Predicción del contenido de sólidos solubles de la piña basada en imágenes hiperespectrales visibles y del infrarrojo...

Área de la Ciencia:

• Ciencia Agrícola; Ciencia de los Alimentos; Espectroscopía

Sus antecedentes:

• El contenido de sólidos solubles (SSC) es un indicador clave de la calidad y la aceptación por parte del consumidor de la piña.; La detección precisa y eficiente del SSC es crucial para la comercialización y las ventas.

Objetivo del estudio:

• Desarrollar y validar un método de imágenes hiperespectrales (HSI) para la detección precisa del SSC de la piña.; Comparar el rendimiento de diferentes pretratamientos espectrales y modelos de regresión para la predicción del SSC.

Principales métodos:

• Se recopilaron imágenes hiperespectrales de piñas en el rango de 400-1700 nm.; Se aplicaron pretratamientos espectrales (MSC, SG, etc.) y se construyeron modelos PLSR, Lasso y RR.; Se utilizó el algoritmo de proyecciones sucesivas (SPA) para la selección de bandas características y se optimizó el modelo.

Principales resultados:

• Los modelos iniciales mostraron un buen rendimiento (PLSR R²=0.9459).; El modelo optimizado ddA-PLSR logró una excelente precisión (R²=0.9869, RMSE = 0.1250).; Se identificaron cuatro longitudes de onda clave (673-676 nm, 711-715 nm, 971-990 nm, 1357-1367 nm) para la predicción del SSC.

Conclusiones:

• Las imágenes hiperespectrales son una herramienta muy eficaz para la evaluación no destructiva del SSC de la piña.; El método HSI optimizado demuestra un potencial significativo para la identificación de la calidad de la piña en tiempo real.