Medición de parámetros de calidad de harina de pescado usando imágenes hiperespectrales e inteligencia artificial

Abstract

El objetivo de la tesis es obtener un modelo para estimar los valores de los parámetros de la calidad de harina de pescado (proteína, grasa, humedad, cenizas). Para ello, se utilizan técnicas de procesamiento de señales, procesamiento de imágenes hiperespectrales e inteligencia artificial. Con lo cual, se desarrolla una técnica de compresión de datos para el preprocesamiento de este tipo de imágenes. Asimismo, se evalúan algoritmos de regresión por Vectores de Soporte y Redes Neuronales, y se identifica el modelo óptimo para cada uno de los parámetros en estudio. Se propone, además, una metodología con el fin de implementar un sistema de medición de los parámetros en línea y se crea un software libre de licencias, utilizando el framework TensorFlow como biblioteca principal para el desarrollo y puesta en producción de los sistemas de aprendizaje automático. El estudio concluye que los sistemas de adquisición de imágenes hiperespectrales tienen una influencia significativa en el desarrollo de sistemas no invasivos para medir parámetros fisicoquímicos, relacionados con la calidad de productos de origen marino, como la harina de pescado.