Look-up in Google Scholar
Full metadata record
Siche Jara, Raúl Benito
Castro Silopú, Wilson Manuel
Carranza Cabrera, Jhan Leymer
2018-03-15T18:22:29Z
2018-03-15T18:22:29Z
2017
https://hdl.handle.net/20.500.14414/10037
This study aimed to develop models to predict the color and moisture content of coffee beans cherry harvest state using hyperspectral imaging technique reflectance. Images were acquired from 82 grains cherry coffee arabica variety in ripening fruit, ripe and overripe (50 grains for model calibration and 32 grains for prediction) collected from Andrea, Shigua and Toribio plots in the province Toribio Rodriguez de Mendoza, Amazonas state; the spectral region used is between 400 and 1000 nm. The calibration models were constructed using regression by partial least squares (PLSR, acronym in English) obtaining a coefficient of determination (R2) of 0.95 and root mean square error of cross validation (RMSECV) of 3.30 for the a* value. Subsequently able to predict the color parameter a * cherry coffee beans arabica variety, obtaining a R2 of 0.87 and a root mean square prediction error of 2.0. The most influential wavelengths in prediction were selected using the β coefficients of the full spectrum models PLSR. The models obtained for moisture content and the L * and b * parameters were not suitable. PLSR simplified models were constructed using only selected wavelengths to predict the quality parameters, but the models didn’t have an acceptable level of prediction (R2 <70%). (es_PE)
Este estudio tuvo como objetivo desarrollar modelos para predecir el color y el contenido de humedad de granos de café cerezo en estado de cosecha usando la técnica de imágenes hiperespectrales de reflectancia. Las Imágenes fueron adquiridas de 82 granos cerezo de café variedad arábica en estado pintón, maduro y sobremaduro (50 granos para calibración del modelo y 32 granos para predicción) recolectados en las parcelas Andrea, Shigua y Toribio de la provincia Toribio Rodriguez de Mendoza, Amazonas; la región espectral utilizada está comprendida entre 400 - 1000 nm. Los modelos de calibración fueron construidos utilizando regresión por mínimos cuadrados parciales (PLSR, siglas en inglés) obteniendo un coeficiente de determinación (R2) de 0.95 y una raíz cuadrada del error cuadrático medio de validación cruzada (RMSECV) de 3.30 para el valor a*. Posteriormente se logró predecir el parámetro de color a* de granos cerezo de café variedad arábica, obteniendo un R2 de 0.87 y una raíz cuadrada del error cuadrático medio de predicción de 2.0. Las longitudes de onda más influyentes en la predicción fueron seleccionadas utilizando los coeficientes β de los modelos PLSR de espectro completo. Los modelos completos obtenidos para el contenido de humedad y los parámetros L* y b* no fueron adecuados. Se construyeron modelos simplificados PLSR utilizando sólo las longitudes de onda seleccionadas para predecir los parámetros de calidad, pero ninguno de los modelos simplificados tuvieron niveles de predicción aceptables (R2<70%). (es_PE)
Tesis (es_PE)
spa (es_PE)
Universidad Nacional de Trujillo (es_PE)
TAGI;574
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (es_PE)
Universidad Nacional de Trujillo (es_PE)
Repositorio institucional - UNITRU (es_PE)
Hipercubo, imagen hiperespectral, color, contenido de humedad, regresión por mínimos cuadrados parciales (es_PE)
Predicción del color y humedad en granos de café variedad arábica (coffea arábica l.) usando imágenes Hiperespectrales (prediction of color and humidity in coffee beans arabic variety (coffea arabica l.) using hyperpephic imaging) (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional de Trujillo - Facultad de Ciencias Agropecuarias (es_PE)
Ingeniería Agroindustrial (es_PE)
Titulo Profesional (es_PE)
INGENIERO AGROINDUSTRIAL (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons