Browsing by Author "Seminario Sanz, Roberto Simón"

Now showing 1 - 7 of 7
  • Thumbnail Image
    ItemOpen Access
    Clasificación de variedades de Coffea arabica en grano verde usando imágenes hiperespectrales y Machine Learning
    (Universidad Nacional de Frontera, 2024-11-05) Gonzales Zapata, Anthony Josué; Seminario Sanz, Roberto Simón
    La investigación tuvo por objetivo desarrollar un madelo de clasificación no destructiva de variedades de grano café verde con imágenes hiperespectrales y aprendizaje automático. Se analizaron muestras de los cultivares Arábica Típica, Pacamara, Maracaturra, Caturra y Bourbón. Se realizaron análisis de pH, color y humedad. Asimismo, se adquirieron imágenes hiperespectrales Vis-NIR (400-1000 nm) para obtención de perfiles espectrales. Estos, se exploraron con PCA. Además, se pretrataron con Savitzky-Golay, normalización y variable normal estándar. Se seleccionaron longitudes de onda con ReliefF. Se aplicaron tres modelos (LDA, SVM, KNN) a los datos espectrales completos y seleccionados con ReliefF. El pH, color y humedad no diferenciaron variedades. El PCA explico el 93% de la varianza total acumulada con los dos primeros componentes. LDA mostró el mejor desempeño con precisión de 0.96 y medida F de 0.97 utilizando el espectro-completo y sin prerpocesar, superando a SVM y KNN. Los resultados demuestran el alto potencial de las imágenes hiperespectrales y LDA para la clasificación rápida y no destructiva de café verde, con implicaciones positivas para el control de calidad y trazabilidad varietal.
  • Thumbnail Image
    ItemOpen Access
    Clasificación varietal de Allium cepa en polvo usando espectros NIR y análisis multivariado
    (Universidad Nacional de Frontera, 2023-07-25) More Mechato, Juan Manuel; Seminario Sanz, Roberto Simón
    La autenticación de diferentes variedades de cebolla (Allium cepa) en polvo es importante para reducir el riesgo de fraude. Los espectros de reflectancia en el infrarrojo cercano (NIR) son una herramienta potencial para la clasificación varietal de la cebolla. Sin embargo, la complejidad de los espectros y la presencia de ruido pueden dificultar la identificación precisa de las variedades de cebolla. En este estudio, se exploró el uso de análisis multivariado y pretratamiento de espectros NIR para la clasificación varietal de la cebolla en polvo. Se recolectaron muestras de cebolla de las variedades blanca, amarilla y roja, se secaron, molieron y tamizaron para obtener polvo. Se midieron los espectros de reflectancia NIR de las muestras utilizando un espectrómetro de sobremesa en el rango de longitud de onda de 1100 a 2100 nm. Se aplicaron tres técnicas de pretratamiento a los espectros: suavizado con Savitzky-Golay, normalización estándar de varianza (SNV) y normalización. Se utilizó análisis discriminante lineal (LDA), k-vecinos más cercanos (KNN) y máquinas de vectores de soporte (SVM) para la clasificación varietal. Se evaluó el rendimiento de cada modelo utilizando la precisión general y la medida F. Se logró una precisión del 100% y medida F 1.0 en la clasificación varietal de la cebolla en polvo utilizando el modelo SVM, independientemente del preprocesamiento de los espectros. El modelo LDA también mostró un buen rendimiento con una precisión entre el 98.5% y el 99.8%. El preprocesamiento de los espectros tuvo una influencia en el rendimiento del modelo LDA, obteniéndose los mejores resultados con los datos suavizados con Savitzky-Golay. El modelo KNN mostró el menor rendimiento con una precisión entre el 97.2% y el 98.4%. Los resultados indican que el uso de análisis multivariado y pretratamiento de espectros NIR puede ser efectivo para la clasificación varietal de la cebolla en polvo. El modelo SVM mostró el mejor rendimiento en comparación con otros modelos de clasificación, lo que sugiere que puede ser una herramienta valiosa para la identificación precisa de variedades de cebolla en la industria alimentaria. En conclusión, el uso de análisis multivariado y pretratamiento de espectros NIR puede ser efectivo para la clasificación varietal de la cebolla en polvo.
  • Thumbnail Image
    ItemOpen Access
    Detección de fraude en pasta de tomate usando imágenes hiperespectrales de transmitancia y aprendizaje automático
    (Universidad Nacional de Frontera, 2023-07-25) Lee Rivas, Renato Alexander; Seminario Sanz, Roberto Simón
    El presente estudio determina la capacidad de las imágenes hiperespectrales de transmitancia y el aprendizaje automático para detectar la adulteración de pasta de tomate con fécula de maíz. Las muestras de tomate se adquirieron en el mercado local de Sullana, se seleccionaron frutos maduros, firmes e intactos, y se procesaron para obtener pulpa de tomate. Luego, las muestras de pasta de tomate se adulteraron con diferentes concentraciones de fécula de maíz (2, 4, 6, 8 y 10%). Se adquirieron imágenes hiperespectrales en modo transmitancia en el rango espectral de 400 a 1000 nm. Asimismo, paralelamente se realizaron análisis de referencia de pH y color. Los espectros se pretrataron con SNV, Baseline y MSC y luego se utilizaron para modelar los datos con PLSR. El modelo PLSR se implementó con los espectros completos y luego con los espectros optimizados, que se seleccionaron en función de los coeficientes beta (6 longitudes de onda). Se evidenció que el modelo PLSR optimizado utilizando datos sin preprocesar obtuvo el mejor rendimiento (R2= 0,943; RMSE= 0.412), seguido del modelo PLSR optimizado utilizando datos preprocesados con la línea base (R2= 0,942; RMSE= 0,413). Estos resultados sugieren que las imágenes hiperespectrales de transmisión y el aprendizaje automático pueden ser efectivos para detectar la adulteración de pasta de tomate con fécula de maíz.
  • Thumbnail Image
    ItemOpen Access
    Efecto de la proporción de mezcla de tres variedades de Coffea arabica en el perfil espectral
    (Universidad Nacional de Frontera, 2024-01-31) Alvarado Farias, Cristhian Jhonatan; Seminario Sanz, Roberto Simón
    El grano de Coffea arabica, representa el 30% de la producción mundial de café, apreciado por su alta calidad, es pasible de adulteración con sucedáneos u otras variedades de menor costo de producción. Esta investigación propuso determinar el efecto en el perfil espectral en la proporción de mezclas de variedades de Coffea arabica: Tipica, Bourbon y Caturra. Las muestras de grano tostado y molido fueron adquiridas en la empresa Aromas del Café de San Ignacio, y transportadas al Laboratorio de Investigación en Inocuidad de Alimentos de la Universidad Nacional de Frontera. Se formularon mezclas binarias de las variedades Tipica - Bourbon y Tipica - Caturra, generando 11 combinaciones. A las cuales se midió el valor pH, humedad, color y el perfil espectral mediante espectrometría de infrarrojo cercano (NIR), regresión multivariada, Regresión por Mínimos de Cuadrados Parciales (PLSR), usando variables latentes obtenidas por beta-coeficientes, mediante las métricas de coeficiente de determinación (R²) y error cuadrático medio (RMSE). Los perfiles espectrales obtenidos de Coffea arabica Tipica adulterada con Bourbon, tratados mediante Variable Normal Estándar (Standard Normalsated Variable - SNV), obtuvo el mejor modelo predictivos PLSR optimizado, con un R2 de 0.99 y RMSE de 0.01. Mientras, Tipica adulterada con Caturra, tratado mediante SNV y Corrección de Línea Base, fueron los mejores modelos predictivos PLSR optimizados, con sus R2 de 0.96 y RMSE de 0.01. Determinándose que el uso de NIR, acoplados a modelos predictivos PLSR puede detectar la adulteración del Coffea arabica con un nivel de ajuste mayor del 96%.
  • Thumbnail Image
    ItemOpen Access
    Efecto de proporción de Oryza sativa como adulterante de Curcuma longa en el perfil espectra
    (Universidad Nacional de Frontera, 2024-02-26) Criollo Miñan, Karla Marita; Seminario Sanz, Roberto Simón
    La tesis tuvo como objetivo determinar el efecto en el perfil espectral de la proporción de Curcuma longa adulterado con Oryza sativa, mediante espectroscopia NIR en modo reflectancia y quimiometría. La investigación fue cuantitativa, de diseño cuasiexperimental, correlacional, transversal y aplicada, con muestreo no probabilístico a conveniencia del investigador. Las unidades de análisis se formularon a partir de la mezcla de Curcuma longa con Oryza sativa en polvo, a concentraciones de 0, 20, 40, 60, 80 y 100% de adulterante y cinco repeticiones, caracterizándose mediante análisis de humedad, pH y espacio de color CIELab. Se extrajeron veinte perfiles espectrales por unidad de análisis, generando 100 por mezcla porcentual, totalizando 600 perfiles en un rango de 900 a 2100 nm. Posteriormente, fueron pretratados y modelizados mediante software Unscramble X. La predicción de la adulteración de Cúrcuma longa con Oryza sativa, mediante regresión de mínimos cuadrados parciales (PLSR) optimizado, obtuvo como coeficiente de determinación (R2) de 0.995, y como suma del error cuadrático medio (RMSE) optimizado valores menores de 0.01. De esta manera. se evidenció que existe un efecto en proporción en la mezcla de Cúrcuma longa y su adulterante Oryza sativa en el perfil espectral, siendo factible la aplicación de espectroscopia NIR para detectar este tipo de fraude.
  • Thumbnail Image
    ItemOpen Access
    Efecto en perfil espectral del Cuminum cyminum adulterado con subproductos del pilado de Oryza sativa
    (Universidad Nacional de Frontera, 2023-06-06) Mechato Chero, Juan José; Seminario Sanz, Roberto Simón
    El comino en polvo es vulnerable a la adulteración, lo que puede ser perjudicial para la salud y la economía de los consumidores. Existen métodos de detección de adulteraciones basados en espectroscopia NIR. Por tanto el objetivo de esta investigación fue determinar si la proporción de Cuminum cyminum adulterado con subproductos del pilado de Oryza sativa podría detectarse mediante perfiles espectrales. Las muestras se mezclaron con un rango de adulteración del 0 al 40% y se analizaron mediante espectros NIR. Se utilizó el modelo de regresión de mínimos cuadrados parciales optimizado, y los resultados indicaron que era viable predecir la adulteración. Este método es importante para garantizar la seguridad alimentaria y proteger a los consumidores. La investigación proporciona una base sólida para mejorar los métodos de control de calidad en la industria alimentaria y proteger a los consumidores.
  • Thumbnail Image
    ItemOpen Access
    "Revisión: Aplicación de imágenes hiperespectrales en la determinación de inocuidad en productos hidrobiológicos"
    (Universidad Nacional de Frontera, 2021-10-05) Castro Barba, Mónica Jazmín; Seminario Sanz, Roberto Simón
    Los productos hidrobiológicos son importantes por su aporte en la dieta humana y en el intercambio comercial internacional. Actualmente, la industria alimentaria busca implementar técnicas no destructivas para reducir pérdidas en las actividades de control de calidad, rapidez para obtener información y tomar decisiones en tiempo real en la producción. Las imágenes hiperespectrales (Hsi); es una técnica que posee ventajas por su bajo costo, confiabilidad de los resultados y la reducción de mermas por análisis en la cadena de la industria alimentaria. El objetivo fue realizar un análisis de la información científica sobre las aplicaciones de las Hsi para la determinación de inocuidad en productos hidrobiológicos. Recopilando artículos de investigación en las bases de datos: Elsevier, Taylor and Francis, Wiley y Google Académico; sobre las publicaciones en el años 2013 al 2021. Obteniéndose sesenta y nueve (69) artículos de investigación, de los que se referenciaron cuarenta y seis (46) estudios primarios. Las muestras sobre información de aplicaciones de Hsi se centraron en las especies: carpa herbívora, salmón, trucha arcoíris, camarón, tilapia, entre otros. El modo de detección más usado fue reflectancia, con rangos espectrales desde 400 a 2500 nanómetros. Concluyendo que el uso de tecnologías no invasivas, como son las Hsi, generan una gran demanda en la industria alimentaria, al ser esta una tecnología eficiente, rápida y no destructiva.