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

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

Description

Title: La imagen hiperespectral como herramienta de evaluación de la calidad de hortaliza de hoja mínimamente procesada
Author/s:
  • Diezma Iglesias, Belen
  • Lleó García, Lourdes
  • Herrero Langreo, Ana
  • Lunadei, Loredana
  • Roger, Jean-Michel
  • Ruiz-Altisent, Margarita
Item Type: Presentation at Congress or Conference (Lecture)
Event Title: VI Congreso Ibérico de AgroIngeniería
Event Dates: 5-7 septiembre 2011
Event Location: Évora
Title of Book: VI Congreso Ibérico de AgroIngeniería - Comunicaciones finales
Date: 2011
ISBN: 978-972‐778‐113‐3
Subjects:
Freetext Keywords: análisis multivariante, espinacas, cuarta gama, sistemas de visión.
Faculty: E.T.S.I. Agrónomos (UPM) [antigua denominación]
Department: Ingeniería Rural [hasta 2014]
UPM's Research Group: LPF-TAGRALIA
Creative Commons Licenses: None

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (601kB) | Preview

Abstract

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.

More information

Item ID: 9592
DC Identifier: http://oa.upm.es/9592/
OAI Identifier: oai:oa.upm.es:9592
Deposited by: Investigador contratado Loredana Lunadei
Deposited on: 03 Nov 2011 14:45
Last Modified: 20 Apr 2016 17:57
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM