Look-up in Google Scholar
Title: Modelado de propiedades texturales durante el proceso de maduración de queso tipo suizo utilizando perfiles espectrales
Advisor(s): Oblitas Cruz, Jimy Frank
OCDE field: https://purl.org/pe-repo/ocde/ford#2.11.04
Issue Date: 7-Nov-2017
Institution: Universidad Privada del Norte
Abstract: RESUMEN Normalmente la evaluación de la textura durante la maduración del queso requiere métodos invasivos y destructivos, así como equipos especializados. En esta investigación se propone un método no destructivo basado en imágenes hiperespectrales. El objetivo de este estudio fue realizar el modelado de las propiedades texturales del queso de tipo suizo durante el proceso de maduración utilizando sus perfiles espectrales. Treinta y dos muestras fueron preparadas y almacenadas en condiciones de maduración: [0 - 5] semanas, 20 °C y 80% de humedad. Las imágenes hiperespectrales se adquirieron en el rango de 400 a 1000 nm, junto con la maduración, Y llevó a cabo el análisis de textura de perfil (PTA) utilizando dos ciclos de compresión. En PTA se obtuvieron valores de dureza (H) para cada ciclo de compresión (H1 y H2). A continuación, las imágenes hiperespectrales fueron pre-procesadas y analizadas para obtener los perfiles espectrales medios usando funciones que se implementaron en Matlab 2015a. El modelado y optimización de la relación entre los perfiles espectrales y los valores de dureza se realizaron mediante el método de regresión de mínimos cuadrados parciales (PLSR), obteniéndose los modelos ajustados minimizando la suma predictiva de cuadrados (PRESS). El modelo de relación mostró que la longitud de onda más relevante para el modelo H1 fue de 592, 496, 576, 456, 512, 560, 680 y 624 nm; Y para el modelo H2 fueron 592, 496, 576, 456, 512, 624, 680 y 560 nm (clasificados por influencia en el modelo). Finalmente, se calculó el coeficiente de correlación ajustado (R2) obteniendo valores de 0.89 y 0.90 para H1 y H2 respectivamente. Es posible predecir los valores texturales utilizando un modelo basado en perfiles espectrales con una precisión cercana al 90% y la longitud de onda más relevante para el modelo PLSR está en el rango de 450 a 680 nm.

ABSTRACT Typically evaluating the texture during cheese maturation requires invasive and destructive methods as well as specialized equipment. In this work, we propose a non-destructive method based on hyperspectral images. The objective of this study was to perform modeling of the textural properties of Swiss-type cheese during the ripening process using their spectral profiles. Thirty-two samples were prepared and stored in ripening conditions: [0 - 5] weeks, 20°C and 80% humidity. Hyperspectral images were acquired in the range of 400 to 1000 nm, along with the ripening process, and conducted the profile texture analysis (PTA) using two compression cycles. In PTA were obtained hardness values (H) for each compression cycle (H1 and H2). Then, the hyperspectral images were pre-processed and analyzed to obtain the average spectral profiles using functions which were implemented in Matlab 2015a. Modeling and optimization of the relationship between spectral profiles and the hardness values were performed by the method of partial least squares regression (PLSR), obtaining the adjusted models by minimizing the predictive residual sum of squares (PRESS). The relationship modeling showed that the most relevant wavelength for H1 model were 592, 496, 576, 456, 512, 560, 680, and 624 nm; and for the H2 model were 592, 496, 576, 456, 512, 624, 680, and 560 nm (sorted by influence on the model). Finally, it was calculated the adjusted correlation coefficient (R2) obtaining values of 0.89 and 0.90 for H1 and H2 respectively. It is possible to predict textural values using a model based on spectral profiles with an accuracy near to 90% and the more relevant wavelength for PLSR model are in the range of 450 to 680 nm.
Discipline: Ingeniería Industrial
Grade or title grantor: Universidad Privada del Norte. Facultad de Ingeniería
Grade or title: Ingeniero Industrial
Register date: 29-Nov-2017



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.