Citation
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.
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.
