Estamos realizando tareas de mantenimiento, pronto volveremos a estar disponibles. Disculpa las molestias.
 

Detección de fraude en pasta de tomate usando imágenes hiperespectrales de transmitancia y aprendizaje automático

dc.contributor.advisorSeminario Sanz, Roberto Simón
dc.contributor.authorLee Rivas, Renato Alexander
dc.date.accessioned2023-07-26T20:37:38Z
dc.date.available2023-07-26T20:37:38Z
dc.date.issued2023-07-25
dc.description.abstractEl 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.es_ES
dc.description.uriTesises_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttp://repositorio.unf.edu.pe/handle/UNF/271
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Fronteraes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.sourceUniversidad Nacional de Fronteraes_ES
dc.sourceRepositorio Institucional - UNFes_ES
dc.subjectPasta de tomatees_ES
dc.subjectAdulteraciónes_ES
dc.subjectEspectroscopía de imagenes_ES
dc.subjectTransmitanciaes_ES
dc.subjectQuimiometríaes_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.11.01es_ES
dc.titleDetección de fraude en pasta de tomate usando imágenes hiperespectrales de transmitancia y aprendizaje automáticoes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
renati.advisor.dni03677087
renati.advisor.orcidhttps://orcid.org/0000-0003-3427-2891es_ES
renati.author.dni47499383
renati.discipline721046es_ES
renati.jurorLachira Estrada, Diego Salvadores_ES
renati.jurorGutierrez Valverde, Karina Silvanaes_ES
renati.jurorSaavedra Cano, Fermín Máximoes_ES
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesionales_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesises_ES
thesis.degree.disciplineIngeniería de Industrias Alimentariases_ES
thesis.degree.grantorUniversidad Nacional de Frontera. Facultad de Ingeniería de Industrias Alimentarias y Biotecnologíaes_ES
thesis.degree.levelTitulo Profesionales_ES
thesis.degree.nameLee Rivas, Renato Alexanderes_ES

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TESIS - Lee Rivas, Renato Alexander.pdf
Size:
3.66 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: