Regin de 1000 a 1600 nm.

Precisiones de clasificacin 93, el 87 y el 99 % fueron

obtenidos para la identificacin de los granos de trigo infectado por A. niger, A.
glaucus y Penicillium spp., respectivamente. Resultado similar (clasificacin de
precisin 95 %) se obtuvo por Delwiche et al. [21] quien detecta daos de Fusarium en
el trigo en longitud de onda de entre 400 y 1700 nm.

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].

En carnes cocidas, textura comprende dos componentes principales: la termura y

jugosidad. Con menos jugo, la carne se considera menos tierna [22]; por lo tanto, se ha
convertido en un desafo para la industria crnica para medir este importante parmetro
de calidad con eficacia, precisin y noninvasively [73].
Tcnicas como la espectroscopia han mostrado una capacidad razonable para predecir
la ternura de la carne [3]. Asimismo, visin por computador como base para predecir
las caractersticas de textura, de mrmol y color [43]. Por su parte, el HSI ha
demostrado ser un tcnico- nique de amplia aplicabilidad a este respecto, dado que
simul- taneously recopila informacin bioqumica y la estructura muscular que tiene un
alto grado de relacin con la suavidad de la carne. La estructura muscular y las
propiedades bioqumicas incluyen el pH muscular (que influye en la actividad de
enzimas proteolticas), la longitud del sarcmero (una indicacin del grado de
contraccin muscular en rigor), el grado de protelisis, la cantidad y la insolubilidad de
tejido conectivo (colgeno) y composicin [29].
En varios estudios, el HSI ha sido aplicado para predecir La ternura de la carne, basado
en la prediccin indirecta de ternura extrayendo datos espectrales en algunas regiones
de los filetes y luego interactuar con los valores reales de diez- derness determinado
por instrumentos especializados [28].
En este sentido, Naganathan et al. [71, 72] utilizado en el HSI gamas espectrales de
400-1000 y 900-1700 nm para predecir los diez- derness de la carne cocida despus de
14 das de envejecimiento. El HSI obtenidos con ternura valores obtenidos por fuerza
cortante, predecir las diferentes categoras de las muestras de carne en funcin de la
ternura en suave, medio y duro, con una precisin del 96,4 % [71]. Adems, las
longitudes de onda (1074,1091, 1142, 1176, 1219, 1365, 1395, 1408 y 1462 nm) para
la absorcin de las grasas, protenas y agua fueron identificados, aunque en este caso,
la precisin de la prediccin global de ternura fue de slo el 77 % [72].
Otros estudios llevados a cabo para predecir la ternura de la carne de vacuno fueron
desarrollados por [73], en longitud de onda de entre 450 y 900 nm. La precisin
obtenida fue de 93 %. Los coeficientes de correlacin de 0,67, 0,94 y 093,

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.

Tabla 4 Aplicaciones de HSI en la evaluacin de la calidad y la inocuidad de la carne y productos crnicos

Producto

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].

Clasificacin de contaminantes fecales y ingesta

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]

Clasificacin de los msculos

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].

Determinacin de pigmentos recuento de bacterias viables totales recuento de

bacterias viables totales

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

La identificacin y autenticacin deteccin de adulteracin frescura de bacalao

Contenido de agua
carne de pescado Contenido de grasa
La oxidacin de los lpidos
y
Total de microorganismos viables en la carpa
productos
marinos

Total de microorganismos viables en carne de salmn

Frescura en congelados/descongelados langostinos

La contaminacin; los mtodos disponibles son lentos y destructivo. En este sentido, se

han realizado varios estudios para evaluar el menoscabo, como el desarrollado en la
carne porcina por Wang Et al. [117], quien explor el potencial de HSI obtenidos por
reflectancia para predecir la presencia de microorganismos viables totales conseguir un
alto nivel de prediccin (R2 = 0,94).
Resultados similares se obtuvieron en filetes de carne, con coeficientes de
determinacin R2 de 0.95y 0.96 [88] [89], ambos trabajando en el 400-1000 nm,

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

coeficiente de correlacin r de 0,88 en un

mtodo no destructivo para la determinacin de Escherichia coli la contaminacin de

carne porcina, trabajando con el HSI de cerdo en muestras recogidas en el rango de 400
- 1100 nm.
En carne de pescado, coeficientes de determinacin R2 de 0,90 para Hierba fresca carp
[14] y 0,99 para el salmn carne [123] se obtuvieron, como se muestra en la Tabla 4.
Otra forma de contaminacin de la carne es a travs de la materia fecal, principalmente
en los canales de aves de corral. En este caso, deteccin de contaminantes depende
fundamentalmente de la diferencia espectral entre la piel normal y piel contaminados
[83]. En este sentido, Heitschmidt et al. [40] y Park et al. [83-85] han desarrollado
mtodos para detectar contaminacin fecal en la carne de pollo con HSI a longitudes de
onda entre 400 y 400 1000 nm, en el que la clasificacin exactitudes obtenidos fueron
superiores al 90 % en todos los casos, como se muestra en la Tabla 4.
Por otro lado, la calidad de carnes implica otros parmetros como la frescura, color,
prdidas por goteo, contenido de agua y grasa, o pH. Con respecto a la prdida por
goteo, el pH y el color de la carne, Qiao et al. [92] Se investig el potencial de
imaginera hiperespectral (430-980 nm) para medir estos parmetros importantes en la
carne porcina, obtencin de coeficientes de correlacin de 0,77, 0,55 y 0,86,
respectivamente, mientras que en otros trabajos, Liu et al. [60] obtenidos en la misma
banda espectral un coeficiente de determinacin R2 = 0,79 para el pH de la carne salada
de cerdo.
Con respecto a la frescura, diversos estudios fueron llevados a cabo en diferentes clases
de carne. Por ejemplo, Barbin et al. [8] logr una clasificacin correcta del 98 % para la
discriminacin entre fresco y congelado-descongelado de puerco en la reflectancia en el
rango de longitud de onda de NIR 900 a 1700 nm.
Adems, la frescura es reconocida como un elemento principal de la calidad del
pescado. Las funciones de tecla directa de Tiempo y temperatura de almacenamiento
tienen una influencia significativa en el pescado fresco.

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].

Con HSI, tambin es posible determinar la distribucin espacial de estos parsitos en la

carne de pescado, lo cual facilita el pro- ceso de eliminar estas secciones defectuosas
[39].
Uno de los estudios pioneros en este sentido fue desarrollado por Wold et al. [121], para
evaluar los lomos de bacalao con las imgenes multiespectrales a longitudes de onda
entre 400 y 400 1000 nm, detectar parsitos dentro de los filetes de hasta 6 mm.

Profundo. Mayor profundidad de deteccin, 8 mm, posteriormente se consigue mediante

la aplicacin de imgenes hiperespectrales en longitudes de onda de 350-950 Nm [39].
Esto demuestra la gran ventaja de la HSI en comparacin con las imgenes
multiespectrales, ya que puede detectar parsitos en mayor profundidad y, obviamente,
ms profundo que el que se consigue normalmente mediante una inspeccin visual, se
utiliza ampliamente en la industria.
Las carnes almacenadas pueden ser peligrosas para el consumidor. Con HSI, es posible
evaluar el deterioro de la carne en diferentes condiciones de almacenamiento. En este
sentido, Cheng et al. [15] evalu oxidacin lipdica en filetes carp (Ctenopharyngodon
idella) usando HSI para determinar el valor del cido tiobarbitrico (TBA) en las
longitudes de onda de 400 a 1000 nm con un R2 = 0,83. Aumento de TBA es causada
por la formacin de productos secundarios resultantes de la oxidacin de lpidos, tales
como n-Los alcanos, especialmente el malondialdehdo [113], considerado como
sustancia cancergena.
Productos lcteos y huevos
Las tecnologas tradicionales como la espectroscopia se utilizaron para caracterizar los
parmetros de calidad y composicin de los productos lcteos [28]. A diferencia de otros
grupos de alimentos, estudios realizados con aplicacin de HSI en productos lcteos son
raros; sin embargo, la Tabla 5 muestra algunos ejemplos.
En los productos lcteos, es posible medir la composicin qumica sobre la base de la
informacin espectral de cada componente que puede, por ejemplo, clasificar los quesos
basadas en su contenido de materia grasa (grasa) medio y completo [36], utilizando un
sistema Hsi rango espectral de 400 a 1000 nm, por comparacin con las imgenes RGB
del queso muestras estudiadas (obtenido mediante el uso de una cmara digital). Los
resultados indicaron que las imgenes adquiridas de la lleno-grasa productos reflejan
ms luz en el visible (500-950 Nm) Rango de longitud de onda.
Estas caractersticas espectrales puede utilizarse para clasificar cada pixel de la HSI en
uno de dos o ms grupos. Qin y Lu [93] HSI us un sistema para medir la absorcin y
dispersin propiedades turbia de alimentos durante los materiales visibles y regin NIR
de 530-900 Nm. Los valores del coeficiente de absorcin y dispersin reducida a 600

nm fueron altamente cor- relacionados con el contenido de grasa de las muestras de

leche, con corrze- bianos coeficientes de 0.995 y 0,998, respectivamente.
En otro trabajo, Burger y Geladi [9] predijo la composicin de los quesos comerciales,
mediante un sistema de HSI a longitudes de onda entre 960 y 1662 nm, sobre la base de
la informacin espectral especfico de cada componente. Raz cuadrada media error de
prediccin (RMSEP) fue utilizada como un indicador general para predecir el queso
mandantes, obteniendo valores RMSEP de 1.8, 0.7 y 1.3, respectivamente, para
protenas, grasas e hidratos de carbono contenido.
Tabla 5.
Producto

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].

R: coeficiente de correlacin, R^2: coeficiente de determinacin, RMSEP: error

cuadrtico medio de la prediccin, EPA: cido eicosapentanoico, DHA: cido
decasohexanoico
HSI tambin se utiliz para evaluar la presencia de agentes externos que pueden
presentar un peligro para la conservacin del producto y el consumidor, por ejemplo,
residuos plsticos productos restantes despus del proceso de produccin. En este
sentido, Gowen et al. [36] detectado restos de plstico (3 mm de plstico) basada en el
patrn espectral de las muestras de queso en un rango de 950 - 1650 nm. El
contaminante plstico mostraron una fuerte absorcin en la banda alrededor de 1170
nm.
Asimismo, la deteccin de la adulteracin de la leche fue estudiada por Fu et al. [32],
quien logr la deteccin de melamina la adulteracin de la leche en polvo en

concentraciones muy bajas (\200 ppm) utilizando NIR imaginera hiperespectral en

longitud de onda en el rango de 990 a 1700 nm, y la ms significativa diferencia
espectral entre la melamina y la leche se observ en alrededor 1473.8 nm, debido a las
estructuras de aminas aromticas. La melamina se descubri recientemente que
deliberadamente se ha aadido a la leche de frmula y los piensos para aumentar la
aparente contenido de protenas de los productos, causando enfermedades y muertes de
un nmero significativo de nios [97].
En cuanto a los huevos, importantes parmetros relacionados con la calidad interna
fueron evaluados por Zhang et al. [134], quien desarroll una prueba no destructiva
basada en la imaginera hiperespectral (380-1010 nm), para determinar la calidad
interna de los huevos, incluida la frescura, formacin de burbujas o dispersos por la
yema de huevo. De frescura, lograron un coeficiente de determinacin R2 = 0,87,
mientras que los huevos con la yema y dispersa burbujas interno podra ser discriminada
con precisin de identificacin de 90 y 96 %, respectivamente.
Otro aspecto importante en la moderna industria alimentaria es el diseo de los
alimentos, cuyo consumo no slo proporciona los nutrientes que necesita el cuerpo, sino
que tambin proporciona otros beneficios que ayudan a mantener una salud ptima,
como alimentos funcionales.
En este sentido, el HSI tambin puede aplicarse para caracterizar estos tipos de
alimentos, como para evaluar el contenido de ciertas molculas que dan carcter a los
alimentos funcionales. En este sentido, el contenido de omega-3 huevos fue evaluado en
longitudes de onda de entre 900 y 1700 nm [1], que alcanz los coeficientes de
correlacin de 0,94, 0,73 y 0,87, respectivamente, para una linolenico, cidos
eicosapentaenoico y el docosahexaenoico.
Este estudio permitir clasificar los productos por su alto contenido de omega-3 para ser
comercializados como alimentos funcionales, a un precio de venta ms alto, lograr
mayores beneficios econmicos. Esto podra aplicarse tambin a otros alimentos con
importantes niveles de omega-3, como el aceite de oliva, linaza, algunas nueces, o
tambin se aplica a otras molculas que dan ciertos alimentos un carcter funcional,
como antocianinas, fibra diettica, vitaminas, fitosteroles.
Los retos actuales y futuros

HSI aplicaciones en alimentos estn mostrando una tendencia positiva, especialmente

desde 2011 (Fig. 1), y concentrndose ms y ms en los nuevos tipos de alimentos. En
trminos de grupos de alimentos, el de preferencia siempre ha sido sobre la fruta, la
carne y las verduras. Es importante notar que desde 2010, los productos lcteos han
comenzado a aparecer con una gran proporcin de la investigacin publicada (Fig. 1),
quizs porque ahora es importante estudiar la aplicacin de HSI en productos que en su
mayora son consumidos por la sociedad.
Esto podra estar sucediendo en respuesta a una demanda de tecnologa de las siguientes
caractersticas:

sea fidedigna y exacta

adaptable a diferentes procesos
la recuperacin rpida de la informacin
ms barato

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

3. Andre's S, Silva, Soares-Pereira AL, Martins C, Bruno-Soares Soy yo, y Murray

(2008) La utilizacin de lo visible y espectroscopia de reflectancia en el infrarrojo
cercano para predecir la carne M. Longissimus tho- racis et lumborum atributos de
calidad. Carne Sci 78:217-224
4. Ariana DP, Lu R, de Guyer (2006) del infrarrojo cercano de reflectancia de imgenes
hiperespectrales para detectar contusiones en los pepinillos. Comput Electron Agric
53:60-70
5. Ariana DP, Lu R (2008) La evaluacin de la calidad de decapado pepinos utilizando
reflectancia y transmitancia de imgenes hiperespectrales: Parte II. Rendimiento de un
prototipo. Sens Instrum alimentos Qual Saf 2:152-160
6. Ariana DP, Lu R (2008) La deteccin de un defecto interno de decapado Pepinos
utilizando

imgenes de transmitancia hiperespectral. Trans ASABE 51:705-713

7. Barbin ElMasry D, G, Sun D-W, Allen P, Noha M (2012) no destructiva- evaluacin

de contaminacin microbiana en la carne porcina utilizando NIR imaginera
hiperespectral. Innov alimentos Emerg Techol Sci 17:180-191
8. D Barbin, Sun D-W, Su C (2013) NIR como imgenes hiperespectrales Herramienta
de evaluacin no destructiva para el reconocimiento de fresco y congeladodescongelado porcina msculos longissimus dorsi. Innov alimentos Emerg Techol Sci
18:226-236
9. Burger Geladi J, P (2006) NIR regresin imgenes hiperespectrales Parte II:
Diagnstico de preprocesamiento de dataset. J Chemom 20:106-119
10. Chau A, M, C Leadley Whitworth, Millar S (2009) Sensores innovadores para
rpidamente y de forma no destructiva determinar pescado fresco- ness. Seafish
Industry Authority Informe No CMS/REP/110284/1
11. V Karuppiah Chelladurai, K, Jayas DS, campos PG, Blanco NDG (2014) Deteccin
de Callosobruchus maculatus (F.) plaga en soja mediante rayos X blandos y tcnicas de
procesamiento de imgenes hiperespectrales NIR. J almacenados Prod Res 57:43-48

12. Chen, Zhang Ning F, J, Liu X, Z, Zhang Yang S (2015). Predecir el

antocianinas de

contenido de

uvas de vino por NIR Imgenes hiperespectrales. Food Chem

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

evaluacin de la calidad de los

alimentos. Las tendencias alimentarias Sci Technol 15:230-249

24. G ElMasry, Wang N, ElSayed A, M Ngadi hiperespectral (2007). No Destructivo de
imgenes para la determinacin de algunos atributos de calidad para la fresa. J
Alimentos Eng 81:98-107
25. G ElMasry, Wang N Vigneault C, Qiao J, ElSayed A (2008) La deteccin temprana
de apple contusiones en diferentes colores de fondo utilizando imaginera
hiperespectral. LWT Alimentos Sci Technol 41:337-345
26. G ElMasry, Wang N Vigneault C (2009) detectar los daos ocasionados por el fro
en rojo manzana delicioso mediante imgenes hiperespectrales y redes neuronales.
Poscosecha Biol Technol 52(1):1-8
27. G ElMasry, Wold JP (2008) evaluacin de la alta velocidad de contenido de grasa y
de agua distribucin en filetes de pescado mediante espectroscopia de imgenes en
lnea. J Agric Food Chem 56(17):7672-7677
28. Kamruzzaman ElMasry G, M, Sun D-W, Allen P (2012) princi- pios y aplicaciones
de imgenes hiperespectrales en la evaluacin de la calidad de los productos
agroalimentarios: una revisin. Crit Rev Sci de alimentos 52(11):999-1023
29. Felter LM (2007) Prediccin de ancianos ternura de carne con hiper- las imgenes
espectrales y la relacin de las propiedades musculares. Tesis de maestra: Ciencia
Animal. Universidad de Nebraska-Lin- coln, EE.UU.
30. Fernandes AM, Oliveira P, Moura JP, Oliveira AA, Falco V, Correia Melo-Pinto MJ,
P (2011) Determinacin de la concentracin de antocianinas en su totalidad hollejos

mediante imgenes hiperespectrales y adaptive impulsar redes neuronales. J Alimentos

Eng 105:216-226
31. Ferna'ndez-Iban ez V, Soldado A, Mart'nez-Fernandez, una de la Roza-Delgado B
(2009) Aplicacin del infrarrojo cercano- troscopy especificaciones para una rpida
deteccin de aflatoxina B1 en el maz y la cebada como la evaluacin de la calidad
analtica. Food Chem 113:629-634
32. Fu X, Kim M, Chao K, Qin, Lim J J, Lee H, un Garrido-Varo, Pe'rez-Mar'IN D,
Ying Y (2014) La deteccin de melamina en leche en polvo basado en imgenes
hiperespectrales y espectral NIR Anlisis de similitud. J Alimentos Eng 124:97-104
33. Goetz AFH, Vane G, Solomon JE, Rock MN (1985) Espectroscopia de imagen para
la teleobservacin de la tierra. Science 228:1147-1153
34. Gou P, Comaposada J, Arnau J (2002) y pH de la carne Carne efectos sobre el
sentido de la fibra en la difusividad de humedad jamn salado msculos secos a 5 C. La
carne Sci 61:25-31
35. Gowen AA, Taghizadeh M, O'DONNELL CP (2009) Identificacin de hongos
sometidos a dao de congelacin utilizando imaginera hiperespectral. J Alimentos Eng
93(1):7-12
36. Gowen AA, Burger J, O'Callaghan D, O'DONNELL CP (2009b) Posibles
aplicaciones de imgenes hiperespectrales para el control de calidad de los productos
lcteos. En: 1er Taller internacional sobre anlisis de imgenes de redes informticas en
la agricultura, en Potsdam, Alemania
37. Guerrero L, Gou P, Arnau J (1999) La influencia del pH de la carne en la mecnica
de las propiedades texturales y sensorial del jamn curado en seco. Carne Sci 52:267273
38. Harvey AR, Lawlor J McNaught AI, Fletcher-Holmes DW (2002) para la deteccin
de imgenes hiperespectrales de desprendimiento de la dis- facilidad. Proc SPIE
4816:325-335

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.

ElMasry Kamruzzaman M, G, Sun D-W, Allen P (2011) Aplicacin de

imgenes hiperespectrales NIR para la discriminacin de cordero los msculos. J

Alimentos Eng 104:332-340
48. M Kamruzzaman Barbin ElMasry, D, G, Sun D-W, Allen P (2012) el potencial de
imgenes hiperespectrales y patrn recogni- cin para la categorizacin y la
autentificacin de la carne roja. Innov alimentos Emerg Techol Sci 16:316-325

49. Kamruzzaman M, Sun D-W, Allen ElMasry G, P (2013) La deteccin rpida y

visualizacin de la carne de cordero picada adulteracin utilizando NIR imaginera
hiperespectral y multivariante imagen- ysis anal. Talanta 103:130-136
50. Kamruzzaman M, Makino Y Oshita S (2015) La tecnologa analtica no invasivo
para la deteccin de contaminacin, adul- teration y autenticidad de las carnes, aves y
pescados: una revisin. Anal Chim Acta 853:19-29
51. Kandpal LM, Lee s, Kim M, Bae H, Cho B-K (2015) corto Wave Infrared (SWIR)
tcnica de imgenes hiperespectrales para examen de aflatoxina B1 (AFB1) sobre los
granos de maz. El control de los alimentos 51:171-176
52. Kim I, Kim MS, Chen YR, Kong SG (2004) Deteccin de la piel Tumores en
carcasas de pollo mediante fluorescencia de imgenes hiperespectrales. ASAE Trans
47(5):1785-1792
53. Kim I, Xu C, Kim MS (2006) piel de pollo en deteccin tumoral imgenes
hiperespectrales utilizando red neuronal probabilstica de base radial. Adv Netw Neural
3973:770-776
54. Kim MS, Chen YR, Cho BK, Chao K, Yang CC, Lefcourt AM, Chan D (2007) la
reflectancia y fluorescencia hiperespectrales line- captura de imgenes online defectos y
contaminacin fecal inspeccin de manzanas. Sens Instrum alimentos Qual Saf 1:151159
55. Kim MS, Lefcourt AM, Chen y, Tao y (2005) deteccin automatizada de
contaminacin fecal de manzanas basado en multispec- tral de fusin de imgenes de
fluorescencia. J Alimentos Eng 71(1):85-91
56. Kong SG, Chen YR, Kim I, Kim MS (2004) anlisis de fluorescencia de imgenes
hiperespectrales para piel de pollo de inspeccin del tumor. Appl Opt 43(4):824-833
57. Lee H, MS, Kim Jeong D Delwiche, SR, Chao K, Cho B-K (2014) La deteccin de
fisuras en los tomates con un hiperespectrales de Reflectancia de Infrarrojo Cercano
imaging system. Sensores 14:18837-18850

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

68. Manley M, Williams, P, D, P Geladi Nilsson (2009) en el infrarrojo cercano para la

evaluacin de imgenes hiperespectrales de endospermo textura en todo el maz
amarillo maz (Zea L.) de granos. J Agric Food Chem 57:8761-8769
69. P Menesatti, Zanella, D'Andrea S, Costa C, el Paglia G, Pal- lottino F (2009)
supervis el anlisis multivariado de hiper-Imgenes NIR espectral para evaluar el
ndice de almidn de manzanas. Los alimentos Bioprocess Technol 2:308-314
70. Un Morata, Loira I, Vejarano R, Ban uelos MA, Sanz, Otero P L, Sua'rez-Lepe JA
(2015) El procesamiento de la uva por alta presin hidrosttica: efecto sobre las
poblaciones microbianas, extraccin fenlica y calidad del vino. Alimentos Bioprocess
Technol 8(2):277-286
71. Naganathan GK, Grimes LM, Subbiah J, Calkins CR, Samal, Meyer GE (2008)
visible/infrarrojo cercano de imgenes hiperespectrales para la carne de vacuno ternura
prediccin. Comput Electron Agric 64:225-233
72. Naganathan GK, Grimes LM, Subbiah J, Calkins CR, Samal, Meyer GE (2008) por
el mtodo de los mnimos cuadrados parciales anlisis de infrarrojo cercano de
imgenes hiperespectrales para la carne de vacuno ternura prediccin. Sens Instrum
alimentos Qual Saf 2:178-188
73. Cluff Naganathan GK, K, Samal UN CR, Calkins, Jones DD, Lorenzen CL, Subbiah
J (2015) un prototipo en lnea sistema de adquisicin de imgenes hiperespectrales
AOTF ternura para evaluar- cin de canales bovinas. J Alimentos Eng 154:1-9
74. Nagata M, Tallada JG, Kobayashi T (2006) Hematoma utilizando NIR de deteccin
de imgenes hiperespectrales para la fresa (Fragaria x ananassa Duch.). Environ Control
Biol 44(2):133-142
75. Nguyen Trong NN, Tsuta M, Nicola BM Baerdemaeker JD, Saeys W (2011)
Prediccin del tiempo de coccin ptimo para patatas hervidas por imaginera
hiperespectral. J Alimentos Eng 105(4):617-624
88. Peng y, Zhang J, W, Wang y Li, Wu J, Huang H, Gao X, Jiang W (2011) la
posibilidad de prediccin de la descomposicin microbiana de la carne mediante la
dispersin de datos hiperespectrales resueltos espacialmente perfiles. J Alimentos Eng
102:163-169

89. Peng y, Zhang, Wu J J, Hang H (2009) dispersin hiperespectrales

Perfiles para la prediccin del deterioro microbiano de la carne de vacuno. Proc SPIE
7315:73150P1-73150P12
90. Qiao Ngadi J, MO, Wang N, C, Prasher Gariepy Tan (2007) calidad de la carne de
cerdo y el veteado nivel de evaluacin mediante un sistema de procesamiento de
imgenes hiperespectrales. J Alimentos Eng 83(1):10-16
91. Qiao Ngadi J, MO, Wang Gunenc N, A, M, C Gariepy Monroy, Prasher S (2007)
Cerdo clasificacin de calidad mediante un sistema de imgenes hyperspec- tral y red
neuronal. Int J Alimentos Eng 3(1):1-12
92. Qiao J, Wang N, M, un Gunenc Ngadi Monroy, M, C, Prasher Gariepy S (2007)
Prediccin de prdidas por goteo, el pH y el color de la carne de cerdo con una tcnica
de imgenes hiperespectrales. Carne Sci 76(1):1-8
93. Qin J, Lu R (2007) La medicin de la absorcin y scat- tering propiedades de
alimentos lquidos turbios utilizando imaginera hiperespectral. Appl Spectrosc
61(4):388-396
94. Qin J, Lu R (2008) La medicin de las propiedades pticas de las frutas y verduras
utilizando resueltos espacialmente reflectancia difusa tcnica de obtencin de imgenes
hiperespectrales. Poscosecha Biol Technol
76. Nicola Beullens EB,

Saeys Peirs A, W, Theron KI, 49:355-365. Lammertyna

J (2007) medicin no destructiva de la calidad de frutas y vegetales por medio de

espectroscopia NIR: una revisin. Poscosecha Biol Technol 46(2):99-118

77. Nogales-Bueno J, Herna'ndez-Hierro JM, Rodr'guez-Pulido FJ,

Heredia FJ (2014) Determinacin de la madurez tecnolgica de uvas y fenoles totales de
hollejos en rojo y blanco cultivares durante la maduracin por infrarrojo cercano de
imgenes hiperespectrales: un enfoque preliminar. Food Chem 152:586-591
78. J, Baca-Bocanegra Nogales-Bueno B, Rodr'guez-Pulido FJ, Heredia FJ,
Herna'ndez-Hierro JM (2015) Uso de infrarrojo cercano herramientas hiperespectrales

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

95. Qin, Lu J R, Peng Y (2009) Prediccin de la calidad interna de apple utilizando

propiedades de absorcin y dispersin espectral. ASABE Trans 52(2):499-507
96. Qin J, Chao, Kim K M, Lu R, Burks T (2013) e hiperespectrales Las imgenes
multiespectrales para evaluar la inocuidad y calidad de los alimentos. J Alimentos Eng
118:157-171
97. Qin J, Chao, Kim K M (2010) qumica Raman imaging system para Inspeccin de
calidad e inocuidad de los alimentos. ASABE Trans 53(6):1873-1882
98. Rajkumar P, N, G Eimasry Wang, Raghavan GSV, Gariepy Y (2012) Estudios sobre
la calidad de la fruta de banano y etapas de madurez utilizando imaginera
hiperespectral. J Alimentos Eng 108:194-200
99. Saldan a E, Siche R, Luja'n M, Quevedo R (2013) Comentario: Visin por
computador aplicada a la inspeccin y control de calidad de las frutas y hortalizas. Braz
J Alimentos Technol 16(4):254-272
100. Hy Segtnan VH, M, F, B Narum Lundby, Wold JP (2009) Fat Anlisis de
distribucin de filetes de salmn usando sin contacto de infrarrojo cercano interactance
imaging: un muestreo y calibracin- strat egy. J Infrarrojo Cercano Spectrosc 17(5):247253
101. Segtnan VH Hy Srheim, M, S, A, F Lundby Kohler, Wold JP,
Ofstad R (2009) No Contacto Anlisis de distribucin de grasa y sal en salazones y
ahumados de filetes de salmn usando rayos X tomografa computada e IIN interactance
imaging. J Agric Food Chem 57:1705-1710
102. Manolakis Shaw G, D (2002) Procesamiento de seal para hyperspec- tral de
explotacin de imagen. IEEE Signal Proceso Mag 19(1):12-16
103. Shen QW, significa WJ, Underwood KR, Thompson SA, Zhu MJ, McCormick RJ,
Ford SP, Ellis M, Du M (2006) temprano post- mortem AMP-activada protena kinasa
(AMPK) activacin conduce a phosphofructokinase-2 y -1 (PFK-2 y PFK-1) rylation
phospho- y el desarrollo de la plida, suave y exudativa (PSE) condiciones en el
msculo longissimus porcina. J Agric Food Chem 54(15):5583-5589

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

Jibia (Sepia pharaonis) sometidas a varios ciclos de congelacin y descongelacin. Food

Chem 95(4):591-599.
114. Ve'lez N Go' mez-Sanchis J, Chanona-Pe'rez J, Carrasco JJ, Milla'n-Giraldo M,
Lorente D, Cubero S, Blasco J (2014) temprano Deteccin de daos mecnicos en
mango utilizando NIR hiper- imgenes espectrales y aprendizaje de mquinas. Biosyst
Eng 122:91-98
115. Wang W, Heitschmidt G, Windham W, Feldner P, Ni X, Chu X (2015) la viabilidad
de la deteccin de aflatoxina B1 en la superficie de los granos de maz inoculados con
Vis/NIR de imgenes hiperespectrales. J Alimentos Sci 80(1):M116-M122
116. Wang W, Li C, Tollner EW, Gitaitis RD, lluvias GC (2012) de infrarrojos de onda
corta de imgenes hiperespectrales para detectar la piel agria (Burkholderia cepacia)cebollas infectado. J Alimentos Eng 109(1):38-48
117. Wang W, Peng YK, Zhang XL (2010) Estudio sobre el mtodo de modelado de
recuento de viables totales de carne de cerdo fresca basada en el sistema de imgenes
hiperespectrales. Spectrosc Spectr Anal 30(2):411-415
118. BA Weinstock, Janni J, Hagen L, Wright S (2006) Prediccin de aceite y cido
oleico concentraciones en persona el maz (Zea mays L.) de kernels con infrarrojo
cercano hiperespectrales reflectancia imag- ing y anlisis multivariado. Appl Spectrosc
60:9-16
119. Williams P, P, T Geladi Britz, Manley M (2012) La investigacin de Desarrollo de
hongos en los granos de maz utilizando NIR imaginera hiperespectral y anlisis de
datos multivariados. J Cereal Sci 55:272-278
120. Williams Geladi P, P, Fox, Manley G M (2009) Clasificacin de dureza de grano de
maz por infrarrojo cercano (NIR) de imgenes hiperespectrales y anlisis de datos
multivariados. Anal Chim Acta 653:121-130
121. Wold JP, Westad F, Heia K (2001) La deteccin de parsitos en lomos de bacalao
mediante SIMCA clasificacin de imgenes multiespectrales en la regin visible y NIR.
Appl Spectrosc 55:1025-1034

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

131. Yao H, Hruska Z, Brown RL, Cleveland te hiperespectral (2006) La fluorescencia

de color amarillo verdoso brillante (BGYF) imgenes de granos de maz contaminado
de aflatoxina. Proc SPIE 6381:6381063810B-1-B-8
132. Yoon SC, Lawrence KC, Smith DP, Parque B, Windham WR (2008) La deteccin
del fragmento de hueso incrustado en filetes de pollo con mejora de imagen de
transmitancia y reflectancia de imgenes hiperespectrales. Sens Instrum alimentos Qual
Saf 2:197-207