Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
En otros cereales, Williams et al. [119] evalu los granos de maz infectadas con
Fusarium verticillioides, aplicando imaginera hiperespectral NIR (1000-2498 nm), con
una coeficiente de determinacin R2 = 0.98. Adems, pone de relieve dos prominentes
picos en 1900 y 2136 nm, relacionada con los cambios en las composiciones de
almidn y protenas en presencia de Fusarium.
Un trabajo similar fue realizado por Siripatrawan y Makino [107], quien desarroll un
mtodo para supervisar la descomposicin hongos en arroz almacenado inoculado con
Aspergillus oryzae mediante imgenes hiperespectrales 400 a 1000 nm. HSI fue capaz
de identificar rpidamente el arroz infectado, aunque las muestras no mostr sntomas
de infeccin por hongos, con un coeficiente de determinacin, R2 = 0.97.
Carnes
En los mercados de hoy en da, la demanda de productos de calidad y seguridad de los
consumidores est aumentando. Esto est haciendo la industria alimentaria para la
implementacin de las tecnologas que permiten la evaluacin y el control de calidad
ms rpidamente; el control se realiza manualmente en la mayora de los productos
crnicos, que es intensiva en mano de obra, costoso, lento y sujeto a error humano.
La tabla 4, muestra algunas investigaciones en la evaluacin de la calidad de la carne,
incluido el anlisis de la ternura, la contaminacin microbiana, composicin qumica.
Una propiedad con la que un consumidor califica la carne es termura, una propiedad
manifestada por una baja resistencia a la ruptura de la masticacin. Lo contrario es la
dureza, que es una propiedad textural manifestada por la resistencia, rompiendo altos y
persistentes en la masticacin [45].
respectivamente, fueron obtenidos por Cluff et al. [17], y Wu Peng [87] y Tao et al.
[112], trabajan en bandas espectrales similares, como se muestra en la Tabla 4.
Se realizaron varios estudios para demostrar la capacidad de imaginera hiperespectral
para la identificacin y autenticacin de diferentes especies de carne roja. En este
sentido, Kamruzzaman et al. [48] logr la clasificacin de la carne de res, cerdo y
cordero por imgenes adquiridas en 900 a 1700 nm del msculo longissimus dorsi de
estas especies Clasificacin precisiones de 99, 93 y 97 % fueron obtenidos. Asimismo,
el mismo equipo de trabajo [49] desarroll un mtodo no destructivo para detectar la
adulteracin de la carne de cordero picada, obteniendo un coeficiente de determinacin
de 0,98.
Otro parmetro evaluado utilizando HSI es la presencia de tumores en las aves de
corral [52, 56], que son difciles de detectar con el ojo desnudo o por cualquier tcnica
ptica tradicional. En este sentido, Kim et al. [52] desarroll un sistema de
fluorescence HSI a longitudes de onda entre 425 y 711 nm para detectar tumores en la
piel de carcasas de pollo con una tasa de xito del 76 %, pero no fueron capaces de
detectar algunos tumores con un dimetro inferior a 3 mm.
En otros estudios, en mismas longitudes de onda, las mejores tasas de deteccin de los
tumores fueron obtenidos por Kong et al. [56] y Kim et al. [53], con valores de 82 y 98
%, respectivamente. Asimismo, la presencia de huesos en filetes de pollo fue evaluada
por Yoon et al. [132], quien obtuvo un 100 % de exactitud, aplicando HSI en 400 a
1000 nm.
Debido a su riqueza en nutrientes, carnes son susceptibles a la contaminacin
microbiana, lo que puede afectar a la preservacin y constituyen un peligro para el
consumidor. Actualmente, no existe ninguna tecnologa para detectar bacterias de
forma rpida y precisa.
La carne
Prediccin de ternura
Prediccin de ternura
Aplicacin
K (nm).
496-1036
400-1000
Precisin
R = 0,67
96,4 %
Prediccin de ternura
900-1700
77%
[72].
Prediccin de ternura
Prediccin de ternura
La identificacin y autenticacin
Prediccin de ternura
Contaminacin de E. coli
Deteccin de hueso en filetes
La deteccin de tumores de piel
La deteccin de tumores de piel
La deteccin de tumores de piel
Deteccin de contaminacin fecal
Deteccin de contaminacin fecal
Deteccin de contaminacin fecal
450-900
400-1100
900-1700
328-1115
400-1100
400-1000
400-1000
430-980.
900-1700
900-1700
430-980.
430-980.
430-980.
400-1000
400-1000
900-1700
900-1700
400-1100
400-1100
400-1000
425-711.
425-711.
425-711.
400-1000
430-900
400-900
92,9 %
R = 0,94
99%
R2 = 0,95
R2 = 0,96
R2 = 0,95
85%
87,5 %
93%
98%
R = 0,77
R = 0,55
R = 0,86
R2 = 0.79
R2 = 0,92
R2 = 0,82
R2 = 0.85
R = 0,93
R = 0,88
100%
76%
82%
98%
99%
96%
97%
[73].
[87].
[48]
[129]
[89]
[88]
[90].
[91].
[48].
[8].
[92].
[92].
[92].
[60]
[61]
[7]
[7]
[112]
[112]
[132]
[52].
[56].
[53].
[40].
[84].
[83].
400-900
90%
[85].
Deteccin de enfermedades
La diferencia entre la libre-gama y pollos parrilleros
400-900
328-1115
93,5 %
93%
[130]
[127]
900-1700
100%
[47].
900-1700
97%
[48]
900-1700
R2 = 0.98
[49]
892-2495
760-1040
760-1040
400-1000
R2 = 0,59
R = 0,94
R = 0.91
R2 = 0,83
[10]
[27].
[27]
[25}
400-1000
R2 = 0.90
[14]
400-1700
400-1000
R2 = 0,99
95 %/98 %
[123]
[19].
Carne de cerdo
La calidad de la carne
La calidad de la carne
La identificacin y autenticacin
Reconocimiento de la frescura
Prdida por goteo
El pH de la carne
Color de la carne.
El pH de la carne salada
El contenido de humedad en la carne de cerdo salado recuento de viables totales
psicrotrlicas recuento en placa
Carne de pollo
Cordero
Contenido de agua
carne de pescado Contenido de grasa
La oxidacin de los lpidos
y
Total de microorganismos viables en la carpa
productos
marinos
Referencias
[17].
[71].
mientras que en la carne porcina, menores valores de R2 se obtuvieron por Barbin et al.
[7] Para el recuento de viables totales (TVC) y psicrotricas recuento en placa (PPC),
con valores de 0,82 y 0,85, respectivamente, en la regin espectral entre 900 y 1700 nm.
Por su parte, Tao et al. [112] obtuvo un
Chau et al. [10] evalu la frescura de bacalao, basndose en los cambios de color de los
ojos, los filetes y filamentos branquiales, como una funcin de das sobre el hielo, por
HSI en longitud de onda Intenso color rojo a un color amarillo plido con el tiempo. En
un estudio reciente, Dai et al. [19] Se investig el potencial de lo visible y NIR de
imgenes hiperespectrales (400 - 1000 nm) como un mtodo rpido y no invasivo para
diferenciar la frescura de las gambas. Los resultados demostraron una clasificacin
satisfactoria tasa de 98 % y 95 % para la prediccin de muestras en descongelarse y
congelados de grupos, respectivamente.
Otra aplicacin en la carne de la HSI es caracterizacin y distribucin de los diferentes
atributos qumicos. Para un anlisis detallado de los alimentos, los gradientes de
concentracin de ciertos componentes qumicos son ms fciles de medir que las
concentraciones promedio debido a la heterogeneidad de la muestra, como en el caso de
la carne y los productos crnicos. En este sentido, el HSI constituye un gran potencial
para determinar la composicin qumica en productos crnicos como se ha demostrado
en estudios anteriores [27, 82].
Se sabe que las concentraciones de grasa y agua varan en diferentes partes del filete, de
modo que un sistema que proporciona la composicin qumica exacta y la distribucin
espacial que permite el seguimiento en lnea en tiempo real, es una necesidad. Esto
garantizara una adecuada clasificacin y control de los procesos de manufacturasturing, tales como el control de la grasa y el contenido de sal en el salado y salmn
ahumado, como demostrado por estudios anteriores, en los que se obtuvieron buenos
niveles de prediccin, con un coeficiente de correlacin R = 0,97 y un error de
prediccin de 1,95 %, el contenido de grasa [100] y r = 0,86 y un error de prediccin del
0,56 %, por NaCl [101], uso de infrarrojo cercano (NIR) interactance imaging. Por su
parte, Liu et al. [61] utilizado HSI (400 - 1000 nm) para predecir el contenido de
humedad de la carne porcina durante el proceso de salazn, obteniendo un R2 = 0.92.
Filetes de pescado, el agua y la grasa contenido tambin han sido Mide [27], utilizando
un mtodo no destructivo de las imgenes espectrales (760-1040 nm). Los coeficientes
de correlacin obtenidos para el contenido de agua y grasa fue 0,94 y 0.91,
respectivamente.
Asimismo, es posible determinar el contenido de grasa intramuscular en la carne de
cerdo con el HSI en una gama espectral de 1193-1217 nm [41, 42]. El contenido de
grasa intramuscular afecta la calidad de la carne de cerdo, afectando el sabor y juiciness, e incluso para la salud, determinantes de la satisfaccin del consumidor. Por lo
tanto, distintos niveles de contenido de grasa puede resultar en diferentes niveles de
aceptacin.
Despus del sacrificio, el pH es uno de los parmetros ms importantes para evaluar la
carne [60], que tiene una influencia sobre la textura, la capacidad de retencin de agua,
la resistencia a la proliferacin microbiana y de color [34, 37]. Por lo tanto,
estableciendo un nivel de pH de alrededor de 5.5 es muy importante inhiben ciertas
enzimas crticas (como phosphofructokinase) y cesar meta- bolic reacciones (como la
gluclisis) [103]. La gly anaerobio- colysis autopsia es la va metablica que se produce
en el msculo de los animales sacrificados, que conducen a la formacin de cido
lctico y una disminucin del pH.
La relacin entre la composicin qumica y textura y otros atributos sensoriales de la
carne no se limita a la presencia de grasa o de pH, pero incluye tambin la aparicin de
otros compuestos, como el colgeno. Hidroxiprolina, aminocidos constituyentes del
colgeno, tambin fue analizada utilizando HSI a longitudes de onda entre 400 y 1000
nm [128].
HSI ha sido utilizado para la deteccin de parsitos en filetes de pescado, que son
considerados como un problema de calidad en la industria pesquera. La forma
tradicional de detectarlas es mediante el examen manual. El HSI ha demostrado ser una
tcnica eficaz para la deteccin automtica de los parsitos y las manchas de sangre
sobre los filetes de pescado, por la diferencia entre los patrones espectrales de estos
defectos y una carne sana [28].
La carne
LECHE
Carne de pollo
Aplicacin
Prediccin de protenas
(nm)
960-1662
Prediccin de grasa
960-1662
Prediccin de carbohidratos
960-1662
contenido de grasa
deteccin de melaminas en leche
en polvo
contenido de omega 3, cidos
grasos : alfa-linolenico
EPA
DHA
Frescura
BURBUJAS INTERNAS
yemas dispersadas
530-900
990-1700
Precisin Referenci
as
RMSEP=1[9].
8
RMSEP=0.
[9].
7
RMSEP=1.
[9].
3
R= 0.995
[93].
< 200
[32]
ppm
990-1700
R= 0.94
990-1700
990-1700
380-1010
380-1010
380-1010
R=0.73
R=0.87
R^2=0.87
90%
96%
[1]
[1]
[1]
[134].
[134].
[134].
Como una nueva tecnologa, el HSI an enfrenta desafos para su plena explotacin,
tales como dificultad en la manipulacin de grandes cantidades de datos de baja
velocidad y alto costo de clculo, aspectos que deben ser abordadas en futuras
investigaciones a fin de optimizar su aplicacin en la industria alimentaria.
Los estudios actuales estn encaminadas a la identificacin de las longitudes de onda
ptimas para cada alimento o componentes, de manera que puedan disear sistemas
para obtener informacin en tiempo real necesaria para facilitar una mejor toma de
decisiones con respecto a las caractersticas del producto a desarrollar, que deber
cumplir con los requisitos de calidad y seguridad establecidos. Asimismo, dada la gran
cantidad de datos procedentes de una amplia gama de bandas espectrales en los que
trabaja el HSI, seguir desarrollando nuevos modelos que permiten una rpida
discriminacin slo datos y obtener informacin de inters. En el futuro inmediato, se
espera que estos problemas se pueden superar, as como relacionadas con el alto costo
de la aplicacin de la HSI en los diferentes procesos en la industria alimentaria, de
modo que es posible acceder a esta tecnologa y maximizar sus beneficios.
As, se prev que el uso de esta tecnologa para evaluar la calidad y la inocuidad de los
alimentos es necesario para la industria. Todo esto podra resultar en mejoras de los
productos en tiempo real, sin tener que detener los procesos que requieren altos costos
para la industria.
Conclusiones
En la moderna industria alimentaria, el requisito para un control adecuado de los
atributos como el tamao, la forma, el color y la textura de los alimentos es mayor. Este
requisito se cumple por auto- acoplarse o mediante tcnicas de inspeccin visual, que a
menudo puede conducir a un error humano. Adems, la evaluacin de los parmetros
relacionados con la composicin de alimentos como el contenido de humedad, grasa,
protena a menudo requiere anlisis destructivo que exige el uso de los recursos
humanos y tecnolgicos que hacen inviable en la prctica.
Estos parmetros pueden medirse simultneamente por la HSI, que permite obtener
datos sobre un mayor nmero de bandas espectrales, haciendo de ellos una mejor fuente
de informacin para evaluar los atributos externos y la prediccin de la composicin y
distribucin espacial de los distintos pro- stituents dentro de la comida, adems de
proporcionar velocidad, fiabilidad, precisin, reduce los errores humanos en el anlisis y
no destructiva.
HSI ofrece la ventaja de evaluar muestras de naturaleza heterognea, por otras
tcnicas, tales como simples espectroscopia, que estara limitada slo a la
caracterizacin de materiales homogneos, lo que es ineficiente en una aplicacin
prctica que debe controlar toda la superficie de una muestra.
Finalmente, a pesar de presentar algunos inconvenientes como el largo tiempo que se
requiere para la adquisicin de datos y el pro- ceso de esta informacin, se prev que el
uso de esta tecnologa ser indispensable en la industria, para evaluar la calidad y la
inocuidad de los alimentos, siempre que se realicen mejoras en trminos de control en
tiempo real y los requisitos de control de seguridad.
Agradecimientos Ral Siche gracias para la financiacin de las siguientes instituciones:
Fondo para la innovacin, la Ciencia y la tecnologa- FINCyT (Contrato 407-A-2014
PNICP PIAP) y Universidad Nacional de Trujillo-UNT (PIC2-2013/UNT). Erick
Saldaa gracias al ''Ministerio de Educacin del Per' '' para la beca otorgada por el
programa ''Programa Nacional de Becas y crdito Educativo'' (PRONABEC).
Referencias
1. Ngadi Abdel-Nour N, M (2011) La deteccin de cido graso omega-3 en designer
huevos utilizando imaginera hiperespectral. Int J Nutr Sci alimentos 62(4):418-422
2. Achata E Esquerre C, C O'Donnell, Gowen UN (2015) un estudio en la aplicacin de
imgenes qumicas hiperespectral infrarrojo cercano para supervisar el contenido de
humedad y actividad de agua en sistemas de baja humedad. Molculas 20:2611-2621
contenido de
172:788-793
13. Cheng X, Chen YR, Tao y Wang CY, Kim MS, Lefcourt AM (2004), una novela
PCA y FLD mtodo integrado en hyper- Extraccin de caractersticas de imgenes
espectrales para pepino escalofriante de inspeccin de daos. ASAE Trans 47(4):13131320
14. Cheng J-H, Sun D-W (2015), rpido y no invasivo de deteccin de peces por
deterioro microbiano visible e infrarrojo cercano de hiper- las imgenes espectrales y
anlisis multivariado. LWT Alimentos Sci Technol 62(2):1060-1068
15. Cheng J-H, Sun D-W, Pu H-B, Wang Q-J, Chen Y-N (2015) Adecuacin de
imgenes hiperespectrales para la evaluacin rpida de cido tiobarbitrico (TBA) valor
en la carpa de csped (Ctenopharyn- godon idella) del filete. Food Chem 171:258-265
16. Choudhary R, Mahesh S, J, Jayas Paliwal DS (2009), nm. id. Catin de trigo clases
mediante funciones wavelet de infrarrojo cercano de imgenes hiperespectrales de
muestras a granel. Biosyst Eng 102:115-127
17. Cluff K, Naganathan GK, Subbiah, Lu J R, Calkins CR, Samal una ptica (2008), la
dispersin de la carne filete para predecir la sensibilidad utilizando imaginera
hiperespectral VIS-NIR en la regin. Sens Instrum alimentos Qual Saf 2:189-196
18. RP, Cogdill Hurburgh CR Jr, Rippke GR (2004) de un solo ncleo maz anlisis por
infrarrojo cercano de imgenes hiperespectrales. ASAE Trans 47(1):311-320
19. Dai Q, Cheng J-H, Sun D-W (2015) Potencial de visible/infrarrojo cercano de
imgenes hiperespectrales para la deteccin rpida de frescura en el descongelado y
camarones congelados. J Alimentos Eng 149:97-104
20. Del Fiore, Reverberi Ricelli M, A, F, S Serranti Pinzari Fabbri, AA, Bonifazi G,
Fanelli C (2010) La deteccin temprana de hongos toxignico en maz por anlisis de
imgenes hiperespectrales. Int J Food Microbiol 144:64-71
21. SR Delwiche, MS, Kim Dong S (2011) evaluacin de daos de Fusarium en los
granos de trigo por el Vis/NIR de imgenes hiperespectrales. Sens Instrum alimentos
Qual Saf 5(2):63-71
22. Dransfield E (1999) en: Pearson AM, Dutson TR (eds) atributos de calidad y su
medicin en las carnes, aves y productos de pescado, vol 11. Publicacin de Aspen,
Maryland, pp 289-315
23. Du CJ, Sun DW (2004) Los recientes acontecimientos en las aplicaciones de las
tcnicas de procesamiento de imgenes para la
39. Heia K Sivertsen, ah, SK, Elvevoll Stormo E, Wold JP, Nilsen H (2007) La
deteccin de nematodos en el bacalao (Gadus morhua) filetes por espectroscopia de
imagen. J Alimentos Sci 72(1):11-15
40. Heitschmidt GW, Parque B, Lawrence KC, Windham WR, Smith DP (2007)
mejorado sistema de imgenes hiperespectrales para la deteccin de coliformes en las
aves muertas. ASABE Trans 50(4):1427-1432
41. Huang H, L, Liu, Garie Ngadi Mo'py C (2014) Rpido y no Cuantificacin invasiva
del contenido de grasa intramuscular intactos de cortes de cerdo. Talanta 119:385-395
42. Huang M, Wang, Zhang Q M, Zhu Q (2014) Prediccin de color y el contenido de
humedad de soya vegetal durante el secado utilizando tecnologa de imgenes
hiperespectrales. J Alimentos Eng 128:24-30
43. Jackman P, Sun D-W, Allen P (2010) Prediccin de la carne La palatabilidad de
color, el veteado y la textura de la superficie caractersticas del longissimus dorsi. J
Alimentos Eng 96(1):151-165
44. Jones HG, Vaughan RA (2010) La deteccin remota de vegetacin: Principios,
tcnicas y aplicaciones. Oxford University Press, Nueva York
45. Jowitt R (1974), la terminologa de la textura de los alimentos. J Stud de textura
5:351-358
46. Chelladurai Kaliramesh S, V, Jayas Alagusundaram DS, K, Blanco NDG, campos
PG (2013) La deteccin de la infestacin por Callosobruchus maculatus en mung bean
mediante imgenes hiperespectrales de infrarrojo cercano. J almacenados Prod Res
52:107-111
47.
58. Liu y Chen YR, Wang CY, Chan Kim, de MS (2005). Desarrollo de un algoritmo
simple para la deteccin de los daos ocasionados por el fro en los pepinos de
visible/infrarrojo cercano de imgenes hiperespectrales. Appl Spectrosc 59(1):78-85
59. Liu M, L, Zhang Guo (2008) e hiperespectrales fluorescencia inducida por lser de
imgenes no destructiva para evaluar el contenido de slidos solubles de la naranja.
Comput Comput Technol Agric 1:51-59
60. Liu, Pu D H, Sun D-W, Wang L, Zeng X-A (2014) Combinacin de espectros y
datos de textura de imgenes hiperespectrales para pre- diccin de pH en la carne
salada. Food Chem 160:330-337
61. Liu D, Sun D-W, Qu J, Zeng X-A, Pu H, Ma J (2014) Viabilidad El uso de imgenes
hiperespectrales para predecir el contenido de humedad de la carne porcina durante el
proceso de salazn. Food Chem 152:197-204
62. Lu R (2003) La deteccin de hematomas en Apple utilizando imaginera
hiperespectral infrarrojo cercano. ASAE Trans 46(2):523-530
63. Lu R, Peng y dispersin de datos hiperespectrales (2006) para evaluar la firmeza de
fruta de durazno. Biosyst Eng 93(2):161-171
64. Mahesh S, un Jayas Manickavasagan, DS, J, Whiteb Paliwal NDG (2008) la
viabilidad de infrarrojo cercano de imgenes hiperespectrales para diferenciar las clases
de trigo canadiense. Biosyst Eng 101:50-57
65. Mahesh S, DS, Jayas Paliwal J, Blanco NDG (2011) Identifica- cin de trigo clases
en diferentes niveles de humedad mediante imgenes hiperespectrales de infrarrojo
cercano de la mayor parte de las muestras. Sens Instrum alimentos Qual Saf 5(1):1-9
66. Mahesh S, DS, Jayas Paliwal J, Blanco NDG (2015) Hyper- las imgenes
espectrales para clasificar y controlar la calidad de las materias primas agrcolas. J
almacenados Prod Res 61:17-26
67. Mahmoud B, Bachman G, Linton R (2010) la inactivacin de Escherichia coli
O157: H7, Listeria monocytogenes, Salmonella enterica y Shigella flexneri en hojas de
espinaca por rayos-x. Food Microbiol 27(1):24-28
para el cribado de los polifenoles extractables En pieles de la uva roja. Food Chem
172:559-564
79. Nogales-Bueno J, Rodr'guez-Pulido FJ, Heredia FJ, Herna'ndez- Hierro JM (2015)
estudio comparativo sobre el uso de la antocianina Perfil de color, anlisis de imgenes
hiperespectrales e infrarrojo cercano Imagen como herramientas para discriminar entre
las cuatro variedades de uva autctona de La Rioja (Espaa). Talanta 131:412-416
80. Noh, HK, Lu R (2007) fluorescencia inducida por lser hiperespectrales imaging
para evaluar la calidad de la fruta de Apple. Poscosecha Biol Technol 43:193-201
81. Ononye AE, Yao H, Hruska Z, Kincaid R, Brown RL, Cleveland TE (2009) La
deteccin automtica de los granos de maz contaminado de aflatoxina utilizando
imgenes de doble banda. Proc SPIE 7315:73150R
82. Hy Ottestad S, M, A, Stevik Wold JP (2009) Prediccin de fraccin de hielo y
contenido de grasa de super-refrigerada por salmn interactance sin contacto imgenes
de infrarrojo cercano. J Infrarrojo Cercano Spectrosc 17(2):77-87
83. Park B, Lawrence KC, Windham WR, Buhr RJ (2002) Hyper- las imgenes
espectrales para detectar coliformes y la ingesta de contaminantes en las aves muertas.
ASAE Trans 45(6):2017-2026
84. Park B, Lawrence KC, Windham WR, Smith DP (2006) El rendimiento del sistema
de procesamiento de imgenes hiperespectrales para la deteccin de contaminantes
fecales de superficie de aves de corral. J Alimentos Eng 75:340-348
85. Park B, Windham WR, KC, Lawrence Smith DP (2007) pro- taminant clasificacin
de aves las imgenes hiperespectrales utilizando spectral angle mapper algoritmo.
Biosyst Eng 96(3):323-333
86. Peng, Lu y R (2008) Anlisis de resueltos espacialmente hiper- Imgenes de
dispersin espectral para evaluar manzanas firmeza y el contenido de slidos solubles.
Poscosecha Biol Technol 48:52-62
87. Peng y, Wu J (2008) perfiles de dispersin de datos hiperespectrales para prediccin de la ternura de la carne de vacuno. La Sociedad Americana de Ingenieros
Agrcolas y Bilogos, Saint Joseph, Michigan
104. Singh CB, Jayas DS, Paliwal J, Blanco NDG (2009) La deteccin de granos de
trigo daado por insectos utilizando imaginera hiperespectral infrarrojo cercano. J
almacenados Prod Res 45:151-158
105. Singh CB, Jayas DS, Paliwal J, Blanco NDG (2010) La deteccin del mosquito de
trigo daado kernels con onda corta hiperespectral infrarrojo cercano y color digital
imaging. Biosyst Eng 105:380-387
106. Singh CB, Jayas DS, Paliwal J, Blanco NDG (2010) Identifica- cin de insectos
usando granos de trigo daado cerca de onda corta- hiperespectral infrarrojo y color
digital imaging. Comput Electron Agric 73(2):118-125
107. Siripatrawan U, Makino y vigilancia (2015) hongos en granos de arroz marrn con
una rpida y no destructiva de imgenes hiperespectrales. Int J Food Microbiol 199:93100
108. Siripatrawan U, Makino Y, Kawagoe Y Oshita S (2010), espectroscopia de
infrarrojo cercano integrado con quimiometra para una rpida deteccin de E. coli
ATCC 25922 y E. coli k12. Sens actu- ators B Chem 148(2):366-370
109. Siripatrawan U, Makino Y, Kawagoe Y Oshita S (2011) la rapidez de la deteccin
de Escherichia coli contaminacin en las espinacas frescas empaquetadas utilizando
imaginera hiperespectral. Talanta 85:276-281
110. Saranwong Suthiluk P, S, S, S Numthuam Kawano, Satake T (2008) la posibilidad
de utilizar espectroscopia de infrarrojo cercano para la evaluacin de la contaminacin
bacteriana en repollo desmenuzado. Int J Alimentos Sci Technol 43:160-165
111. Tallada J, Nagata M, Kobayashi T (2006) no destructiva de la estimacin de la
firmeza de la fresa (Fragaria x ananassa Duch.) utilizando NIR imaginera
hiperespectral. Environ Control Biol. 44(4):245-255
112. Tao F, Peng y, Li Chao Y K, Dhakal S (2012) determinacin simultnea de ternura
y Escherichia coli la contaminacin de carne de cerdo mediante la tcnica de dispersin
de datos hiperespectrales. Carne Sci 90:851-857
113. Un Thanonkaew Benjakul Visessanguan, S, W, Decker EA (2006) El efecto de los
iones metlicos en la oxidacin de la grasa, color y propiedades fsico-qumicas de la
122. Wu, Sun D D-W (2013) Las aplicaciones avanzadas de la tecnologa de imgenes
hiperespectrales para la calidad e inocuidad de los alimentos anlisis y evaluacin: un
examen de la Parte I: fundamentos. Innov alimentos Emerg Techol Sci 19:1-14
123. Wu, Sun D D-W (2013) Potencial de series de tiempo de imgenes hiperespectrales
(TS-hsi) para la determinacin no invasiva del deterioro microbiano de carne de salmn.
Talanta 111:39-46
124. Xie C, Wang Q, S (2014) Identificacin de las diferentes variedades de aceite de
ssamo utilizando imaginera hiperespectral infrarrojo cercano y quimiometra
algoritmos. PLoS One 9(5):E98522
125. Xing J, Bravo C, Jancsok PT, Ramon De Baerdemaeker H, J (2005) detectar
contusiones en ''golden delicious'' manzanas utilizando imaginera hiperespectral con
mltiples espectro. Biosyst Eng 90(1):27-36
126. Xing J, Hung PV, Symons, Shahin M, Hatcher D (2009) utilizando Un infrarrojo
de onda corta (SWIR) sistema de procesamiento de imgenes hiperespectrales para
predecir la actividad alfa amilasa en cada uno de los granos de trigo del oeste
canadiense. Sens Instrum alimentos Qual Saf 3:211-218
127. Xiong z, Sun D-W, H, Pu Zhu Z, Luo (2015 m) Combinacin de espectros y datos
de textura de imgenes hiperespectrales para diferen- tiating entre la libre-gama y los
pollos de carne. LWT Alimentos Sci Technol 60(2):649-655
128. Xiong z, Sun D-W, Xie, NAD Z, Wang L (2015) Potencial de imgenes
hiperespectrales para prediccin rpida del contenido de hidroxiprolina en la carne de
pollo. Food Chem 175:417-422
129. Xiong z, Sun D-W, Xie, Pu H, NAD Z, Luo M (2015) Determinacin cuantitativa
del total de pigmentos en carnes rojas mediante imgenes hiperespectrales y anlisis
multivariado. Food Chem 178:339-345
130. Yang C-C, Chao K, Chen Y-R, principios de HL (2005) pollo enfermo sistmica
identificacin mediante imgenes multiespectrales y anlisis de la regin de inters.
Comput Electron Agric 49:255-271