La imagen hiperespectral como herramienta de evaluación de la calidad de hortaliza de hoja mínimamente procesada

Diezma Iglesias, Belen; Lleó García, Lourdes; Herrero Langreo, Ana; Lunadei, Loredana; Roger, Jean-Michel y Ruiz-Altisent, Margarita (2011). La imagen hiperespectral como herramienta de evaluación de la calidad de hortaliza de hoja mínimamente procesada. En: "VI Congreso Ibérico de AgroIngeniería", 5-7 septiembre 2011, Évora. ISBN 978-972‐778‐113‐3.

Descripción

Título: La imagen hiperespectral como herramienta de evaluación de la calidad de hortaliza de hoja mínimamente procesada
Autor/es:
  • Diezma Iglesias, Belen
  • Lleó García, Lourdes
  • Herrero Langreo, Ana
  • Lunadei, Loredana
  • Roger, Jean-Michel
  • Ruiz-Altisent, Margarita
Tipo de Documento: Ponencia en Congreso o Jornada (Lectura)
Título del Evento: VI Congreso Ibérico de AgroIngeniería
Fechas del Evento: 5-7 septiembre 2011
Lugar del Evento: Évora
Título del Libro: VI Congreso Ibérico de AgroIngeniería - Comunicaciones finales
Fecha: 2011
ISBN: 978-972‐778‐113‐3
Materias:
Palabras Clave Informales: análisis multivariante, espinacas, cuarta gama, sistemas de visión.
Escuela: E.T.S.I. Agrónomos (UPM) [antigua denominación]
Departamento: Ingeniería Rural [hasta 2014]
Grupo Investigación UPM: LPF-TAGRALIA
Licencias Creative Commons: Ninguna

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (601kB) | Vista Previa

Resumen

Resumen En el presente trabajo se explora la técnica de imagen hiperespectral en el ámbito de las hortalizas de hoja mínimamente procesadas para la determinación de atributos de calidad ligados a la evolución durante su almacenamiento y manejo. Se ha implementado un equipo de visión hiperespectral VIS-NIR (400 – 1000 nm) para la adquisición de imágenes de hojas de espinacas. Las muestras han sido sometidas a diferentes periodos de almacenamiento para generar suficiente variabilidad en estados de calidad. Se ha seleccionado una población de calibración de espectros sobre las imágenes considerando tres categorías de calidad. Sobre dicha población de calibración se ha aplicado la técnica de análisis multivariante PLS-DA. El error del modelo de clasificación en la calibración ha sido del 7%. La proyección de las imágenes hiperespectrales en el espacio discriminante generado y la asignación de cada píxel a una de las categorías en función de dicha proyección, han permitido identificar en las hojas regiones con diferentes estados de evolución. Abstract In this paper hyperspectral imaging technique is explored for the determination of quality attributes related to the evolution during storage and handling in the field of minimally processed leafy vegetables. We have implemented a computer vision hyperspectral VIS-NIR (400 - 1000 nm) for the acquisition of images of leaves of spinach. Samples were subjected to different storage periods to generate sufficient variability in quality stages. It has been selected a calibration set of spectra on the images by considering three categories of quality. On this calibration set the multivariate PLS-DA has been performed. The classification error in calibration was 7%. The projection of hyperspectral images on the discriminant space generated and the assignation of each pixel to one of the categories, have allowed the identification of regions in the leaves with different stages of evolution.

Más información

ID de Registro: 9592
Identificador DC: http://oa.upm.es/9592/
Identificador OAI: oai:oa.upm.es:9592
Depositado por: Investigador contratado Loredana Lunadei
Depositado el: 03 Nov 2011 14:45
Ultima Modificación: 20 Abr 2016 17:57
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM