• EN
  • ES


Noticeboard


Friday, October 13, 2017

Weekly Tip ISFOOD: Aplicación de imágenes hiperespectrales para la identificación temprana de mancha negra en patata

Ainara López Maestresalas

La industria agroalimentaria moderna se rige por unos estándares de calidad muy altos para cumplir con las exigencias tanto de los organismos reguladores como de los consumidores. Los hábitos de consumo han cambiado en los últimos años y el sector se enfrenta a unos consumidores cada vez más exigentes en cuanto a apariencia, sabor y vida útil de los productos agroalimentarios.

El sabor de un alimento depende no sólo de la composición química de éste sino también de su textura. Este parámetro está muy influenciado por la presencia de daños, los cuales, además, afectan a la apariencia final del producto y ésta a su vez a la decisión final de compra del consumidor. Por tanto, resulta imprescindible identificar estos daños de forma precoz y así evitar que puedan llegar a comercializarse productos de apariencia no atractiva.

La mejora de la calidad de productos agroalimentarios y en concreto la identificación de daños en los mismos constituye una de las principales líneas de investigación del grupo Mecatrónica Agraria perteneciente a ISFOOD. En este sentido, una tesis leída recientemente en este grupo de investigación aborda la determinación temprana de mancha negra en uno de los cultivos con mayor producción y consumo mundial, la patata (Solanum tuberosum L.) mediante el uso de tecnologías no destructivas de análisis de imágenes hiperespectrales (HSI) en el infrarrojo cercano.

La mancha negra es un tipo de daño interno, no apreciable a simple vista, generalmente producido durante la cosecha y el posterior manejo mecánico de los tubérculos. Al sector de la patata este daño le supone pérdidas millonarias anualmente, las cuales podrían reducirse considerablemente con una detección automática y precoz del mismo.

La elección de los sistemas HSI en el infrarrojo cercano para este fin se fundamenta en su naturaleza no invasiva, su rapidez de adquisición y su capacidad de detección de cambios estructurales en los alimentos antes de que estos sean lo suficientemente identificables a simple vista. Estos sistemas proporcionan tanto información espectral como espacial de la muestra. Su funcionamiento se basa en la adquisición de un gran número de imágenes monocromáticas a lo largo de un rango espectral continuo donde cada pixel contiene el espectro de la posición correspondiente en la muestra.

Para la identificación de mancha negra en patata se evaluó la potencialidad de dos equipos HSI cubriendo el rango visible (400-1000nm) e infrarrojo (1000-2500nm) del espectro electromagnético. Se emplearon 188 tubérculos de tres cultivares diferentes (Hermes, Magnum y Bintje) que se dividieron en dos grupos: sanas y dañadas. A estas últimas se les indujeron daños. La adquisición de las imágenes se llevó a cabo en la Universidad Católica de Lovaina con los dos equipos HSI de escaneado lineal, dado que este es el método más apropiado a emplear en los sistemas de cintas transportadoras utilizadas en la industria alimentaria. En este proyecto, las patatas se analizaron con los dos sistemas una vez transcurridos determinados periodos temporales, que podían oscilar entre una y veinticuatro horas. Los resultados obtenidos permitieron diferenciar patatas sanas de aquéllas dañadas con una fiabilidad superior al 98%, mediante un análisis discriminante por mínimos cuadrados parciales desarrollado en el software MATLAB. Al mismo tiempo, se logró identificar la presencia de daño interno en tubérculos 5 horas después de haberlo inducido, con una precisión de 97,12%. Esto permite localizar tubérculos afectados en las primeras fases de desarrollo del daño y por tanto evitar que lleguen al consumidor final. En la figura 1 se pueden observar los resultados del análisis discriminante obtenidos para una patata donde los puntos verdes representan los píxeles correctamente clasificados como dañados (Verdaderos positivos, VP) y los rojos representan los píxeles erróneamente clasificados como
dañados (Falsos positivos, FP).


Figura 1: Resultados del análisis discriminante para una patata, con los píxeles VP y FP.

Se puede ampliar información acerca de este proyecto en:

López-Maestresalas A, Keresztes JC, Arazuri S, Jarén C, Saeys W. Recent applications of near infrared hyperspectral imaging for quality inspection in the potato sector. NIR News 2016; 27 (8):11-14.
López-Maestresalas A, Keresztes JC, Goodarzi M, Arazuri S, Jarén C, Saeys W. Non-destructive detection of blackspot in potatoes by Vis-NIR and SWIR hyperspectral imaging. Food Control 2016; 70: 229-241. 



Research Institutes
Jeronimo de Ayanz Building
Public University of Navarre
Campus de Arrosadia 31006 - Pamplona
Tel. +34 948 169512
Contact by E-mail