Actualidad
Imagen hiperespectral en infrarrojo cercano para evaluar calidad y madurez del kiwi en poscosecha
El estudio demuestra que la imagen hiperespectral en infrarrojo cercano permite evaluar de forma no destructiva la calidad interna y el tiempo de almacenamiento del kiwi, facilitando decisiones sobre transporte y madurez
Este estudio utilizó tecnología de imagen hiperespectral en el infrarrojo cercano (858–1700 nm) para la detección no destructiva de sólidos solubles (SSC) y la clasificación del estado de madurez en 480 kiwis durante su almacenamiento en poscosecha a temperatura ambiente (20 ± 1 °C) durante 14 días.
Se evaluó de forma comparativa la eficacia de seis métodos de preprocesamiento espectral: corrección de dispersión multiplicativa (MSC), variación normal estándar (SNV), suavizado Savitzky-Golay (SG), y sus combinaciones MSC+SNV, MSC+SG y SNV+SG. Además, se analizaron tres algoritmos de selección de longitudes de onda: CARS, SPA y UVE.
Posteriormente, se desarrollaron y compararon cuatro modelos predictivos: regresión por mínimos cuadrados parciales (PLSR), red neuronal de retropropagación (BP), regresión lineal (LR) y máquina de vectores soporte por mínimos cuadrados (LSSVM). Los resultados mostraron que el modelo MSC+SG+CARS+LSSVM ofreció el mejor rendimiento, con coeficientes de correlación Rc=0,881 y Rp=0,927, errores RMSEC=0,590 °Brix y RMSEP=0,597 °Brix, y un RPD de 2,61.
Además, se desarrollaron modelos de clasificación de días de almacenamiento mediante red neuronal BP optimizada con algoritmo genético (GA-BP) y red de función de base radial (RBF), alcanzando precisiones del 95,15% y 93,75%, respectivamente.
En conjunto, los resultados demuestran que la imagen hiperespectral en infrarrojo cercano permite evaluar eficazmente la calidad interna y el tiempo de almacenamiento en poscosecha del kiwi, facilitando la determinación del momento óptimo de transporte y ofreciendo un gran potencial para el control de calidad y la clasificación de la madurez en la industria.
Fuente
Li, Y., Qiao, Y., Zhu, R., Wang, J., Sun, Z., Yang, S., Ai, Z., & Song, S. (n.d.).
Non-destructive prediction of SSC and storage days classification of kiwifruit during postharvest storage using near-infrared hyperspectral imaging. Springer.
https://link.springer.com/article/10.1007/s12161-026-03108-6
Noticias relacionadas
.gif "Banners Braulio")
