universidad de chile - repositorio...
TRANSCRIPT
UNIVERSIDAD DE CHILE
Facultad de Ciencias Químicas y Farmacéuticas
Departamento de Ciencia y Tecnología de los Alimentos
DETERMINACION DE LA CALIDAD EN CHIPS DE MANZANA FRITA MEDIANTE VISION COMPUTACIONAL
MEMORIA PARA OPTAR AL TÍTULO DE INGENIERO EN ALIMENTOS
ESTEFANÍA FLORES GUTIÉRREZ
Profesor Patrocinante: Msc. Andrea Bunger Timmermann Directores de Memoria: Dr. Franco Pedreschi Plasencia
Msc. Andrea Bunger Timmermann
Santiago, Chile 2010
ii
DEDICATORIA
A mi familia, por su cariño inmenso
A Fernando M., por su apoyo y amor incondicional
A Guacolda R., por sus palabras de aliento
A la memoria de mi abuelo
iii
AGRADECIMIENTOS
Agradezco a todos los que forman y formaron parte de mi vida, sin ustedes este
sueño nunca pudiera haber sido completado. Sencillamente, ustedes son la base de mi
vida y fuente de motivación para superarme cada día más y luchar por un futuro mejor.
A mis amigos con los que compartí tantas aventuras, experiencias y
desveladas. Gracias a cada uno por hacer que mi estancia en la universidad fuera
divertida, los quiero mucho y nunca los olvidaré.
A mi Profesora Patrocinante y Directora de Tesis la Sra. Andrea Bunger por su
constante preocupación y dedicación. Al Profesor Franco Pedreschi por su ayuda y
apoyo. Al Profesor Domingo Mery por su paciencia y buena disposición.
A los jueces que conformaron el panel sensorial: Kattirant Moya, Alejandra
Lozano, Cristian Arellano, Natalia Reyes, Constanza Barahona, Laura Hurtado, Tomás
Cáceres, Alberto Pozo, Pamela Soto, Pilar Morgan, Rocío Rivas, Alejandro Sanhueza,
Sergio Lobos, Paulina Vergara y Elizabeth Muñoz, por su disposición, tiempo y buena
onda, fueron parte importante en el desarrollo de este trabajo.
A mi compañera de laboratorio Kattirant, porque siempre pude contar contigo,
por tu compañía y ánimo. A Silvia Matiacevich, por sus prácticos consejos
experimentales, buena onda y disposición. A Carolina Martínez, por sus consejos,
ayuda y preocupación.
Finalmente gracias al Proyecto FONDECYT N° 1070031 titulado “Determination
of potato and apple processing kinetics and their final quality using computer vision” y a
los investigadores a cargo: Franco Pedreschi, Andrea Bunger y Domingo Mery, por
darme la oportunidad de participar del proyecto y realizar mi memoria de título.
iv
ÍNDICE GENERAL
RESUMEN................................................................................................................
SUMMARY................................................................................................................ 1 INTRODUCCIÓN........................................................................................... 1.1 Revisión bibliográfica.............................................................................
1.1.1 La fritura..................................................................................................
1.1.1.1 Pérdida de humedad durante la fritura...........................................
1.1.1.2 Absorción de aceite durante la fritura............................................
1.1.1.3 Evolución del color durante la fritura..............................................
1.1.1.4 Evolución de la textura durante la fritura........................................
1.1.2 Visión computacional..............................................................................
1.1.2.1 Adquisición de imágenes...............................................................
1.1.2.2 Pre- procesamiento de la imagen..................................................
1.1.2.3 Segmentación de la imagen...........................................................
1.1.2.4 Extracción de características.........................................................
1.1.2.5 Clasificación...................................................................................
1.1.3 Evaluación sensorial...............................................................................
1.2 Hipótesis.........................................................................................................
1.3 Objetivo general..............................................................................................
1.4 Objetivos específicos......................................................................................
2. METODOLOGÍA……......................................................................................
2.1 Obtención de chips de manzana.....................................................................
2.1.1 Selección y lavado..................................................................................
2.1.2 Corte……………………………………………………………….…………...
2.1.3 Pre-tratamientos…………………..…………………………..………………
2.1.4 Proceso de fritura………………..……………………………….……….….
xiv
xvi
1
2
2
3
4
5
5
6
7
8
8
9
10
12 13
13
13
14
14
15
15
15
16
v
2.2 Determinación de propiedades físicas al producto final.................................
2.2.1 Determinación de humedad....................................................................
2.2.2 Determinación del contenido de aceite total………………………………
2.2.2.1 Modelo de absorción de aceite......................................................
17
17
17
18
2.3 Adquisición de imágenes digitales y extracción de características……...…
2.4 Análisis sensorial....................................................................................
2.4.1 Elección y selección de los evaluadores…………………………………
2.4.2 Selección del panel.........................................................................
2.4.3 Familiarización del panel con las muestras.......................................
2.4.4 Construcción de tabla color.............................................................
2.4.5 Evaluación de Color........................................................................
2.4.6 Determinación de grados de calidad según categorías de color….….
2.5 Correlación.............................................................................................
2.6 Clasificación...........................................................................................
2.6.1 Validación cruzada.................................................................................
3. RESULTADOS Y DISCUSIÓNES..................................................................
3.1 Propiedades físicas medidas instrumentalmente...........................................
3.1.1 Perdida de Humedad.............................................................................
3.1.2 Contenido de aceite...............................................................................
3.1.2.1 Modelo de absorción de aceite......................................................
3.2 Predicción de propiedades físicas mediante visión computacional................
3.2.1 Correlación de pérdida de humedad y absorción de aceite...................
3.2.2 Correlación propiedad física teórica v/s instrumental.............................
3.3 Determinación de calidad en chips de manzanas por visión computacional.
3.3.1 Determinación sensorial del grado de calidad según categorías de
color.......................................................................................................
3.3.2 Clasificación según el grado de calidad empleando el atributo color…
4. CONCLUSIONES...........................................................................................
5. BIBLIOGRAFÌA...............................................................................................
18
19
19
19
20
21
22
22
23
23
24
26
26
26
29
33 35
35
38
38
39
41
54
56
vi
ÍNDICE DE TABLAS
Tabla 1:
Tabla 2:
Tabla 3:
Tabla 4:
Tabla 5:
Grados de calidad según categorías de color....................................
Resumen de los valores de parámetros del modelo de cinética de
absorción de aceite de manzanas fritas………..................................
Tabla resumen de la correlación entre las propiedades medidas
instrumentalmente y por VC……………….........................................
Categorías de Calidad a partir de la encuesta de evaluación de
color en chips de manzana frita..........................................................
Resumen de los porcentajes de aciertos, clasificadores y número
de caracteristicas obtenidas de la clasificación.................................
22
34
37
40
52
vii
ÍNDICE DE FIGURAS
Figura 1:
Figura 2:
Figura 3:
Figura 4:
Figura 5:
Figura 6:
Figura 7:
Figura 8:
Figura 9:
Figura 10:
Figura 11:
Figura 12:
Figura 13:
Figura 14.1:
Figura 14.2:
Absorción de aceite y perdida de humedad en el proceso de
fritura (Allen y Rojas, 2009).............................................................
Diagrama en base a un corte transversal de la estructura de un
chip en relación a la absorción de aceite durante la fritura
(Bouchon, 2003)……………………………………………….............
Visión Computacional (Mery y cols, 2010)……………………..……
Segmentación de una imagen de alimento RGB usando una
imagen de alto contraste J, umbral global K, obtenidos a partir de
su histograma (derecha), y operaciones morfológicas R, (Mery y
cols, 2010)…………………………………………………….…………
Ejemplo, donde n características de las peras de mesa, son
extraídas para construir una tabla de características, donde cada
fila representa una muestra, y cada columna una función, (Mery y
cols, 2010).......................................................................................
Diagrama de flujo del proceso de elaboración de las muestras de
chips de manzana estandarizados……………………………………
Esquema del proceso de fritura (León, 2005)……………….………
Configuración de Bfex………………………………………….………
Ordenamiento de intensidad de color, set de color rojo……………
Tabla de color inicial para fijar los colores intermedios……………
Extracto de tabla de color para manzanas y bandeja con las
muestras…………………………………………………………………
Configuración del Bfcsel………………………………………..…....
Validación cruzada……………………………………………………..
Cinética de la pérdida de humedad (b.h.) en chips de manzana
control a 140 y 160 ºC en función del tiempo de fritura……….….
Cinética de la pérdida de humedad (b.h.) en chips de manzana
escaldados a 140 y 160 ºC en función del tiempo de fritura…..…..
3
4
7
8
9
14
17
19
20
21
22
24
25
26
27
viii
Figura 14.3:
Figura 14.4:
Figura 14.5:
Figura 15.1:
Figura 15.2:
Figura 15.3:
Figura 15.4:
Figura 15.5:
Figura 16.1:
Figura 16.2:
Figura 17.1:
Figura 17.2:
Cinética de la pérdida de humedad (b.h.) en chips de manzana
escaldados-secados a 140 y 160 ºC en función del tiempo de
fritura…………………………………………………...………………...
Cinética de la pérdida de humedad (b.h.) en chips de manzana
para los tres pre-tratamientos en función del tiempo de fritura a
140ºC…………………………………………………...………………..
Cinética de la pérdida de humedad (b.h.) en chips de manzana
para los tres pre-tratamientos en función del tiempo de fritura a
160 ºC………………………………..…………………………………..
Cinética de la absorción de aceite en chips de manzana control
en función del tiempo de fritura a ambas temperaturas de fritura..
Cinética de la absorción de aceite en chips de manzana
escaldados en función del tiempo de fritura a ambas
temperaturas de fritura..………………………………………………..
Cinética de la absorción de aceite en chips de manzana
escaldadas-secadas en función del tiempo de fritura a ambas
temperaturas de fritura………..…………………………………….….
Cinética de la absorción de aceite en chips de manzana para los
tres pre-tratamientos en función del tiempo de fritura a 140 ºC….
Cinética de la absorción de aceite en chips de manzana para los
tres pre-tratamientos en función del tiempo de fritura a 160 ºC….
Cinética de absorción de aceite en chips de manzana para los
tres pre-tratamientos en función del tiempo de fritura a 140ºC……
Cinética de absorción de aceite en chips de manzana para los
tres pre-tratamientos en función del tiempo de fritura a 160ºC……
Regresión lineal para el tratamiento control 140, entre Humedad
b.s. y Fourier_2 – Blue 11…………………………………….………..
Regresión lineal para el tratamiento control 140, entre Aceite b.s.
y Fourier_2 – Blue 11…………………………………………………..
27
28
29
30
30
31
32
32
33
34
35
36
ix
Figura 18.1:
Figura 18.2:
Figura 19:
Figura 20:
Figura 21.1:
Figura 21.2:
Figura 21.3:
Figura 21.4:
Figura 21.5:
Figura 21.6:
Figura 22.1:
Correlación entre Aceite b.s. instrumental y Aceite b.s. teórica
para los chips de manzana control a 140ºC………….…….……….
Correlación entre Aceite b.s. instrumental y Aceite b.s. teórica
para los chips escaldados a 140ºC…………………………..………
Clasificación en grados de calidad a partir de la encuesta de
evaluación de color en chip de manzana frita……………………….
Categorías de calidad para todos los pre-tratamientos y para
ambas temperaturas de fritura…………………………………..……
Función de densidad de probabilidad versus la mejor
característica encontrada para los pretratamientos control,
escaldado y escaldado-secado a 140ºC……………………….…...
Función de densidad de probabilidad versus la mejor
característica encontrada para los pretratamientos control,
escaldado y escaldado-secado a 160ºC…………………………….
La mejor caracteristica encontrada versus la segunda mejor para
los pretratamientos control, escaldado y escaldado-secado a
140ºC………………………………………………………………..…...
La mejor caracteristica encontrada versus segunda mejor para la
clasificación de los pretratamientos control, escaldado y
escaldado-secado a 160ºC……………………………………..……..
Tres mejores caracteristicas encontradas para la clasificación de
los pretratamientos control, escaldado y escaldado-secado a
140ºC…………………………………………………………………….
Tres mejores caracteristicas encontradas para la clasificación de
los pretratamientos control, escaldado y escaldado-secado a
160ºC…………………………………………………………………….
Función de densidad de probabilidad versus la mejor
característica encontrada para el pre-tratamiento control a 140 y
160ºC……………………………………………………………..……...
38
38
39
40
42
42
43
44
45
45
46
x
Figura 22.2:
Figura 22.3:
Figura 22.4:
Figura 22.5:
Figura 22.6:
Figura 22.7:
Figura 22.8:
Figura 22.9:
Función de densidad de probabilidad versus la mejor
característica encontrada para el pre-tratamiento escaldado a 140
y 160ºC…………………………………………………………………..
Función de densidad de probabilidad versus la mejor
característica encontrada para el pre-tratamiento escaldado-
secado a 140 y 160ºC……………………….…………………….......
La mejor caracteristica encontrada versus la segunda mejor
característica encontrada para el pre-tratamiento control a 140 y
160ºC…………………………………………………………………….
La mejor caracteristica encontrada versus la segunda mejor para
el pre-tratamiento escaldado a 140 y 160ºC…………………….…..
La mejor caracteristica encontrada versus la segunda mejor para
el pre-tratamiento escaldado-secado a 140 y 160ºC……….………
Tres mejores caracteristicas encontradas para la clasificación del
pre-tratamiento control a 140 y 160ºC……………………….……….
Tres mejores caracteristicas encontradas para la clasificación del
pre-tratamiento escaldado a 140 y 160ºC……………………………
Tres mejores caracteristicas encontradas para la clasificación del
pre-tratamiento escaldado-secado a 140 y 160ºC…………………
47
47
48
49
49
50
51
51
xi
ÍNDICE DE ANEXOS
ANEXO A:
Figura A.1:
Figura A.2: Figura A.3:
Figura A.4:
Figura A.5:
ANEXO B:
Ficha B°1:
Ficha B°2:
Ficha B°3:
Ficha B°4:
ANEXO C:
Tabla C.1:
Tabla C.2:
Tabla C.3:
Tabla C.4:
Tabla C.5:
Tabla C.6:
Ajuste de captura de las imágenes digitales…………...…………...
Configuración de ajustes de disparo………………………….………....
Configuración de ajuste de ángulo………………………………….……
Curva de calibración del parámetro L*............................................
Curva de calibración del parámetro a*............................................
Curva de calibración del parámetro b*............................................
Fichas de evaluación sensorial utilizadas.......................................
Ficha de ordenamiento para ranking de color…………………………..
Ficha Construcción Tabla de color……………………………………….
Ficha para test de reconocimiento de color en chips de Manzana…...
Pauta de encuesta de evaluación de color en chips de manzana
frita…………………………………………………………….……………..
Tablas de datos experimentales…………………………...…………..
Tiempos de fritura, en segundos, para manzanas control, escaldado
y escaldado-secado para las dos temperaturas de fritura…………….
Diluciones de los tubos de ensayo para el ordenamiento de color…..
Resultados obtenidos para la selección de jueces en cada uno de los
sets de colores presentados………………………………………….
Resultados obtenidos de los jueces para la selección de los 5 puntos
intermedios de la tabla de color de 7 puntos…………………...
Resumen de % de preferencias obtenidos a partir de encuesta de
evaluación de color en chips de manzanas fritas……………………....
Pérdida de humedad (b.h.) de las manzanas control, escaldadas y
escaldadas-secadas, para las dos temperaturas de fritura en (g
agua/g manzana h.)………………….....………………………..………..
59
59
60
61
61
62
63
63
63
64
64
65
65
65
66
67
68
68
xii
Tabla C.7:
ANEXO D:
Figura D.1:
Figura D.2:
Figura D.3:
Figura D.4:
Figura D.5:
Figura D.6:
Figura D.7:
Figura D.8:
Figura D.9:
Figura D.10:
ANEXO E:
Figura E.1:
Figura E.2:
Absorción de aceite (b.s.) de las manzanas control, escaldadas y
escaldadas-secadas, para las dos temperaturas de fritura…..………
Gráficas de correlación de contenido de humedad y aceite……...
Regresión lineal para el tratamiento escaldado a 140ºC, entre
Humedad b.s. y Gabor(1,3) -Hue 11…………………………….……....
Regresión lineal para el tratamiento escaldado-secado a 140ºC,
entre Humedad b.s. y Fourier_2 – Blue 11…………………….……….
Regresión lineal para el tratamiento control a 160ºC, entre Humedad
b.s. y Fourier_1 - Red 11…………………………………….……………
Regresión lineal para el tratamiento escaldado a 160ºC, entre
Humedad b.s. y Int - Hu - moment 1 - Sat 11………………….………
Regresión lineal para el tratamiento escaldado-secado a 160ºC,
entre Humedad b.s. y Fourier_2 – Blue 11…………………….….……
Regresión lineal para el tratamiento escaldado a 140ºC, entre Aceite
b.s. y Garbor(1,3) – Hue 11………………………………….……………
Regresión lineal para el tratamiento escaldado-secado a 140ºC,
entre Aceite b.s. y Fourier_2 – Blue 11…………………….……………
Regresión lineal para el tratamiento control a 160ºC, entre Aceite
b.s. y Fourier_1 – Red 11………………………………….……………...
Regresión lineal para el tratamiento escaldado a 160ºC, entre Aceite
b.s. y Int-Hu- moment 1 – Sat 11…………………………..…………….
Regresión lineal para el tratamiento escaldado-secado a 160ºC,
entre Aceite b.s. y Fourier_2 – Blue11…………………..………………
Gráficas de propiedades físicas teóricas v/s instrumentales…….
Correlación entre Aceite b.s. instrumental y teórica para los chips
escaldados-secados a 140ºC……………………………..………………
Correlación entre Aceite b.s. instrumental y teórica para los chips
control a 160ºC……………………………………………….…………….
70
72
72
72
73
73
74
74
75
75
76
76
77
77
77
xiii
Figura E.3:
Figura E.4:
Figura E.5:
Figura E.6:
Figura E.7:
Figura E.8:
Figura E.9:
Figura E.10:
Correlación entre Aceite b.s. instrumental y teórica para los chips
escaldados a 160ºC……………………………………………..…………
Correlación entre Aceite b.s. instrumental y teórica para los chips
escaldados-secados a 160ºC…………………………………………….
Correlación entre Humedad b.s. instrumental y teórica para los chips
control a 140ºC.………………………………………………...…………..
Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldado a 140ºC…………………………………………………………
Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados-secados a 140ºC…………………………………………….
Correlación entre Humedad b.s. instrumental y teórica para los chips
control a 160ºC…………………………………………….……………….
Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados a 160ºC…………………………………………….………….
Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados-secados a 160ºC…………………………………………….
78
78
79
79
80
80
81
81
xiv
RESUMEN
En la industria alimentaria, la determinación de la calidad de los alimentos es
una actividad que involucra costos y recursos considerables en el proceso productivo,
dado que la calidad es un concepto amplio que viene determinado por la conjunción de
distintos factores relacionados todos ellos con la aceptabilidad del alimento. El objetivo
del proyecto es determinar las propiedades físicas y la calidad de los chips de
manzana para los distintos pre-tratamientos y temperaturas de fritura, mediante la
visión computacional de manera automática, rápida, confiable y exacta, sin necesidad
de aplicar métodos instrumentales y sensoriales.
Se estandarizó la preparación de chips de manzana frita a dos temperaturas de
fritura (140 y 160º C) y tres pre-tratamientos (control, escaldado y escaldado – secado).
A través de ensayos preliminares se determinó el tiempo de fritura bajo cada condición
para llegar a una humedad final de 1 ± 0,2%, el cual fue dividido en 6 intervalos para
realizar una cinética de absorción de aceite y pérdida de humedad, durante la fritura.
Se realizó la adquisición de imágenes digitales para la modelación y predicción de
propiedades físicas. Los productos finales pertenecientes al último intervalo de tiempo
de fritura, fueron clasificados en tres grados de calidad a través de la evaluación de
color por medio de un panel sensorial para obtener un modelo predictivo de calidad.
Los resultados experimentales obtenidos mostraron que los pre-tratamientos
utilizados en los chips influyeron en las propiedades físicas, y se comprobó que la
pérdida de humedad fue más rápida para el pre-tratamiento escaldado-secado, así
como también fue un método eficaz para reducir la absorción de aceite.
Al correlacionar las propiedades físicas medidas por visión computacional e
instrumentalmente, se obtuvieron buenos valores de correlación entre 0,92 - 0,97, por
lo que fue posible predecir las propiedades físicas de humedad y contenido de aceite a
partir de visión computacional.
xv
Se determinó la calidad de los chips de manzana de forma automática mediante
la visión computacional, para ello se escogió la clasificación de temperaturas a 140 y
160 ºC y no la de pre-tratamientos, ya que tiene un mayor porcentaje de aciertos, 89,9
y 87,2 % respectivamente.
Finalmente, es posible obtener un modelo predictivo que permitirá determinar
en forma automática la calidad y la predicción de las propiedades físicas de un chip de
manzana en cualquier proceso productivo, sin necesidad de efectuar un análisis
instrumental ni sensorial del producto; lo que involucra una reducción de tiempo y
optimización de recursos asociado al proceso productivo.
xvi
SUMMARY
In the food industry, the determination of food quality is an activity that involves
considerable costs and resources in the production process, since that quality is a
broad concept which is determined by a combination of different factors related to the
acceptability of food. The project`s objective is to determine the physical properties and
quality of apple chips at different pre-treatment and frying temperatures, using computer
vision to achieve this in a automatic, quick, reliable and accurate way, without the need
for instrumental and sensory methods.
The preparation of apple chips was standardized at two frying temperatures (140
and 160 C) and three pre-treatments (control, blanching and blanching-drying). Through
preliminary tests the frying time under each condition was determined in order to reach
a final moisture content 1+0,2% which was divided into six intervals for the absorption
kinetics of oil and moisture loss, during frying. The acquisition of digital images was
carried out for the modeling and prediction of physical properties. The final products
belonging to the last interval of frying time were classified into three grades of quality
through color evaluation by a sensory panel in order to obtain a predictive quality
model.
The experimental results showed that pre-treatments used in the chips affected
the physical properties, indicating that for the blanching-drying pre-treatment moisture
loss was a faster and a more effective method in order to reduce oil absorption.
By correlating the physical properties measured by computer vision and
instrumental methods, good correlation values were obtained between 0,92 - 0,97, so
that it was possible to predict the physical properties of moistures and oil content from
computer vision.
xvii
The quality of apple chips was determined automatically by computer
vision, choosing the classification by temperature at 140 and 160 ºC and not by pre-
treatment, due to a higher percentage of corrects answers, 89,9 and 87,2 %
respectively.
Finally, is possible to obtain a predictive model that will automatically determine
the quality and prediction of physical properties of apple chips in any production
process, without the need for instrumental or sensory analysis, which involves a
reduction of time and resources associated with the optimization of production process.
1
1 INTRODUCCIÓN
La calidad es un concepto amplio que viene determinado por la conjunción de
distintos factores relacionados todos ellos con la aceptabilidad del alimento. Los
determinantes de la calidad son: color, olor, aroma, sabor, textura y ausencia de
contaminantes. El aspecto y el color de la superficie de los alimentos es el primer
parámetro de calidad evaluado por los consumidores y es crítico en la aceptación del
producto, incluso antes de que entre a la boca. Los consumidores tienden a asociar el
color con cualidades sensoriales, composición química y, por lo tanto, factores que
definen la calidad de un producto alimentario (Pedreschi y cols, 2006).
Por otro lado, la fritura es un proceso de cocción de alimentos que consiste en
introducir el alimento en un medio graso sometido a elevadas temperaturas, en
presencia de aire, durante un determinado tiempo. De este proceso se derivan otros
muy complejos que afectan a la composición del aceite y del producto. A pesar de ello,
los productos fritos son de gran aceptación por el consumidor por sus especiales
características sensoriales derivadas de la presencia de una cantidad de grasa que
mejora su textura y les confiere un sabor característico que los diferencia notablemente
de los productos horneados (Salas, 2006).
La evaluación de la calidad sensorial realizada a través de un panel sensorial
entrenado, suele ser lenta, destructiva, invasiva, complicada y cara, por lo que surge la
necesidad de determinar la calidad sensorial a través de métodos rápidos, confiables y
objetivos. Así, la visión computacional (VC) se proyecta como un método interesante y
alternativo al sensorial, pues es una tecnología que adquiere y analiza una imagen
para obtener la información o para controlar procesos. Con las imágenes digitales se
puede cuantificar y clasificar el objeto de interés evitando las limitaciones de los
análisis tradicionales o instrumentales, como por ejemplo: tamaño de muestra,
irregularidad de superficie, entre otros, además de evitar la subjetividad del análisis
sensorial.
2
1.1 Revisión bibliográfica
1.1.1 La fritura
La fritura por inmersión es uno de los procesos más antiguos de preparación de
alimentos y consiste, básicamente, en la inmersión de los trozos de alimentos en aceite
caliente. Las altas temperaturas causan la evaporación del agua, la que difunde fuera
del alimento al aceite circundante. El aceite es absorbido por el alimento,
reemplazando alguna fracción del agua eliminada durante la fritura (Mellema, 2003).
Esta situación facilita la cocción interna del producto, el cual queda más jugoso y
permite la conservación de muchas de las características propias del alimento,
mejorando en la mayoría de los casos, su sabor, textura, aspecto y color. El producto
frito posee una estructura distintiva. Su parte externa es una superficie que contribuye
al impacto visual inicial debido a su tostado, presentando un color entre dorado y
pardo, resultante de las reacciones de las proteínas y los azúcares por acción del calor
(pardeamiento no enzimático “Reacción de Maillard” y de los azúcares al sufrir la
caramelización) dando lugar a un producto con aspecto agradable (Álvarez, 2005).
El grado de oscurecimiento del alimento frito depende del tiempo y la
temperatura de fritura en combinación con la composición química del producto, y de la
composición del aceite utilizado en la fritura. Los procesos que ocurren también
producen los sabores deseados y dan lugar a una capa crujiente superficial como
consecuencia de la deshidratación del alimento durante la fritura. El calor reduce el
contenido de humedad de esta capa hasta 3% o menos y la humedad desprendida es
la causante del vapor generado durante el proceso (Álvarez, 2005).
El espacio libre que deja el agua que escapa es ocupado por el aceite. La
cantidad de aceite absorbido por un alimento depende en gran medida de su contenido
de humedad, porosidad y superficie expuesta al aceite de fritura. Esta cantidad es
aproximadamente entre el 20 y 40% en base al peso del alimento frito.
3
Freír alimentos a temperaturas demasiado bajas provoca que los mismos
atrapen más cantidad de grasa en su interior. El aceite absorbido le imparte al alimento
olor, sabor y color y además favorece la palatabilidad. Por esto, si el aceite tiene sabor
u olor extraño, el alimento frito también lo tendrá (Álvarez, 2005).
1.1.1.1 Pérdida de humedad durante la fritura
La fritura de alimentos constituye un proceso de deshidratado parcial y
localizado en la parte externa del producto la que se transforma progresivamente en
corteza dura.
Los chips son láminas delgadas que cuando se fríen, su contenido de humedad
decrece desde aproximadamente un 80% hasta alrededor de un 2%. Al comienzo de
la fritura se produce una formación de burbujas de vapor de agua que escapan de la
superficie del alimento, debido a que el aceite se encuentra a temperaturas mayores al
punto de ebullición del agua, disminuyendo de esta forma la humedad superficial del
producto como se muestra a continuación en la Figura1 (Aguilera y Hernández, 2000;
Bouchon y cols, 2003).
Figura 1: Absorción de aceite y perdida de humedad en el proceso de fritura (Allen y
Rojas, 2009).
4
1.1.1.2 Absorción de aceite durante la fritura
La superficie juega un papel importante en el fenómeno de absorción de aceite,
debido a que la mayor parte del aceite es retenido en forma de gotas en la corteza de
la pieza frita, una vez que se ha frito y removido de la freidora para su enfriamiento.
Bouchon (2003) identificó la existencia de tres fracciones de aceite, que dependen del
momento en que son absorbidas (ver Figura 2): el aceite estructural (que contiene el
alimento), el aceite absorbido (que proviene tanto de la absorción del proceso de fritura
como de la absorción durante el enfriamiento) y el aceite superficial (que permanece en
la superficie).
Se ha demostrado que una pequeña cantidad de aceite penetra durante la
fritura, pero la mayoría del aceite ingresa al final del proceso, sugiriendo que el aceite
absorbido y el agua removida no son fenómenos sincronizados. Adicionalmente, se
encontró en tortillas de tipo chip que sólo el 20% del contenido total de aceite es
absorbido durante la fritura y que aproximadamente el 64% del contenido total de
aceite es absorbido durante el enfriamiento, quedando sólo el 36% del total de aceite
sobre la superficie (Moreira y cols, 1997). Durante el enfriamiento, el aceite se podría
localizar sobre la superficie de la tortilla chip o en la micro-estructura poro-corteza
cuando ha sido succionado al interior del poro.
Figura 2: Diagrama en base a un corte transversal de la estructura de un chip en
relación a la absorción de aceite durante la fritura y enfriamiento (Bouchon, 2003).
5
1.1.1.3 Evolución del color durante la fritura
El aspecto y el color de la superficie de los alimentos es el primer parámetro de
calidad evaluado por los consumidores y es fundamental, en la aceptación del
producto, incluso antes de que entre en la boca. Los consumidores tienden a asociar
con el color el sabor, tiempo de almacenamiento, nutrición y nivel de satisfacción. La
observación del color, por tanto permite la detección de determinadas anomalías o
defectos que pueden presentar los productos alimenticios (Pedreschi y cols, 2006).
El desarrollo de color en los chips comienza cuando ya han perdido agua y
depende de la velocidad de secado y del coeficiente de transferencia de calor durante
las diferentes etapas de la fritura. El color en chips es el resultado de la reacción de
Maillard que depende del contenido de azúcares reductores, aminoácidos o proteínas
en la superficie y de la temperatura y tiempo de fritura (Pedreschi y cols, 2006).
Aunque hay diferentes espacios de color, el más comúnmente utilizado en la
medición del color de los alimentos es el L*a*b* (L* es la luminancia, que va desde 0 a
100, a*(verde al rojo) y b*(azul a amarillo), que varían de 120 a 120), debido a que el
espacio en la percepción del color es uniforme (Pedreschi y cols, 2006).
1.1.1.4 Evolución de la textura durante la fritura
La textura es una percepción sensorial, lo que significa que los humanos
pueden percibir, describir y cuantificar la misma. En general se describe como un
atributo de múltiples parámetros, generalmente asociado a mecánicos, geométricos y
acústicos (Pedreschi y Moyano, 2004).
El análisis computacional de la textura superficial de los alimentos es de interés
por que el tratamiento afecta a muchos productos alimenticios. La textura superficial es
por lo general formada por la interacción de la luz con una superficie rugosa (Pedreschi
y cols, 2007).
6
La textura del chip se caracteriza por dos procesos, el reblandecimiento de los
tejidos durante los primeros minutos de fritura y la formación progresiva de la corteza
(endurecimiento de los tejidos) del chip a medida que aumenta el tiempo de fritura.
Además, ambos procesos dependen de la temperatura de fritura, ya que a baja
temperatura de fritura, estos procesos demoran más tiempo (Pedreschi y Moyano,
2004).
1.1.2 Visión computacional
La visión computacional (VC) es una tecnología moderna para la adquisición y
el análisis de una imagen por computador y otros dispositivos, con el fin de obtener
información o para controlar procesos. La base técnica de la VC está relacionada con
análisis de imagen y de transformación, que puede dar lugar a la segmentación,
cuantificación y clasificación de imágenes y objetos de interés dentro de las imágenes.
La VC ha dado buenos resultados para la medición en línea de varios productos
alimenticios con aplicaciones que van desde inspección de rutina a la compleja visión
robótica (Gunasekaram, 1996).
La técnica del análisis de imagen tiene algunas ventajas sobre un colorímetro
convencional, por ejemplo, la posibilidad de analizar la superficie entera del producto y
de cuantificar características tales como manchas y otros defectos.
Generalmente, el proceso de la VC automática, consiste en cinco pasos (Mery y
cols, 2010) como se muestra en la Figura 3, y se detallan a continuación:
7
Figura 3: Visión computacional (Mery y cols, 2010).
1.1.2.1 Adquisición de imágenes
Las muestras son iluminadas con 4 tubos fluorescentes en un ángulo de 45 º
con el plano de la muestra para dar intensidad de luz uniforme, las paredes de la caja
son negras para evitar los reflejos de la luz. Una cámara digital a color genera 3
imágenes digitales, una en rojo (R), otra en verde (G) y otra en azul (B) (RGB). La
imagen digital del objeto es capturada y almacenada en el computador (Pedreschi y
cols, 2004).
8
1.1.2.2 Pre- procesamiento de la imagen
Las imágenes digitales deben ser pre-procesadas para mejorar su calidad antes
de ser analizadas y para ello se usa un filtro digital, que elimina el ruido de la imagen y
mejorar el contraste. Además, en este paso la imagen en color se convierte en una
imagen en escala de grises, llamada intensidad de la imagen (I) (Pedreschi y cols,
2006).
1.1.2.3 Segmentación de la imagen
La segmentación separa el objeto de interés del fondo dentro de la imagen (ver
Figura 4). La intensidad de la imagen se utiliza para identificar las regiones disjuntas de
la imagen con el propósito de separar la parte de interés del fondo (Pedreschi y cols,
2006). De la segmentación de imagen resulta una imagen binaria R compuesta sólo de
píxeles cuyos valores son igual a “1” (blanco) que representan los pixeles de comida u
objeto e igual a "0" (negro) que representan el fondo (Mery y cols, 2010). En este caso,
la región de interés dentro de la imagen corresponde a la zona en la que se encuentran
las manzanas fritas.
Figura 4: Segmentación de una imagen de alimento RGB usando una imagen de alto
contraste J, umbral global K, obtenidos a partir de su histograma (derecha), y
operaciones morfológicas R, (Mery y cols, 2010).
9
1.1.2.4 Extracción de características
En la extracción o selección se extraen características, las cuales se concentran
principalmente en torno a la medición de propiedades geométricas (perímetro, factores
de forma, descriptores de Fourier (información acerca de la orientación y de la simetría
de las regiones), momentos invariantes (información de la forma y la intensidad sobre
la base de los momentos de Hu), etc) y de la intensidad y características de color de
las regiones (valor medio, pendiente, 2 dª derivada, etc.). Los elementos geométricos
se calculan a partir de la segmentación de la imagen (S), la intensidad se extrae de las
características de la intensidad de la imagen (I) y el color de las características de las
imágenes RGB. Por lo tanto, en la selección las características importantes de la
imagen del alimento son cuantificadas (Pedreschi y cols, 2006).
Figura 5: Ejemplo, donde n es el nº de características de las peras de mesa que son
extraídas para construir una tabla de características, donde cada fila representa una
muestra y cada columna una característica, (Mery y cols, 2010).
10
1.1.2.5 Clasificación
Cada región es analizada, se extraen las características y se asignan a una de
las clases definidas, que representan todos los posibles tipos de regiones esperadas
en la imagen. Un clasificador es diseñado siguiendo un entrenamiento supervisado y
un clasificador simple para comparar las características medidas con valores de
umbral. No obstante, también es posible utilizar técnicas de clasificación más
sofisticadas, como las que llevan a cabo análisis estadísticos y análisis geométricos del
espacio vectorial de las características o las que utilizan las redes neuronales o la
lógica difusa (Pedreschi y cols, 2006).
Las características extraídas se interpretan de forma automática utilizando el
conocimiento acerca de los alimentos analizados con el fin de evaluar su calidad (Mery
y cols, 2010).
En este caso, se utilizó un entrenamiento supervisado, donde se utilizaron los
siguientes siete clasificadores:
Pnn: probabilistical neuronal networks (redes neuronales probabilísticas) que utilizan la
metodología enunciada por Thomas de Bayes, en la cual la teoría de la probabilidad es
el resultado que da la distribución de probabilidad condicional de una variable aleatoria,
es decir, indica cómo se debe modificar las probabilidades subjetivas cuando se recibe
información adicional de un experimento. Las Pnn poseen tres limitaciones, su lentitud
en clasificar, un alto costo computacional y una elevada necesidad de memoria de
sistema, pero a su favor juega su alta resistencia y estabilidad frente a la presencia de
“outliers” (ruidos, medidas erróneas) (Allen y Rojas, 2009).
Mahalanobis: distancia Mahalanobis que en estadística es una medida de distancia
introducida por Mahalanobis en 1936. Su utilidad radica en que es una forma de
determinar la “similitud” entre dos variables aleatorias multidimensionales (Allen y
Rojas, 2009).
11
Lda y Qda: linear y quadratic discriminant analysis (Análisis discriminante lineal y
cuadrático), se puede considerar como un análisis de regresión y los límites
cuadráticos donde la variable dependiente es categórica y tiene como categorías la
etiqueta de cada uno de los grupos, y las variables independientes son continuas y
determinan a qué grupos pertenecen los objetos. Se pretende encontrar relaciones
lineales entre las variables continuas que mejor discriminen en los grupos dados a los
objetos (Allen y Rojas, 2009). Los límites se calculan asumiendo que las clases tienen
una densidad Gaussiana con una matriz de covarianza común (Mery y cols, 2010).
NN: redes neuronales que se componen de neuronas artificiales conectadas en una
red que es capaz de clasificar un vector de pruebas x evaluando una suma lineal o no
lineal de funciones. Los ponderados, las funciones y las conexiones se estiman en un
entrenamiento reduciendo al mínimo el error de clasificación (Mery y cols, 2010).
Dminimal: distancia mínima siendo el criterio más sencillo para clasificar un píxel en la
categoría más cercana a él, es decir, en aquella que minimice la distancia entre ese
píxel y el centroide de clase. Esta distancia no es una distancia geográfica sino
espectral consecuencia de comparar cada píxel con los del centro de las distintas
categorías, para todas las bandas que intervienen en el (Allen y Rojas, 2009).
Knn: k nearest neighbours (vecino más cercano), este es un método de clasificación
no paramétrico, que estima el valor de la probabilidad, a posterior, de que un elemento
x pertenezca a la clase Cj a partir de la información proporcionada por el conjunto de
prototipos. En el reconocimiento de patrones, el algoritmo k-nn es usado como método
de clasificación de objetos (elementos) basado en un entrenamiento mediante
ejemplos cercanos en el espacio de los elementos (Allen, P. y Rojas, X., 2009).
12
1.1.3 Evaluación sensorial
La evaluación sensorial se ocupa de la medición y cuantificación de las
características de un producto, ingrediente o modelo, las cuales son percibidas por los
sentidos humanos (Pedrero y Pangborn, 1989). Los principales usos de técnicas
sensoriales se encuentran en el control de calidad, desarrollo de productos e
investigación. El análisis sensorial no sólo se aplica en la caracterización y evaluación
de los alimentos y bebidas, sino también en otros ámbitos como en olores del medio
ambiente, en productos de higiene personal, en el diagnóstico de enfermedades y en
las pruebas de sustancias químicas puras, entre otros (Meilgaard y cols, 2007).
La función principal de las pruebas sensoriales es llevar a cabo pruebas válidas
y fiables que proporcionan datos sobre la cual se puede tomar decisiones del negocio.
Con la evolución constante de mercado que ofrece más variedad y consumidores más
exigentes, cada vez es más difícil predecir las preferencias de los consumidores. Este
cambio en el mercado ha aumentado el énfasis en la recopilación de opiniones de los
consumidores, por lo que los test de consumidores son más utilizados que nunca
(Meilgaard y cols, 2007).
El objetivo de cualquier programa sensorial es encontrar el método más
económico, efectivo y eficiente para obtener la información más sensible. Se puede
disminuir los costos realizando una correlación de la mayor cantidad de propiedades
sensoriales como sea posible con análisis instrumentales, físicos o químicos. En
algunos casos, se puede reemplazar una parte de las pruebas sensoriales con técnicas
instrumentales más baratas y rápidas (Meilgaard y cols, 2007).
Una buena medición sensorial requiere atención en las pruebas y en los
instrumentos de medición, que son algo variable en el tiempo y son muy propensos al
sesgo. Para minimizar la variabilidad y el sesgo se deben entender los factores básicos
fisiológicos y psicológicos que pueden influir en la percepción sensorial y se debe tener
un conocimiento completo de los factores físicos y químicos de los atributos de interés
(Meilgaard y cols, 2007).
13
1.2 Hipótesis
Es posible predecir por VC las propiedades físicas de humedad y contenido de
aceite de manera rápida, sin necesidad de aplicar métodos instrumentales ni
sensoriales; lo que permitiría clasificar los chips de manzana frita en categorías de
acuerdo a su calidad de forma automática, confiable y exacta.
1.3 Objetivo general
Determinar la calidad en chips de manzana en forma automática mediante VC para
distintas temperaturas de fritura.
1.4 Objetivos específicos
Estandarizar el proceso de obtención de chips de manzana fritos.
Determinar las propiedades fisicoquímicas (humedad y contenido de aceite) de
forma instrumental a los chips de manzana finales obtenidos a dos temperaturas de
fritura (140 y 160 ºC).
Obtener imágenes digitales de los chips de manzana en las mismas condiciones
anteriores.
Obtener la cinética del proceso de fritura, para ambas temperaturas, mediante la
medición en el tiempo de la adsorción de aceite y la disminución de humedad.
Evaluar el color de los chips de manzana a través de pruebas sensoriales con un
panel sensorial entrenado de 15 personas.
Correlacionar las mediciones de las propiedades realizadas por método
instrumental y por VC, a través de programas matemáticos.
Clasificar automáticamente los chips de manzana en categorías de calidad.
14
2 METODOLOGÍA
2.1 Obtención de chips de manzana
Figura 6: Diagrama de flujo del proceso de elaboración de chips de manzana
estandarizados.
Selección y lavado de la materia
prima manzana variedad Granny
Smith (inspección visual)
Corte
Espesor: 1,5 [mm]
Diámetro: 37 [mm]
Pre tratamiento 1: Control Pre tratamiento 2: Escaldada,
70 ºC por 1 [min]
Pre tratamiento 2: Escaldada-
Secada, estufa 60 ºC por 20
[min]
Proceso de Fritura por inmersión
a 140 y 160 ºC a distintos
intervalos de tiempo.
Enfriamiento a temperatura
ambiente en desecador
durante 10 [min]
Adquisición de imágenes
mediante visión computacional.
Determinación de propiedades
físicas: Humedad y contenido
de aceite.
Evaluación
Sensorial.
15
2.1.1 Selección y lavado
Para la elaboración de chips de manzana fritas se utilizó manzanas de variedad
Granny Smith, obtenidas del comercio local, almacenadas en un lugar fresco a 7 ºC
(90% humedad relativa) hasta su uso. Al momento de ser utilizadas éstas fueron
lavadas con agua para eliminar partículas o tierra que contenía en la superficie.
2.1.2 Corte
Posterior al lavado, las manzanas (sin pelar) se rebanaron mediante una
cortadora de cecina (Fridema, Chile), la cual se ajustó a un espesor de 1.5 [mm]. Las
rebanadas se dispusieron apiladas y luego, mediante un sacabocado se obtuvieron
chips de 37 [mm] de diámetro.
2.1.3 Pre-tratamientos
Los chips se sumergieron en una solución de acido ascórbico (1% p/v) por 10
minutos para evitar el pardeamiento enzimático. Se realizaron tres tipos de pre-
tratamientos: control, escaldado y escaldado-secado:
Control: Las manzanas luego de ser sumergidas en la solución de ácido
ascórbico, fueron drenadas por 1 minuto y secadas con papel absorbente por
ambos lados para retirar el exceso de agua y se frieron como tal (crudas).
Escaldado: Para escaldar las rodajas crudas, se utilizó un vaso de precipitado
de 1.5 [L] que se dispuso sobre una placa calefactora (IKA RCT Basic). Por
cada proceso de escaldado se sumergieron alrededor de 10 chips en un 1 [L]
de agua a 70 ºC por 1 minuto. Luego de retirar las rodajas, éstas se sumergen
en agua fría para detener el proceso de cocción (alrededor de 20 [seg]).
16
Escaldado – Secado: El escaldado se realizó con el mismo procedimiento
anterior y posteriormente las rodajas escaldadas fueron colocadas en una
estufa de convección forzada (Marca WTB Binder, Modelo FED – 115,
Alemana) a 60 ºC por 20 minutos. De este modo se logró que el secado fuera
homogéneo, las rodajas en la estufa se dispusieron sobre una rejilla de metal,
hasta alcanzar una humedad final promedio de + 81 % b h.
2.1.4 Proceso de fritura
A través de ensayos preliminares se determinó el tiempo de fritura a cada
condición para alcanzar una humedad final de 1,0 ± 0,2% (ver apéndice C, Tabla C.1).
El tiempo de fritura se dividió en seis intervalos, así, para cada intervalo se dispusieron
12 rodajas en un sistema de rejillas de dos bandejas (ver figura 7) de tal forma que al
sumergir las muestras en aceite no se dispersen ni floten. Para la fritura se utilizó una
freidora marca Famadich Ltda., modelo Súper Chacón F2-C, Chile, la cual fue
complementada con un sistema de control de temperatura (Watlow, Serie SD), siendo
las temperaturas de trabajo 140 y 160ºC, y para cada temperatura se utilizaron los tres
pre-tratamientos anteriormente descritos. El medio de fritura fue aceite de maravilla
marca Chef en una relación manzana/ volumen aceite de 1/1000, de manera tal que el
sistema de rejilla quedara totalmente sumergido y que la temperatura del aceite
permaneciera constante, con una variación de temperatura de ± 1ºC. Una vez
terminada la fritura, la rejilla se escurrió 30 segundos y posteriormente los chips fueron
retirados de la rejilla y colocados en capsulas de petri en el desecador para que se
enfríen y no adquieran humedad del ambiente (alrededor de 10 min). Posteriormente
se determinaron las propiedades físicas como humedad y contenido de aceite y se
adquirieron las imágenes digitales.
17
Figura 7: Esquema del proceso de fritura (León, 2005).
2.2 Determinación de propiedades físicas al producto final
2.2.1 Determinación de humedad
Se determinó por triplicado por el método de la estufa de aire. El método se basó
en la determinación gravimétrica de la pérdida de masa, de la muestra desecada hasta
masa constante en estufa de aire a 105 ºC por 17 horas (AOAC, 1990).
2.2.2 Determinación del contenido de aceite total
La determinación del contenido de aceite total se realizó por triplicado por el
método Soxhlet (AOAC, 1990). El Sistema Extractor Soxhlet consistió en 6 mantos
calefactores (marca Fisatom, modelo 52, Brasil) y sus respectivos balones y cámaras
extractoras y refrigerantes.
18
2.2.2.1 Modelo de absorción de aceite
Para realizar el ajuste del contenido de aceite de los chips de manzana versus
el tiempo de fritura se utilizó el modelo de cinética de primer orden (ver Ecuación 2)
(Moyano y Pedreschi, 2006) para los tres pre-tratamientos, control, escaldado y
escaldado - secado a ambas temperaturas 140 y 160 ºC.
(2)
Donde Oeq contenido de aceite en el equilibrio y K constante específica.
2.3 Adquisición de imágenes digitales y extracción de características
Para la adquisición de las fotografías se utilizó el sistema de VC, el cual
consistente en una caja cúbica de paredes interiores negras, un sistema de iluminación
y soporte para la cámara fotográfica digital Canon, Power Shot G3, 4 megapixeles,
Japón, la cual está conectada a un computador para el manejo remoto de la misma.
Para la captura de las fotografías digitales, se usaron los chips de manzanas fritas, uno
a la vez, por ambos lados, bajo la lente de la cámara fotográfica.
La captura de las imágenes digitales se realizó mediante el software
ZOOMBROWSER EX (versión 4.0.0.105, Canon Inc., Australia). Este es un programa
que permite realizar el manejo remoto de la cámara digital, el cual da la posibilidad de
importar, organizar e imprimir imágenes de forma muy sencilla, y que a su vez se
complementa con REMOTE CAPTURE (versión 2.6.0.15, Canon Camera Library
versión 5.0.0.13), donde se realizaron los ajustes de la cámara para la obtención de
fotografías (ver Anexo A, figura A.1 y A.2) (León, 2005).
La extracción de las características de las imágenes se llevó a cabo ejecutando
el comando Bfex en Matlab, seleccionando las características geométricas y de color,
además de los componentes de color (ver figura 8). El color se calibró para
estandarizar los parámetros de color entregados en el análisis de las imágenes.
19
Para esto se comparó entre los valores extraídos de lo analizado por el software
y los valores entregados por un colorímetro (HunterLab, Mini SCAN X EPLUS). De esta
forma, se midió con el colorímetro los parámetros L*, a* y b* a 32 cartulinas y a 12 tejas
(tejas de calibración del colorímetro Minolta) de distintas coloraciones. La medición del
color se realizó en tres puntos por cada cartulina o teja. Luego se obtuvo las imágenes
de estas mismas y posteriormente se analizaron con Matlab para la obtención de los
mismos parámetros que entregó el colorímetro.
Finalmente, una vez obtenidos los datos mediante Matlab, se procedió a
realizar una correlación entre éstos de donde se obtuvo 3 gráficas (ver Anexo A, Figura
A.3, A.4 y A.5). Los valores obtenidos del Colorímetro Hunterlab se tomaron como
patrón para realizar la calibración (valor real) (Allen y Rojas, 2009).
Figura 8: Configuración de Bfex.
2.4 Análisis sensorial
2.4.1 Elección y selección de los evaluadores
Se llevó a cabo una breve entrevista con el fin de conocer la disposición del
evaluador hacia el producto y disponibilidad de tiempo. Se reclutaron 18 estudiantes
con un rango de edad de 22 a 26 años.
20
2.4.2 Selección del panel
Se midió la habilidad visual de las personas para reconocer colores y
determinar su poder de discriminación visual de 3 sets de colores (amarillo, verde y
rojo) consistentes cada uno en 10 tubos de ensayo, con colorantes en concentraciones
100, 90, 80, 75, 70, 65, 60, 55, 50 y 45% diluida con agua (ver Anexo B, B-1 y C, C-2),
en orden aleatorio, las que debían ser ordenadas de menor a mayor intensidad (ver
figura 9) y descansando como mínimo 25 min entre cada evaluación, con el fin de
descansar la visión, hasta evaluar los 3 set de colores. Como solución madre se utilizó
un colorante alimenticio marca Gourmet, de colores; verde (azul brillante, tartrazina y
amarillo crepúsculo), rojo (ponceau 4R) y amarillo (tartrazina y amarillo crepúsculo).
El panel fue seleccionado de acuerdo a su capacidad para ordenar la intensidad
de color de los tres sets. Se estableció como criterio de selección, un mínimo de 60%
de respuestas correctas (ver apéndice C, Tabla C-3) (Pedreschi y cols, 2009).
Figura 9: Ordenamiento de intensidad de color, set de color rojo.
2.4.3 Familiarización del panel con las muestras
Se llevó a cabo en una sesión de 20 min, en donde se presentaron los chips de
manzana y la ficha de evaluación, se mostraron sus defectos de color, con el fin de
unificar criterios.
21
2.4.4 Construcción de tabla color
Se utilizaron las fotos obtenidas de los chips de manzanas control a 160ºC
(mayor temperatura) en 15 intervalos de 16 s. De las 15 fotos obtenidas, se utilizó el
primer intervalo (16 s) como la primera foto en la escala de la tabla color (color más
claro, ver Figura 10, foto K) y el último intervalo (240 s) como la última foto en la
escala de la tabla color (color más oscuro, ver Figura 10, foto F). Para definir los 5
puntos intermedios de la escala como se muestra en la Figura 10, a cada juez se le
presentaron un conjunto de 13 fotos de colores intermedios, pidiéndole escoger 5 fotos
que representaran las 5 intensidades ascendentes de color para construir la tabla (ver
Anexo B, B-3). Para determinar la escala, se analizaron las frecuencias de elección de
cada foto para cada uno de los puntos, eligiendo la que fue más repetida en cada una
de éstas (ver apéndice C, Tabla C.4).
K 1 2 3 4 5 F
Figura 10: Tabla de color inicial para fijar los colores intermedios.
2.4.5 Evaluación de Color
Se utilizó un panel de 15 jueces seleccionados a través del ordenamiento de
colores, a los cuales se les presentó tres bandejas con 24 muestras randomizadas, las
cuales representan el intervalo de tiempo final, para cada pre-tratamiento y
temperatura. Los jueces compararon independientemente cada chip con una tabla
color diseñada para manzanas, en donde a cada muestra se le asignó el código que
más se asemejó al tono de color de la tabla. Este código aparece en la tabla color
sobre cada manzana como se observa en la Figura 11.
22
K A N E M L F
Figura 11: Extracto de tabla de color para manzanas y bandeja con las muestras.
2.4.6 Determinación de grados de calidad según categorías de color
La tabla color para manzanas compuesta por 7 puntos (K, A, N, E, M, L y F, ver
Figura 11) fue evaluada y clasificada según su color en tres categorías de calidad,
presentadas en la Tabla 1 (ISO 4121 1987) por 30 consumidores de alimentos fritos,
tanto hombres como mujeres entre 18 y 35 años.
Tabla 1: Grados de calidad según categorías de color
Categoría Grado de Calidad 1 Optimo (color deseado) 2 Intermedio (color aún aceptable) 3 Menor (color no deseado)
Se determinó el grado de calidad de cada punto de la tabla color (K, A, N, E, M,
L, F) escogiendo el mayor porcentaje de preferencia indicada por los consumidores
(ver Tabla C.5, Anexo C).
23
2.5 Correlación
Para obtener la correlación de las propiedades físicas teóricas versus las
experimentales, se utilizó el programa Matlab marca registrada por The MathWorks,
Estados Unidos, ejecutando el comando [sel,c] = Bbestcorrn (f,y) contenido en el Balu,
el cual fue creado por Domingo Mery. Para esto se utilizó la matriz “fn” de dimensiones
2324 x 186 (número de características extraídas x número de imágenes de doce chips
por ambos lados multiplicado por 6 intervalos de tiempo más el tiempo cero) y el vector
“y”, es el valor de la propiedad física medida instrumentalmente, para cada intervalo de
tiempo, de cada pre-tratamiento y temperatura de fritura.
2.6 Clasificación
La clasificación se realizó con el programa Matlab y el comando Bfcsel en el cual
se escogió un máximo de diez características y siete clasificadores (ver Figura 12).
Para esto se utilizó la matriz de 2324 x 72 (número de características extraídas x
número de imágenes de 36 chips por ambos lados) y el vector “d” (el valor de la clase
determinada por el panel sensorial) para cada pre-tratamiento y temperatura.
Para clasificar las imágenes de los chips de manzanas, fue necesario entrenar
el programa para que lograra diferenciar por color la categoría de calidad de cada chip
en cualquier intervalo de tiempo de fritura. Para esto se utilizó el 80% de los datos y el
resto se dejó para validar este entrenamiento (criterio de Pareto para obtención de
muestras), el cual se basó en el método de validación cruzada (Allen y Rojas, 2009).
24
Figura 12: Configuración del Bfcsel.
2.6.1 Validación cruzada
Este método de validación de k particiones, se utiliza para evaluar el
desempeño del modelo, en términos de precisión, eficiencia y fiabilidad, con el fin de
obtener un modelo más robusto y con un error más certero (ver Figura 13).
La validación cruzada consiste en el empleo de k subconjuntos del conjunto de
datos D, k/2 se emplean para entrenamiento y k/2 para la validación del esquema de
aprendizaje [Ferrero, F. 2004].
D= {D1, D2,………..Dk} (1)
Cuando la validación se realiza con subconjuntos mezclados aleatoriamente se
denomina validación cruzada estratificada. De este modo se consigue que una clase
determinada parezca con la misma probabilidad en todos los subconjuntos de
validación. Esto sólo es válido para conjuntos de datos nominales [Ferrero, F. 2004].
En cada proceso de entrenamiento se estima el error al conjunto de prueba, para luego
determinar el error promedio que se obtiene con la sumas de todos los errores y se
divide por la cantidad de procesos (ver ecuación 1.1).
25
Figura 13: Validación cruzada.
(1.1)
26
3 RESULTADOS Y DISCUSIÓNES
3.1 Propiedades físicas medidas instrumentalmente
Las cinéticas obtenidas de la medición instrumental de las propiedades físicas
antes mencionadas en chips de manzana con diferentes pre-tratamientos y
temperatura de fritura, fueron construidas a partir de los resultados contenidos en el
Anexo C Tabla C.6 y Tabla C7, las cuales se detallan a continuación:
3.1.1 Pérdida de humedad
En los siguientes gráficos aparece la pérdida de humedad en el tiempo para los
distintos pre-tratamientos (Figuras 14.1, 14.2 y 14.3) y para las distintas temperaturas
(Figuras 14.4 y 14.5).
0 200 400 600 800 1000 12000
25
50
75
100
Control 140ºCControl 160ºC
Tiempo de Fritura [seg]
% H
umed
ad b
.h. [
g ag
ua/g
s.h
.]
Figura 14.1: Cinética de la pérdida de humedad (b.h.) en chips de manzana control a
140 y 160 ºC en función del tiempo de fritura.
27
0 100 200 300 400 5000
25
50
75
100
Escaldada 140ºC
Escaldada 160ºC
Tiempo de fritura [seg]
% H
umed
ad b.
h. [g
agua
/g s.h
.]
Figura 14.2: Cinética de la pérdida de humedad (b.h.) en chips de manzana
escaldados a 140 y 160 ºC en función del tiempo de fritura.
0 100 200 300 400 5000
25
50
75
100
Escaldada-Secada 140ºC
Escaldada-Secada 160ºC
Tiempo de fritura [seg]
% H
umed
ad b.
h. [g
agua
/g s.h
.]
Figura 14.3: Cinética de la pérdida de humedad (b.h.) en chips de manzanas
escaldados-secados a 140 y 160 ºC en función del tiempo de fritura
28
Al comparar las cinéticas de pérdida de humedad de las dos temperaturas de
fritura 140 y 160 ºC, para cada pre-tratamiento control, escaldado y escaldado-secado
(ver Figuras 14.1, 14.2 y 14.3) se aprecia que la temperatura del aceite influye en la
pérdida de humedad, ya que al incrementar la temperatura del aceite para un mismo
pre-tratamiento, produce una mayor tasa de pérdida de humedad, disminuyendo el
tiempo que demoran las muestras en llegar a un contenido de humedad < 1%.
0 200 400 600 800 1000 1200 14000
25
50
75
100
Control 140ºC
Escaldada 140ºC
Escaldada-Secada 140ºC
Tiempo de Fritura [seg]
% H
umed
ad b.
h. [g
de ag
ua/g
s.h.]
Figura 14.4: Cinética de la pérdida de humedad (b.h.) en chips de manzanas para los
tres pre-tratamientos en función del tiempo de fritura a 140 ºC.
29
0 50 100 150 200 2500
25
50
75
100
Control 160 ºCEscaldada 160 ºCEscaldada-Secada 160ºC
Tiempo de Fritura [seg]
% H
umed
ad b.
h. (g
agua
/g s.h
.)
Figura 14.5: Cinética de la pérdida de humedad (b.h.) en chips de manzanas para los
tres pre-tratamientos en función del tiempo de fritura a 160 ºC.
Por otro lado al comparar las gráficas de los tres pre-tratamientos control,
escaldado y escaldado-secado para cada temperatura de fritura 140 y 160 (ver Figuras
14.4 y 14.5). Se aprecia la influencia de los pre-tratamientos en la perdida de humedad,
ya que para el pre-tratamiento escaldado-secado, el tiempo de fritura fue menor en
ambas temperaturas de fritura, debido a que los chips comienzan el proceso de fritura
con un contenido de humedad menor aproximadamente un 80%, que los otros dos pre-
tratamientos control y escaldado los cuales contenían en un principio alrededor de un
88 y 90% respectivamente (Pedreschi y otros, 2005).
3.1.2 Contenido de aceite
En los siguientes gráficos aparece la absorción de aceite en el tiempo para lo
distintos pre-tratamientos (Figuras 15.1, 15.2 y 15.3) y para las distintas temperaturas
(Figuras 15.4 y 15.5).
30
0 200 400 600 800 1000 1200 14000
20
40
60
80
100Control 140 ºCControl 160 ºC
Tiempo de fritura (s)
% A
ceite
(b.s
.)
Figura 15.1: Cinética de la absorción de aceite en chips de manzana control en función
del tiempo de fritura a ambas temperaturas de fritura.
0 100 200 300 400 5000
20
40
60
80
100Escaldada 140 ºCEscaldada 160 ºC
Tiempo de fritura (s)
% A
ceite
(b.s
.)
Figura 15.2: Cinética de la absorción de aceite en chips de manzana escaldados en
función del tiempo de fritura a ambas temperaturas de fritura.
31
0 100 200 300 400 5000
20
40
60
80
100Escaldada-Secada 140 ºCEscaldada-Secada 160 ºC
Tiempo de fritura (s)
% A
ceite
(b.s
.)
Figura 15.3: Cinética de la absorción de aceite en chips de manzana escaldadas-
secadas en función del tiempo de fritura a ambas temperaturas de fritura.
Se observa en las Figuras 15.1, 15.2 y 15.3 las cinéticas de absorción de aceite
que indica que en todos los casos, la humedad disminuye a medida que aumenta la
difusión de aceite. Este hecho se atribuye al carácter hidrofóbico de la grasa que
impone una resistencia al flujo de agua. Sin embargo, durante la fritura, la mayor parte
del aceite (70-80%) es absorbida al final, cuando el chip se retira de la freidora, por lo
que la resistencia al flujo de agua impuesta por el aceite durante la fritura es
insignificante (Pedreschi y otros, 2005)
Aunque los datos no son concluyentes, parece que a tiempos largos y baja
temperatura de fritura, existe un mayor contenido de aceite absorbido en productos
fritos (Pedreschi y Moyano, 2005): sin embargo, al comparar ambas temperaturas de
fritura no hubo diferencia en la absorción de aceite (Figuras 15.1 a 15.3). Para los tres
pre-tratamientos también se observó que a tiempos cortos de fritura la absorción de
aceite es muy alta hasta llegar a un equilibro (contenido máximo), siendo la
humectación de la superficie un mecanismo crucial de absorción de aceite (Moyano y
Pedreschi, 2006).
32
Absorción de aceite
0 200 400 600 800 1000 1200 14000
20
40
60
80
100Control Tº 140Escaldada Tº 140Escaldada-Secada Tº 140
Tiempo de fritura (s)
% A
ceite
(b.s
.)
Figura 15.4: Cinética de la absorción de aceite en chips de manzana para los tres pre-
tratamientos en función del tiempo de fritura a 140 ºC.
0 50 100 150 200 2500
20
40
60
80
100Control Tº 160Ecaldada Tº 160Escaldada-Secada Tº 160
Tiempo de fritura (s)
% A
ceite
(b.s
.)
Figura 15.5: Cinética de la absorción de aceite en chips de manzana para los tres pre-
tratamientos en función del tiempo de fritura a 160 ºC.
33
El escaldado se ha reportado como un pre-tratamiento que podría mejorar el
color, la textura y reducir la absorción de aceite de los chips (Pedreschi y Moyano,
2004), contrariamente a lo esperado, los chips control absorbieron menos aceite que
los chips escaldados y escaldados-secados (ver Figuras 15.4 y 15.5).
Por otra parte, el secado como pre-tratamiento también ha sido reportado como
un medio eficaz para reducir la absorción de aceite, el cual disminuye el contenido de
humedad inicial de los chips y genera una corteza externa durante la fritura (Moyano y
Franco, 2006), lo cual se comprobó ya que, los chips escaldados-secados absorbieron
menos aceite que los chips escaldados (ver Figuras 15.4 y 15.5).
3.1.2.1 Modelo de absorción de aceite
Los resultados del modelo de absorción de aceite (ver Figuras 16.1 y 16.2)
muestran que a tiempos cortos de fritura la absorción de aceite es muy alta
manteniendo un equilibrio (contenido máximo), siendo este equilibrio la cantidad
máxima de aceite que puede absorber la manzana.
0 200 400 600 800 1000 1200 14000.00
0.25
0.50
0.75
1.00
Control Tº 140Escaldada Tº 140Escaldada y Secada Tº 140
Tiempo (s)
Con
teni
do d
e A
ceite
(g/g
bs)
Figura 16.1: Cinética de absorción de aceite en chips de manzana para los tres pre-
tratamientos en función del tiempo de fritura a 140ºC.
34
0 50 100 150 200 2500.00
0.25
0.50
0.75
1.00
Control Tº 160Ecaldada Tº 160Escaldada y Secada Tº 160
Tiempo (s)
Con
teni
do d
e A
ceite
(g/g
bs)
Figura 16.2: Cinética de absorción de aceite en chips de manzana para los tres
pre-tratamientos en función del tiempo de fritura a 160 ºC.
En la Tabla 2 se encuentra el resumen de los valores de los parámetros del
modelo de cinética de primer orden propuesto para cada pre-tratamiento y temperatura
de fritura.
Tabla 2: Resumen de los parámetros del modelo de cinética de absorción de aceite.
*Oeq contenido de aceite en el equilibrio (contenido máximo de aceite)
*K constante específica
Pre-tratamientos Temperatura de fritura (°C) Parámetro Control Escaldado Escaldado-Secado
140 *Oeq (g aceite/ g ss) 0,756 ± 0,0053 0,846 ± 0,0108 0,782 ± 0,0072 *K (s-1) 0,0189 ± 0,0038 0,0555 ± 0,0218 0,0694 ± 0,0241 R2 0,998 0,995 0,997
160 *Oeq (g aceite/ g ss) 0,75 ± 0,0102 0,83 ± 0,01242 0,75 ± 0,0045 *K (s-1) 0,2275 ± 2,923 0,1149 ± 0,0322 0,1939 ± 0,0755 R2 0,994 0,993 0,998
35
Este modelo tuvo un buen ajuste para todos los casos, debido a los altos
valores de los coeficientes de correlación. Además se puede observar que para todos
los casos al aumentar la temperatura de fritura, la constante específica “K” aumenta y
el contenido de aceite en el equilibrio “Oeq” disminuye. Este comportamiento concuerda
con el hecho de que a mayor temperatura de fritura, hay una menor absorción de
aceite (Pedreschi y Moyano, 2005).
3.2 Predicción de propiedades físicas mediante visión computacional
Se realizó una regresión lineal entre las 2324 características obtenidas del
análisis de las imágenes y la cinética de las propiedades físicas medidas
instrumentalmente, con el fin de obtener la mejor correlación.
3.2.1 Correlación de pérdida de humedad y absorción de aceite
A continuación se muestran solo dos de las doce gráficas (ver figura 17.1 y
17.2) con los mejores resultados de las correlaciones realizadas con el software Matlab
para la cinética de 6 intervalos de tiempo más el tiempo 0, utilizando como parámetro
de selección el mejor valor de r por propiedad física, siendo la mejor correlación el
tratamiento control para cada propiedad física medida instrumentalmente. El resto de
las graficas se encuentran en el Anexo D (Figura D.1 hasta Figura D.10).
Figura 17.1: Regresión lineal para el tratamiento control 140, entre Humedad b.s. y
Fourier_2 – Blue 11.
36
Figura 17.2: Regresión lineal para el tratamiento control 140, entre Aceite b.s. y
Fourier_2 – Blue 11.
En ninguna de las correlaciones hubo puntos intermedios en la curva y la
mayoría de los puntos convergieron en una determinada región de la recta, esto se
debió a que el proceso de fritura ocurrió de manera muy rápida, pero se puede corregir
en futuras investigaciones con intervalos de tiempo más pequeños. A pesar de ello se
obtuvieron buenos valores de correlación entre 0.927 y 0,989.
En la Tabla 3 se encuentra el resumen de los resultados obtenidos de la
correlación de cada propiedad instrumental junto con la característica extraída del
procesamiento de las imágenes digitales.
37
Tabla 3: Tabla resumen de la correlación entre las propiedades medidas
instrumentalmente y por VC.
Tratamiento Tº Propiedad instrumental visión computacional Ecuación R
Control 140 Humedad b.s. Fourier_2 -Blue 11 y = 0,016358*x - 2,228969 0,9856
Escaldada 140 Humedad b.s. Gabor(1,3) -Hue 11 y = 56,873387*x - 0,358851 0,9831
Escaldada-Secada 140 Humedad b.s. Gabor(5,7) -Green11 y = 0,010679*x - 2,00513 0,9394
Control 160 Humedad b.s. Fourier_1 -Red 11 y = 0,00266*x - 9,317802 0,9235
Escaldada 160 Humedad b.s. Int-Hu-moment 1 -Sat 11 y = 0,038422*x - 0,268939 0,9659
Escaldada-Secada 160 Humedad b.s. Fourier_2 -Blue 11 y = 0,011304*x - 2,283226 0,9487
Control 140 Aceite b.s. Fourier_2 -Blue 11 y = -0,001616*x + 0,977242 0,9891
Escaldada 140 Aceite b.s. Gabor(1,3) -Hue 11 y = -4,529213*x + 0,879646 0,9798
Escaldada-Secada 140 Aceite b.s. Fourier_2 -Blue 11 y = -0,001962*x + 1,157804 0,934
Control 160 Aceite b.s. Fourier_1 -Red 11 y = -0,000268*x + 1,701999 0,9355
Escaldada 160 Aceite b.s. Int-Hu-moment 1 -Sat 11 y = -0,002985*x + 0,845842 0,9681
Escaldada-Secada 160 Aceite b.s. Fourier_2 -Blue 11 y = -0,001992*x + 1,173319 0,9277
Las propiedades físicas humedad b.s y contenido de aceite b.s. tuvieron una
buena correlación tanto con las características geométricas, que hacen referencia a las
características externas de la imagen por ejemplo, perímetro, diámetro, descriptores de
Fourier, etc, como también con las características de intensidad que se extraen de las
características del color de las imágenes del RGB.
38
3.2.2 Correlación propiedad física teórica v/s instrumental
A continuación se muestran solo dos de las doce gráficas (ver figura 18.1 y
18.2) en donde se observan las correlaciones realizadas entre los valores de
propiedades físicas experimentales, las cuales fueron medidas de forma instrumental y
las propiedades físicas teóricas, las cuales se obtuvieron evaluando cada propiedad
extraída por VC en las ecuaciones de correlación (Tabla 2). Esto se efectuó con el fin
de determinar la exactitud de los modelos lineales obtenidos de cada correlación y,
además poder ver la variabilidad que existe entre ambas propiedades. El resto de las
graficas se encuentran en el Anexo E (Figura E.1 hasta Figura E.10).
Figura 18.1: Correlación entre Aceite b.s. instrumental y teórica para los chips de
manzana control a 140ºC.
Figura 18.2: Correlación entre Aceite b.s. instrumental y teórica para los chips de
manzana escaldadas a 140ºC.
R² = 0,978
-0,1
0,1
0,3
0,5
0,7
0,9
0 0,2 0,4 0,6 0,8 1
Acei
te (b
.s.)
teór
ico
Aceite (b.s) intrumental
Control 140 - Aceite (b.s)
R² = 0,959
-0,1
0,1
0,3
0,5
0,7
0,9
0 0,2 0,4 0,6 0,8 1Ace
ite
(b.s
.) te
óric
o
Aceite (b.s) intrumental
Escaldado 140 - Aceite (b.s)
39
De estas regresiones lineales se obtuvieron buenos valores de coeficientes de
correlación entre 0,9277 a 0,9783. En la mayoría de las gráficas al evaluar las
propiedades teóricas con valores instrumentales muy bajos se obtienen valores
negativos, debido a que éstos son obtenidos de una modelación lineal, la cual es una
aproximación del comportamiento de la propiedad física durante el proceso de fritura,
estos se deben interpretar como valor absoluto en el caso de humedad y como valor
cero, para aceite.
3.3 Determinación de calidad en chips de manzanas por visión computacional
3.3.1 Determinación sensorial del grado de calidad según categorías de color
El grado de calidad se determinó según el color del chip, para lo cual se realizó
una encuesta (ver Anexo B, B-4) a 30 consumidores habituales de alimentos fritos, de
la cual se obtuvo la clasificación en categorías deseado, aún aceptable y no deseado
para cada código de color. En la Figura 19 aparece la clasificación construida a partir
de la Tabla C.5, apéndice C.
Figura 19: Clasificación en grados de calidad a partir de la encuesta de evaluación de
color en chip de manzana frita.
0%
20%
40%
60%
80%
100%
K A N E M F L
% d
e Cl
asifi
caci
ón
Código de Color
DeseadoAun aceptableNo deseado
Determinación del Grado de Calidad
40
A partir de estos resultados se definieron las categorías de calidad de la tabla
de color de manzanas según el color del chip que a continuación se muestra en la
Tabla 4.
Tabla 4: Categorías de Calidad a partir de la encuesta de evaluación de color en chips
de manzana frita.
Código de Color K A N E M F L
Categoría de Calidad 3 2 1 1 2 3 3
La determinación del grado de calidad a partir del color se determinó a través
de los resultados obtenidos de la encuesta de consumidores y del panel sensorial
conformado por 15 jueces, los cuales relacionaron la tabla color con las muestras de
cada pre-tratamiento y temperatura de fritura, representado en la Figura 20.
Figura 20: Categorías de calidad para todos los pre-tratamientos y para ambas
temperaturas de fritura.
41
Al analizar los grados de calidad obtenidas a partir del panel sensorial se
observó que el grado de calidad 1 (color deseado), solo corresponde para el pre-
tratamiento escaldado a 160ºC, en cambio el tratamiento escaldado a 140 ºC es de
grado de calidad 2, por efecto de la temperatura y largo tiempo de fritura.
El pre-tratamiento escaldado-secado no fue afectado por la temperatura y
tiempo de fritura, ya que se obtuvo un grado de calidad 2, para ambas temperaturas. El
mismo efecto se observa para las muestras control, ya que para ambas temperaturas
se obtuvo un grado de calidad 3. Esto además confirma que el escaldado mejora el
color, debido a la disminución de azúcares reductores antes de freír, lo que inhibe el
pardeamiento no enzimático dando una mejor categoría de calidad, seguido por el
escaldado-secado ya que hay una mayor concentración de azúcares por la disminución
de humedad otorgada por el secado, con un color más oscuro y una categoría de
calidad menor.
3.3.2 Clasificación según el grado de calidad empleando el atributo color
Se clasificó las imágenes digitales de los chips de manzanas correspondientes
al último intervalo de tiempo para cada pre-tratamiento y temperatura de fritura,
utilizando el programa Balu con el comando Bfcsel y como selector de características
el SFS- Fisher, escogiendo las 10 mejores características de las 2324 entregadas por
el programa, esperando en forma ideal obtener un porcentaje de 100% de aciertos, lo
que indicaría que no hay traslape entre las clases, lo que en la realidad es casi
imposible, puesto que aunque el panel esté entrenado siempre hay zonas que
pertenecen a más de una clase.
Primero se clasificaron los tres pre-tratamientos para las dos temperaturas de
fritura, para esto se unieron las características a 140ºC, obteniendo una matriz de 2324
x 216 (número de características extraídas x el número de imágenes digitales tomadas
a 36 chips por ambos lados para cada tratamiento) y el vector d, de tamaño 1 x 216
(valor del grado de calidad determinada por el panel sensorial), se hizo lo mismo para
los tres pre-tratamientos a 160ºC.
42
En las Figuras 21.1 y 21.2 se presenta la función de densidad de probabilidad
versus la mejor característica de los tres pre-tratamientos a 140 ºC y 160 ºC
respectivamente.
Figura 21.1: Función de densidad de probabilidad versus la mejor característica
encontrada para los pretratamientos control, escaldado y escaldado-secado a 140ºC.
Figura 21.2: Función de densidad de probabilidad versus la mejor característica
encontrada para los pretratamientos control, y escaldado-secado a 160ºC.
43
Las Figuras 21.1 y 21.2 relacionan la mejor característica encontrada y la
función de densidad de probabilidad, para los pre-tratamientos control, escaldado y
escaldado-secado a 140 y 160ºC respectivamente. En ambos casos no existe traslape
entre la clase 3 (línea celeste) y la clase 1 (línea azul), lo que indica que se separan
bien estos grados de calidad extremos; pero no es el caso de la clase 2 (línea roja), ya
que se traslapa con las clases 1 y 3.
En las Figuras 21.3 y 21.4 se presentan la mejor característica y la segunda
mejor característica de los tres pre-tratamientos a 140 ºC y 160 ºC respectivamente.
Figura 21.3: La mejor caracteristica encontrada versus la segunda mejor para los
pretratamientos control, escaldado y escaldado-secado a 140ºC.
44
Figura 21.4: La mejor caracteristica encontrada versus la segunda mejor para la
clasificación de los pretratamientos control, escaldado y escaldado-secado a 160ºC.
En el caso de los pre-tratamientos a 140 º C (Figura 21.3) se puede ver que
sólo un punto rojo interfiere en la clase 3 y que las nubes de puntos de la clase 1 y 2 no
se encuentran separadas. Para el caso de los pre-tratamientos a 160 º C (Figura 21.4)
hay una mayor cantidad de puntos de la clase 2 (puntos rojos) que se mezcla con la
nube de clase 3 (puntos celestes), esto disminuye el porcentaje de aciertos ya que al
realizar la clasificación automática el programa podría clasificarlas como grado 1 (nube
azul) o grado 2 (nube roja).
En las Figuras 21.5 y 21.6 se presentan las tres mejores características de los
tres pre-tratamientos a 140 ºC y 160 ºC respectivamente, en un espacio tridimensional.
45
Figura 21.5: Tres mejores caracteristicas encontradas para la clasificación para los
pretratamientos control, escaldado y escaldado-secado a 140ºC.
Figura 21.6: Tres mejores caracteristicas encontradas para la clasificación de los
pretratamientos control, escaldado y escaldado-secado a 160ºC.
46
En las Figuras 21.5 y 21.6, en vez de haber una mayor diferenciación de las
clases, algunos puntos de la clase 2 (nube roja) se interceptan con la nube de la clase
3 (nube celeste). Para este caso la mejor representación gráfica fue la del plano
dimensional.
Posteriormente se clasificó ambas temperaturas para cada pre-tratamiento;
control, escaldado y escaldo-secado, para conocer si se obtiene una mejor clasificación
y para qué pre-tratamiento es más efectivo.
En las Figuras 22.1, 22.2 y 22.3 se muestra la relación de la mejor característica
encontrada y la función de densidad de probabilidad, para los chips control, escaldado
y escaldados-secados respectivamente a 140 y 160ºC.
Figura 22.1: Función de densidad de probabilidad versus la mejor característica
encontrada para el pre-tratamiento control a 140 y 160ºC.
47
Figura 22.2: Función de densidad de probabilidad versus la mejor característica
encontrada para el pre-tratamiento escaldado a 140 y 160ºC.
Figura 22.3: Función de densidad de probabilidad versus la mejor característica
encontrada para el pre-tratamiento escaldado-secado a 140 y 160ºC.
48
Las gráficas de la clasificación de las dos temperaturas de trabajo, para cada
pre-tratamiento, representada en las Figuras 22.1, 22.2 y 22.3 para los chips control,
escaldado y escaldado-secado respectivamente, en los tres casos existe traslape entre
las clases, por lo que los jueces no lograron diferenciar el color de las muestras al
comparar ambas temperatura para un mismo pre-tratamiento, siendo el pre-tratamiento
escaldado-secado el más difícil de clasificar, debido a su bajo porcentaje de aciertos y
al gran traslape de las clases.
Las Figuras 22.4, 22.5 y 22.6 muestran la relación de la mejor característica y la
segunda mejor característica encontrada, para los chips control, escaldado y
escaldado-secado respectivamente a 140 y 160ºC.
Figura 22.4: La mejor caracteristica encontrada versus la segunda mejor para la
clasificación del pre-tratamiento control a 140 y 160ºC.
49
Figura 22.5: La mejor caracteristica encontrada versus la segunda mejor para la
clasificación del pre-tratamiento escaldado a 140 y 160ºC.
Figura 22.6: La mejor caracteristica encontrada versus la segunda mejor para la
clasificación del pre-tratamiento escaldado-secado a 140 y 160ºC.
50
Las Figuras 22.4, 22.5 y 22.6 muestran que aunque la grafica dimensional
mejora la separación de clases, sobre todo para los chips control (existen nueve puntos
rojos correspondientes a la clase 2), para el resto de los pre-tratamientos, no existe
una clara diferenciación de las clases.
Las Figuras 22.7, 22.8 y 22.9 representan las tres mejores características
encontradas, para los chips control, escaldado y escaldado-secado respectivamente a
140 y 160ºC, en un espacio tridimensional.
Figura 22.7: Tres mejores caracteristicas encontradas para la clasificación del pre-
tratamiento control a 140 y 160ºC.
51
Figura 22.8: Tres mejores caracteristicas encontradas para la clasificación del pre-
tratamiento escaldado a 140 y 160ºC.
Figura 22.9: Tres mejores caracteristicas encontradas para la clasificación del pre-
tratamiento escaldado-secado a 140 y 160ºC.
52
En las Figuras 22.7, 22.8 y 22.9, la representación no mejora al graficar las tres
mejores características en un espacio tridimensional, para los pre-tratamientos
escaldado y escaldado-secado, ya que no hay una separación de clases, siendo la
peor representación la gráfica de los chips escaldado-secado. Sin embargo, para los
chips control fue la mejor grafica.
Finalmente el resumen de los mejores clasificadores y de las características
seleccionadas, se encuentra en la Tabla 5.
Tabla 5: Resumen de los porcentajes de aciertos, clasificadores y número de
caracteristicas obtenidas de la clasificación.
Criterio de clasificación Condición Nº
características % aciertos Clasificador
Clasificación por
temperatura para los
tres pre-tratamientos
140 8 89,89 (85,24-94,54%) Nnglm, 3*
160 4 87,2 (82,05-92,34%) Knn, 15*
Clasificación por pre-
tratamiento para las
dos temperaturas
Control 10 98,57 (96,33-100%) Nnglm,3*
Escaldado 9 88,82 (82,86-94,78%) Nnglm, 1*
Escaldado-Secado 3 75,08
(66,93-83,23%) Lda
*Número de vecinos más cercanos.
De las clasificaciones descritas anteriormente y resumidas en la Tabla 5, se
puede decir que la mejor clasificación para todas las muestras, se obtiene clasificando
en conjunto los tres pre-tratamientos por temperatura a 140 y 160 ºC, ya que se logra
un alto porcentaje de aciertos de 89,89 y 87,2 % y con un 95 % de probabilidad se
obtuvo un intervalo de confianza de (85,24-94,54%) y (82,05-92,34%) respectivamente,
con una baja complejidad debido a la menor cantidad de características (ver Tabla 5).
53
Por otra parte, y contrariamente a lo esperado no se logra un buen resultado al
clasificar ambas temperaturas por pre-tratamientos, ya que se obtiene un mayor
porcentaje de aciertos sólo para los pretratamientos control y escaldado, pero con una
mayor complejidad debido a la cantidad de características escogidas 10 y 9
respectivamente, y para el pretratamiento escaldado-secado solo se logró un 75 % de
aciertos.
Comparando con otros estudios, Allen y Rojas (2009) obtuvieron una
clasificación de chips de papas por pretratamientos control, escaldado, escaldado-
secado por separado a temperaturas de fritura de 120 y 180ºC, con un alto porcentaje
de aciertos de 85 a 89,9 % y baja complejidad. En la investigación actual no se logró
una buena clasificación por temperaturas, debido a que las temperaturas extremas de
trabajo de 140 y 160ºC fueron muy cercanas, con poca diferencia dentro de cada pre-
tratamiento, lo que dificulta la evaluación de los jueces.
54
4 CONCLUSIONES
Se pudo determinar la calidad de los chips de manzana de forma automática
mediante VC, para ello se escogió la clasificación de temperaturas, en vez de la
clasificación de pre-tratamientos, ya que se obtuvo un mayor porcentaje de
aciertos y separación de las clases, lo que disminuyó el error de clasificación.
Se logró estandarizar el proceso de obtención de chips de manzana fritos, lo
que permitió una repetitividad en la medición de los parámetros físicos,
obteniendo una baja desviación.
Se determinaron las propiedades físicas de humedad y contenido de aceite de
forma instrumental para ambas temperaturas de fritura 140 y 160 ºC, así como
también la toma de las imágenes digitales.
Se obtuvo la cinética del proceso de fritura para estas dos propiedades físicas y
con esto se comprobó que el contenido de humedad y de aceite están en
función tanto de la temperatura como del tiempo de fritura.
Los pre-tratamientos utilizados en los chips influyeron en las propiedades físicas
medidas, ya que independiente de la temperatura de fritura, la pérdida de
humedad fue más rápida para el pre-tratamiento escaldado-secado, debido a
que los chips comienzan el proceso de fritura con un contenido de humedad
menor, que los otros dos pre-tratamientos, así como también fue un método
eficaz para reducir la absorción de aceite.
Se entrenó visualmente a un panel de 15 jueces a través de pruebas de
ordenamiento de color, que midió las habilidades de diferenciación de color.
Gracias al panel se pudo construir una Tabla de Color para manzanas fritas,
que fue clasificada por una encuesta a consumidores habituales de productos
fritos en tres grados de calidad por categorías de color: deseado, aún aceptable
y no deseado.
55
Al correlacionar las propiedades físicas medidas instrumentalmente y por VC,
se logró obtener buenos valores de correlación (entre 0.92 y 0,98) y a su vez
esto se comprobó graficando el valor experimental y teórico, con una
correlación entre 0,92 - 0,97, por lo que fue posible predecir las propiedades
físicas de humedad y contenido de aceite a partir de VC.
Se clasificó automáticamente las imágenes digitales con el Bfcsel, contenido en
el programa Balu, utilizando 7 clasificadores y validación cruzada, siendo los
tres mejores clasificadores el Knn (con 15 vecinos más cercanos) y NN (redes
neuronales con 1 y 3 vecinos más cercanos).
La mejor clasificación se logró en los tres pre-tratamientos separados por
temperatura a 140 y 160 ºC, con un 95 % de probabilidad se obtuvo un intervalo
de confianza de (85,24-94,54%) y (82,05-92,34%) y un 89,89 y 87,2 % de
aciertos respectivamente.
Es posible implementar un sistema de VC que permita reconocer
automáticamente por el color el grado de calidad de cada chip de manzana frita
en la línea de procesos, para poder predecir atributos sensoriales mediante el
análisis de imágenes.
56
5 BIBLIOGRAFÌA
Aguilera, J.M. & Gloria-Hernández, H. (2000). Oil absorption during frying of frozen par-
fried potatoes. Journal of Food Science 65, 476-479.
Allen Paula y Rojas Ximena (2009). Determinación de la calidad y predicción de
propiedades físicas en chips de papa frita mediante VC. Trabajo de titulación para
optar al título de Ingeniero de Alimentos. Departamento de Ciencia y Tecnología de los
Alimentos. Facultad Tecnológica. Universidad de Santiago de Chile.
Álvarez, Manuel (2005) “La fritura de los alimentos” [online].http:www.monografias.com
/trabajos31/fritura-alimentos/fritura-alimentos.html [Consulta: Mayo de 2009, Santiago
de Chile] Instituto de Farmacia y Alimentos (IFAL) de la Universidad de La Habana,
Cuba.
AOAC Assoc. Official Analytical Chemists. (1984). The official methods of analysis.
14th ed., Method 28.074. Arlington, Va. AOAC. Washington DC, USA. 1141p.
Bouchon, P., Aguilera, J. M., & Pyle, D. L. (2003). Structure oil-absorption relationships
during deep-fat frying. Journal of Food Science 68, 2711–2716.
Daniel Pedrero y Rose Marie Pangborn “Evaluación sensorial de los alimentos:
Métodos analíticos”. Editorial Alhambra Mexicana, Mexico D.F., 1989.
Ferrero, F., (2004) “Minería de Datos”. [online]. http://www.it.uc3m.es/jvillena/irc/
practicas/03-04/20.pres.pdf [Consulta: Junio de 2009].
Gunasekaran, Sundaram (1996) Trends in Food Science and Technology 7, 245.
ISO 4121, 1987 Sensory analysis. Methodology. Evaluation of food products by
methods using scales.
57
León, J., (2005). ―Estudio de la cinética de color en rodajas de papa frita empleando
visión computacional”. Trabajo de titulación para optar al título de Ingeniero de
Alimentos. Departamento de Ciencia y Tecnología de los Alimentos. Facultad
Tecnológica. Universidad de Santiago de Chile.
Meilgaard, M, Civille, G., Carr B., 2007. Sensory Evaluation Techniques, 4 th Ed.(1-5,
39-44)
Mellema, M. (2003). Trends in Food Science and Technology 14, 364-373.
Mery, D., Pedreschi, F., Soto, A., (2010) Automated Design of a Computer Vision
System for Food Quality Evaluation. Pontificia Universidad Católica de Chile.
Moreira, R.G., Sun, X. & Chen,Y. (1997). Factors affecting oil uptake in tortilla chips in
deep-fat frying. Journal of Food Engineering 31, 485-498.
Moyano, P., Franco P. 2006. Kinetics of oil during of potato slices: effect of pre-
treatments. Science Direct 39, 285-291.
Pedrero D., Pangborn R. 1989. [online]. Evaluación sensorial de los alimentos:
métodos analíticos. http://en.scientificcommons.org/7001884 [Consulta: Junio de 2009].
Pedreschi, F. Hernández P., Figueroa C. y Moyano, P., 2005. Modeling water loss
during frying of potato slices. Journal of food Properties, 8: 289-299.
Pedreschi, F. Mery, D, 2004. Segmentation of colour food images using a robust
algorithm. Journal of Food Engineering 66 (2005) 353–360
Pedreschi F., Mery D., Bunger A., y Yañez V. (2009). Computer vision classification of
potato chips by color. Journal of Food Process Engineering.
58
Pedreschi, F., Mery, D., Mendoza, F. & Aguilera, J.M. (2004). Classification of potato
chips using pattern recognition. Journal of Food Science 69: 264-270.
Pedreschi, F., Mery, D. & Marique T. (2007). Quality evaluation and control of potato
chips and fhench fries. 22: 549-570.
Pedreschi, F. Leon, J. Mery, D., y Moyano, P.(2006). Development of a computer vision
system to measure the color of potato chips. Food Research International: 39 1092-
1095.
Pedreschi, F. Moyano, P., 2004. Oil uptake and texture development in fried potato
slices. Journal of Food Engineering 70 (2005) 557–563
Pedreschi, F. Moyano, P., 2005. Effect of pre-drying on texture and oil uptake of potato
chips. Science Direct 38: 599-604.
Salas Vázquez, Dora I. 2006. Observatorio de la Seguridad Alimentaria. Universidad
Autónoma de Barcelona (UAB) [online]. http: www.uab.es/servlet/Satellite?cid=
1096481466568&pagename=UABDivulga%2FPage%2FTemplatePageDetallArticleInve
stigar¶m1=1197012894872 [Consulta: Junio de 2009].
59
ANEXOS
ANEXO A
A.1 Ajuste de captura de las imágenes digitales
Figura A.1: Configuración de ajustes de disparo.
60
Figura A.2: Configuración de ajuste de ángulo.
61
A.2 Calibración software
Figura A.3: Curva de calibración del parámetro L*
Figura A.4: Curva de calibración del parámetro a*
62
Figura A.5: Curva de calibración del parámetro b*
63
ANEXO B
Fichas de evaluación sensorial utilizadas
B.1 Ficha de ordenamiento ranking de color
Set: ________________ Nombre: _______________________________
Test: Ordenamiento Fecha: ____________________________
Por favor ordene los tubos que contienen las soluciones coloreadas de acuerdo
al aumento de intensidad del color.
Anote la letra que diferencia cada solución en el orden que Ud. ha establecido.
____________________________________________________________
(Más débil) (Más intenso)
B.2 Ficha construcción tabla de color
Nombre: ________________________________ Fecha: _____________
Por favor, escoger 5 puntos intermedios de la escala de 7 puntos, siendo el punto
inicial la fotografía K y el punto final la fotografía F.
Punto 1 Punto 2 Punto 3 Punto 4 Punto 5 Punto 6 Punto 7
K
F
64
B.3 Ficha para test de reconocimiento de color en chips de Manzana
Nombre: ____________________________Fecha: __________ Set: ___________
A continuación se le presentarán una bandeja con 24 muestras de chips de
manzana junto con una tabla de color. De este modo, a cada muestra coloque el
código de la tabla de color que más se le asemeje.
Muchas Gracias.
B.4 Pauta de encuesta de evaluación de color en chips de manzana frita
Nombre: _____________________________________ Fecha: ____________
¿Qué edad tiene? _______________
¿Cuántas veces a la semana consume usted papas fritas? _____________________
A continuación se le presentará una tabla de color que corresponde a chips de
manzana frita. Elija él o los colores según su preferencia al consumir chips de manzana
frita, que tengan:
Un muy buen color (deseado): ______________________________
Un color aceptable: _______________________________________
Un color no deseado: _____________________________________
Muchas Gracias
Muestra COD
Muestra COD
65
ANEXO C
Tablas de datos experimentales
Tabla C.1: Tiempos de fritura, en segundos, para manzanas control, escaldado y
escaldado-secado para las dos temperaturas de fritura.
Intervalo Control Escaldada
Escaldada-Secada
140ºC 160ºC 140ºC 160ºC 140ºC 160ºC
0 0 0 0 0 0 0
1 200 40 70 28 60 25
2 400 80 140 56 120 50
3 600 120 210 84 180 75
4 800 160 280 112 240 100
5 1000 200 350 141 300 125
6 1200 240 420 170 360 150
Tabla C.2: Diluciones de los tubos de ensayo para el ordenamiento de color.
Colorante (ml) Agua (ml)
45 55
50 50
55 45
60 40
65 35
70 30
75 25
80 20
90 10
100 -
66
Tabla C.3: Resultados obtenidos para la selección de jueces en cada uno de los sets
de colores presentados.
Jueces
% De Aciertos
Verde Rojo Amarillo Promedio
Cristian Arellano 80 60 80 73,3
Constanza Barahona 100 50 80 76,7
Denisse Jeria 80 20 50 50*
Natalia Reyes 100 60 100 86,7
Alejandra Lozano 40 70 100 70,0
Sergio Lobos 100 100 80 93,3
Pamela Soto 40 40 100 60,0
Macarena Tapia 40 40 50 43,3*
Pilar Morgan 100 70 80 83,3
Rocio Rivas 80 70 40 63,3
Laura Hurtado 100 80 100 93,3
Pamela Gonzalez 60 30 60 50*
Alberto Pozo 80 80 80 80,0
Elizabeth Muñoz 60 20 100 60,0
Paulina Vergara 100 50 60 70,0
Alejandro Sanhueza 80 100 20 66,7
Kattirant Moya 100 100 100 100,0
Tomás Cáceres 100 80 60 80,0
* indican un % menor al requerido para integrar el panel de jueces.
67
Tabla C.4: Resultados obtenidos de los jueces para la selección de los 5 puntos
intermedios de la tabla de color de 7 puntos.
Jueces Punto
1
Punto
2
Punto
3
Punto
4
Punto
5
Punto
6
Punto
7
Cristian Arellano K A B E G L F
Constanza Barahona K A N B M C F
Natalia Reyes K A B E D L F
Alejandra Lozano K A N R D L F
Sergio Lobos K A N M T L F
Pamela Soto K N B E R D F
Pilar Morgan K N B M C S F
Rocio Rivas K A H B M D F
Laura Hurtado K A P H M C F
Alberto Pozo K A N R G L F
Elizabeth Muñoz K A H E D S F
Paulina Vergara K P N E R D F
Alejandro Sanhueza K A N B M C F
Tomás Cáceres K A B R C L F
Kattirant Moya K A H M C G F
68
Tabla C.5: Resumen de % de preferencias obtenidos a partir de encuesta de
evaluación de color en chips de manzanas fritas.
Grado de Calidad
Categoría % de Preferencias
K A N E M F L
Optimo
(deseado) 1 0,0% 13,3% 63,3% 66,7% 40% 0,0% 0,0%
Intermedio
(aún
aceptable)
2 13,3% 53,3% 33,3% 20% 43% 10,0% 10,0%
Menor
(no deseado) 3 86,7% 33,3% 3,3% 10% 17% 90,0% 90,0%
Tabla C.6: Pérdida de humedad (b.h.) de las manzanas control, escaldadas,
escaldadas- secadas, para las dos temperaturas de fritura en (g agua/g manzana h.).
Intervalo
Control
140 º C 160 º C
Promedio Desviacion
Std. Promedio
Desviacion Std.
0 88,49 0,09 88,49 0,09
1 3,03 0,23 32,80 0,77
2 2,31 0,09 9,12 0,59
3 2,02 0,01 2,98 0,20
4 1,79 0,23 2,30 0,05
5 1,45 0,27 1,98 0,05
6 1,25 0,22 1,18 0,29
69
Intervalo
Escaldada
140 º C 160 º C
Promedio Desviacion
Std. Promedio
Desviacion Std.
0 91,43 0,68 91,43 0,68
1 32,65 1,02 41,28 0,71
2 4,91 0,57 18,29 0,91
3 2,40 0,22 9,35 1,33
4 1,66 0,09 2,55 0,79
5 1,33 0,10 1,42 0,02
6 1,16 0,19 0,95 0,27
Intervalo
Escaldada- Secada
140 º C 160 º C
Promedio Desviacion
Std. Promedio
Desviacion
Std.
0 81,04 3,40 81,04 3,40
1 19,03 1,60 28,42 1,11
2 3,43 0,27 10,75 4,22
3 2,58 0,61 3,07 0,19
4 2,20 0,14 1,41 0,17
5 1,53 0,02 1,38 0,05
6 1,01 0,10 0,97 0,07
70
Tabla C.7: Absorción de aceite (b.s.) de las manzanas control, escaldadas,
escaldadas-secadas, para las dos temperaturas de fritura.
Intervalo
Control
140 º C 160 º C
Promedio Desviacion
Std. Promedio
Desviacion Std.
0 0,00 0,00 0,00 0,00
1 74,39 1,65 74,96 1,92
2 73,78 0,73 72,79 0,44
3 74,87 1,14 72,01 0,57
4 75,39 0,56 75,46 1,18
5 77,46 1,08 78,07 0,99
6 76,75 1,80 76,88 1,37
Intervalo
Escaldada
140 º C 160 º C
Promedio Desviacion
Std. Promedio
Desviacion Std.
0 0,00 0,00 0,00 0,00
1 82,90 2,01 80,48 3,13
2 82,46 0,54 80,04 1,29
3 85,16 1,28 79,91 1,37
4 83,81 3,18 82,57 1,08
5 82,58 1,08 86,81 1,25
6 88,90 1,04 84,52 2,40
71
Intervalo
Escaldada- Secada
140 º C 160 º C
Promedio Desviacion
Std. Promedio
Desviacion Std.
0 0,00 0,00 0,00 0,00
1 77,14 0,81 75,40 5,07
2 78,22 1,62 75,52 0,25
3 75,66 1,05 77,16 1,56
4 78,05 0,72 75,27 1,34
5 77,73 1,21 76,28 1,16
6 80,95 0,87 73,83 1,28
72
ANEXO D
Gráficas de correlación de contenido de humedad y aceite
Figura D.1: Regresión lineal para el tratamiento escaldado a 140ºC, entre Humedad
b.s. y Gabor(1,3) -Hue 11.
.
Figura D.2: Regresión lineal para el tratamiento escaldado-secado a 140ºC, entre
Humedad b.s. y Fourier_2 – Blue 11.
73
Figura D.3: Regresión lineal para el tratamiento control a 160ºC, entre Humedad b.s. y
Fourier_1 - Red 11.
Figura D.4: Regresión lineal para el tratamiento escaldado a 160ºC, entre Humedad
b.s. y Int - Hu - moment 1 - Sat 11.
74
Figura D.5: Regresión lineal para el tratamiento escaldado-secado a 160ºC, entre
Humedad b.s. y Fourier_2 – Blue 11.
Figura D.6: Regresión lineal para el tratamiento escaldado a 140ºC, entre Aceite b.s. y
Garbor(1,3) – Hue 11.
75
Figura D.7: Regresión lineal para el tratamiento escaldado-secado a 140ºC, entre
Aceite b.s. y Fourier_2 – Blue 11.
Figura D.8: Regresión lineal para el tratamiento control a 160ºC, entre Aceite b.s. y
Fourier_1 – Red 11.
76
Figura D.9: Regresión lineal para el tratamiento escaldado a 160ºC, entre Aceite b.s. y
Int-Hu- moment 1 – Sat 11.
Figura D.10: Regresión lineal para el tratamiento escaldado-secado a 160ºC, entre
Aceite b.s. y Fourier_2 – Blue11.
77
ANEXO E
Gráficas de propiedades físicas teóricas v/s instrumentales
Figura E.1: Correlación entre Aceite b.s. instrumental y teórica para los chips
escaldados-secados a 140ºC.
Figura E.2: Correlación entre Aceite b.s. instrumental y teórica para los chips control a
160ºC.
R² = 0,872
-0,1
0,1
0,3
0,5
0,7
0,9
0 0,2 0,4 0,6 0,8 1
Ace
ite
(b.s
.) te
óric
o
Aceite (b.s) intrumental
Escaldado y Secado 140 - Aceite (b.s)
R² = 0,875
-0,1
0,1
0,3
0,5
0,7
0,9
0 0,2 0,4 0,6 0,8 1
Ace
ite
(b.s
.) te
óric
o
Aceite (b.s) intrumental
Control 160 - Aceite (b.s)
78
Figura E.3: Correlación entre Aceite b.s. instrumental y teórica para los chips
escaldados a 160ºC.
Figura E.4: Correlación entre Aceite b.s. instrumental y teórica para los chips
escaldados-secados a 160ºC.
R² = 0,937
-0,1
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
Ace
ite
(b.s
.) te
óric
o
Aceite (b.s) intrumental
Escaldado 160 - Aceite (b.s)
R² = 0,860
-0,1
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Ace
ite
(b.s
.) te
óric
o
Aceite (b.s) intrumental
Escaldado y secado 160 - Aceite (b.s)
79
Figura E.5: Correlación entre Humedad b.s. instrumental y teórica para los chips
control a 140ºC.
Figura E.6: Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados a 140ºC.
R² = 0,971
-1
1
3
5
7
9
0 5
Hum
edad
(b.s
.) te
óric
a
Humedad (b.s) intrumental
Control 140 - Humedad (b.s)
R² = 0,966
-2
0
2
4
6
8
10
12
14
0 2 4 6 8 10 12 14
Hum
edad
(b.s
.) te
óric
a
Humedad (b.s) intrumental
Escaldado 140 - Humedad (b.s)
80
Figura E.7: Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados-secados a 140ºC.
Figura E.8: Correlación entre Humedad b.s. instrumental y teórica para los chips
control a 160ºC.
R² = 0,882
-1
0
1
2
3
4
5
0 1 2 3 4 5
Hum
edad
(b.s
.) te
óric
a
Humedad (b.s) intrumental
Escaldado y Secado 140 - Humedad (b.s)
R² = 0,850
-3-2-1012345678
0 1 2 3 4 5 6 7 8
Hum
edad
(b.s
.) te
óric
a
Humedad (b.s) intrumental
Control 160 - Humedad (b.s)
81
Figura E.9: Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados a 160ºC.
Figura E.10: Correlación entre Humedad b.s. instrumental y teórica para los chips
escaldados-secados a 160ºC.
R² = 0,932
-1
1
3
5
7
9
11
13
0 2 4 6 8 10 12
Hum
edad
(b.s
.) te
óric
a
Humedad (b.s) intrumental
Escaldado 160 - Humedad (b.s)
R² = 0,900
-1
0
1
2
3
4
5
0 1 2 3 4 5
Ace
ite
(b.s
.) te
óric
o
Aceite (b.s) intrumental
Escaldado y secado 160 - Humedad (b.s)