Identificación de variedades de nectarina con apariencia similar y diferente sabor mediante imagen hiperespectral

En la actualidad, el consumidor dispone de nuevas variedades de nectarina que coinciden en periodo de recolección y que presentan un aspecto externo muy similar, pero diferentes propiedades fisicoquímicas y por lo tanto distinto sabor. La similitud externa aumenta el riesgo de que se puedan mezcla...

Descripción completa

Detalles Bibliográficos
Autores principales: Munera, Sandra, Amigo, José M., Aleixos, Nuria, Talens, Pau, Cubero, Sergio, Blasco, José
Formato: contributionToPeriodical
Lenguaje:Español
Publicado: Ediciones y promociones LAV 2020
Materias:
Acceso en línea:http://hdl.handle.net/20.500.11939/6885
Descripción
Sumario:En la actualidad, el consumidor dispone de nuevas variedades de nectarina que coinciden en periodo de recolección y que presentan un aspecto externo muy similar, pero diferentes propiedades fisicoquímicas y por lo tanto distinto sabor. La similitud externa aumenta el riesgo de que se puedan mezclar durante el proceso de confección y causen confusión y rechazo entre los consumidores, ya que algunas pueden ser dulces y otras ácidas. Por ello, es importante la creación de herramientas automáticas capaces de diferenciar entre estas variedades tan similares que el ojo humano apenas puede apreciar diferencias. La visión artificial puede ser una tecnología adecuada para esto, pero las cámaras estándar están fabricadas de forma que imitan al ojo humano y por lo tanto tampoco son capaces de distinguir estas variedades con precisión. La tecnología de imagen hiperespectral visible e infrarroja, por el contrario, permite obtener información de una parte de la fruta, que aun externa, está debajo de la piel lo que permite obtener información sobre su composición. En este trabajo se ha estudiado la aplicación de imagen hiperespectral para diferenciar dos variedades de nectarinas con un aspecto muy similar pero de diferente sabor. Se obtuvieron imágenes de las variedades "Diamond Ray' y 'Big Top' porque son consideradas como referencia de variedades ácidas y dulces y se utilizó el método de análisis discriminante de mínimos cuadrados parciales (PLS-DA) para desarrollar un modelo de clasificación. Este modelo ha permitido distinguirlas con una precisión del 96% empleando 14 longitudes de onda seleccionadas, mientras que las imágenes estándar de color, al igual que un panel entrenado de expertos, solo lograron una tasa de clasificación correcta del 57%.