbresencitricosmedianteespectroscopiavisnirymetodosdeaprendizajeautomatico |