desarrollo de sistema informático para la determinación de adulteración por almidón en queso...

7/23/2019 Desarrollo de Sistema Informtico Para La Determinacin de Adulteracin Por Almidn en Queso Fresco Basado en La Tecnologa de Imgenes Hiperespectrales

1/31

DESARROLLO DE SISTEMA INFORMTICO PARA LADETERMINACIN DE ADULTERACIN POR ALMIDNEN QUESO FRESCO BASADO EN LA TECNOLOGA DE

IMGENES HIPERESPECTRALES

M.Sc. Wilson Manuel Castro

Silupu

PROYECTO CONTRATO 220-2013-FINCyT-IA

1


2/31

2

La seguridad alimentaria es reconocida como una parte integral de

la calidad alimentaria y puede ser afectada, en cualquier etapa de

la produccin y/o manipulacin de los alimentos, con acciones

como la adulteracin de alimentos.

Esta es una accin intencional para degradar la calidad, antes,

durante o despus del proceso de produccin; bien sea por una

mezcla, sustitucin o la eliminacin de algunos componentes del

alimento.

INTRODUCCIN


3/31

!ttp"//###.la$lec!e.es/2%1%/%1/2&/nue'o$escandalo$sobre$la$adulteracion$de$la$mozzarella/

INTRODUCCIN
http://www.la-leche.es/2010/01/28/nuevo-escandalo-sobre-la-adulteracion-de-la-mozzarella/http://www.la-leche.es/2010/01/28/nuevo-escandalo-sobre-la-adulteracion-de-la-mozzarella/http://www.la-leche.es/2010/01/28/nuevo-escandalo-sobre-la-adulteracion-de-la-mozzarella/http://www.la-leche.es/2010/01/28/nuevo-escandalo-sobre-la-adulteracion-de-la-mozzarella/


4/31

(

En la industria l)ctea la adulteracin con !arinas es una

problem)tica com*n; en la lec!e fresca se adiciona !arina para

enmascarar la adicin de agua y en quesos tipo fresco y

mantecoso. Esto pone en e'idencia la necesidad de nue'os

mtodos y procedimientos de deteccin para asegurar la calidad

de los productos l)cteos.

INTRODUCCIN

!ttps"//###.facua.org/es/noticia.p!p+d-11&
https://www.facua.org/es/noticia.php?Id=1185https://www.facua.org/es/noticia.php?Id=1185https://www.facua.org/es/noticia.php?Id=1185https://www.facua.org/es/noticia.php?Id=1185


5/31

Las tcnicas pticas, no destructi'as, las im)genes

!iperespectrales 0 est)n siendo utilizadas actualmente en el

control de la calidad alimentaria

INTRODUCCIN

Figure 1.Representacion grfica de una imagen hiperespectral


6/31

3

En la industria l)ctea, la aplicacin de im)genes !iperespectrales

est) dirigida a la monitorizacin de procesos, el an)lisis

composicional, la prediccin de concentraciones de componentes, y

en general al control de la calidad y seguridad alimentaria.

En esta in'estigacin se desarrollo un mtodo para e'aluar la

adulteracin de queso fresco con !arina de ma4z, utilizando

im)genes !iperespectrales.

INTRODUCCIN


7/31

5

e utiliz lec!e fresca de 'acas 6rsey de la estacin ganadera

e7perimental 89!ac!apoyas: de la ni'ersidad odr4guez de ?endoza de 9!ac!apoyas ?, cuya

caracter4stica se muestra en la =abla 1;

!arina de ma4z adquirida en un mercado local y caracterizada

mediante espectrofotometr4a pectratar 2%% @L$>, nity

cientiAc siendo el contenido de almidn de 5&.%3 B p/p y

MATERIALES

Parmetro Valor

pH leche6.625

Grasa (%) .!55

"#tracto seco magro (%) $.1

&rote'na (%) .65

actosa (%) 5.$

*ensidad (g+cm) 1.12

&unto de congelaci,n (-) /.516

0inerales (%) .66

cide (Grados *ornic) 16

3a4la 1 aracteriacin de la leche utiliada


8/31

&

La metodolog4a utilizada en este trabaDo se di'idi en los siguientes

pasos"

a esarrollo de sistema

b Fdulteracin de muestras de queso fresco, durante el proceso de

produccin, con !arina de ma4z

c Fdquisicin de im)genes !iperespectrales

d 9onstruccin de modelos GL>

e Fplicacin de modelos de prediccin a im)genes !iperespectrales

de nue'as muestras

METODOLOGA


9/31

H

implementacin del sistema se inicia por el !ard#are

Figura 2. "lementos f4sicos del sistema de aduisicin de im)genes hiperespectrales a) cu4ierta e#terior 4)plataforma de muestra c) sistema de iluminacin d) c)mara espectrgrafo e) torre f) computador g) fuente de

alimentacin



10/31

1%

Figura . 7istas de la cmara8 espectr,grafo sistema de iluminaci,n plataforma de muestra


11/31

11

Gosteriormente procedemos a implementar el soft#are; aunque

e7isten algunos, estos no cubren las necesidades particulares de

cada caso.

Software Desarrollador Aplicacin principal Fuentes

0atla4 3he 0ath/9or:s ;nc.8


12/31

12

Gor tanto se diseCa y desarrolla el soft#are a medida

Figura @. "tapas del tra4ao

FuenteI daptado de Fairle (211)



13/31

1

b Fdulteracin de muestras de queso fresco, con !arina de ma4z

Figura 5. diagrama de fluo para la preparacin de muestras

a relaci,n harina + leche se e#presa en g+


14/31

1(

c Fdquisicin de im)genes !iperespectrales

d 9onstruccin de modelos GL>

e Fplicacin de modelos de prediccin a im)genes

!iperespectrales de nue'as muestras

Estos pasos se realizaron utilizando el sistema implementado

en el paso a y siguen el )rbol de decisiones mostrado en la

siguiente Agura.


15/31

1Figura 6. Descripcin esquemtica del procedimiento eperimental


16/31

13

Figura . eles en el diseCo de un softEareFuenteI daptado de 0connell8 2@)

Figura 1. *escripcin del softEare en 4ase a su estructura enmdulos

Figura $. *etalle del su4sistema desarrollado

Figura !. ruitectura del sistema

a esarrollo de sistemaRESULTADOS


17/31

15

Figura 11. 0odulo deteccin de adulteracin deueso fresco por harina de ma4

I!"##$%&'($ #$)'*(!% +# M&%"&,2010 &

Figura . eles en el diseCo de un softEareFuenteI daptado de 0connell8 2@)

RESULTADOSa esarrollo de sistema


18/31

1&

Figura 12. =arra de herramientas de la aplicacin HperJ1I a) rea 4) Apectrac) ine



19/31

1H

Figura 1. &rincipales >entanas de la aplicacin inform)tica a)>entana principal 4) >entana de entrenamiento c) >entana de

opciones del sistema



20/31

2%

b Fdulteracin de muestras de queso fresco, con !arina de ma4zRESULTADOS

3a4la . *atos de la caracteriaci,n de muestras


21/31

21

Iigura 1( a imagen >JK b imagen de intensidad a (&% nm c imagen de> circular

Iigura 1. E7traccin de informacin espectral en la >

RESULTADOSc Fdquisicin de im)genes

!iperespectrales


22/31

22

RESULTADOSc Fdquisicin de im)genes

!iperespectrales

Iigura 13. GerAles espectrales promedio de los diferentestratamientos


23/31


RESULTADOS


24/31

2(

Iigura 15 Estructura del modelo GL>

Iigura 1& Keta coeAcientes del modeloGL>

RESULTADOSd esarrollo de modelos GL>


25/31

2

Iigura 1H. FDuste del modelo GL> reducido

RESULTADOSd esarrollo de modelos GL>


26/31



27/31

25

e Fplicacin de modelosRESULTADOS

Iigura 2%. m)genes >JK de una repeticin de cadatratamiento


28/31

2&


Iigura 21. m)genes de intensidad a (% nm


29/31

2H


Iigura 22. m)genes en escala de grises con )reasanmalas eliminadas


30/31

%


Iigura 2. m)genes quimiomtricas de una repeticin de cadatratamiento


31/31

1

e !a mostrado que la aplicacin de la tcnica de im)genes

!iperespectrales al an)lisis de la adulteracin por !arina de

ma4z en queso fresco permite detectar la presencia de dic!o

adulterante; en base a la relacin entre la reMactancia y el

contenido de almidn en muestras de queso fresco.

Los modelo para predecir el contenido de almidn mediante la

tcnica GL> contaron con coeAcientes de correlacin >2 de

%.H1 y %.HH& para el modelo completo y modelo reducido

respecti'amente; por tanto se propone como meDor la

prediccin por la mayor robustez del mismo.

CONCLUSIONES

desarrollo de sistema informático para la determinación de adulteración por almidón en queso...

Documents