Resumen de Evaluación precosecha de la madurez del tomate con nariz electrónica

Ramiro Sánchez Baltasar, Félix Meléndez Velasco, Y. Belacortu, N. Santamaría, Patricia Arroyo Muñoz, J. Lozano

• español

  En la búsqueda de soluciones innovadoras para mejorar la producción agrícola, este estudio se centra en la integración de la inteligencia artificial (IA) y la tecnología de nariz electrónica (E-Nose) para monitorizar el aroma del tomate como un indicador de calidad durante su maduración en planta, buscando optimizar la calidad de la cosecha. La E-Nose utilizada es un prototipo diseñado por la Universidad de Extremadura dotada de una matriz de sensores seleccionados para la evaluación de los volátiles liberados por los tomates durante su maduración. Los tomates de la variedad Cherry fueron cultivados en maceta. Para realizar las medidas de los tomates en la planta se colocaron en el interior de una urna de metacrilato. Se analizaron tomates verdes, naranjas y rojos. Los datos de la E-Nose fueron transferidos vía bluetooth a una aplicación de móvil y posteriormente analizados mediante análisis de componentes principales (PCA) y algoritmos de aprendizaje automático de redes neuronales(ANN), capaces de interpretar complejos patrones y clasificar el estado de madurez óptimo de los tomates para ser cosechados. Los resultados de PCA para los tres primeros componentes principales explicaron el 74,3% de la varianza total. Posteriormente se empleó un Análisis Discriminante de Redes Neuronales (ANNDA), demostrando un porcentaje de predicción correcta del 100%. Como conclusión, la E-Nose permite discriminar el patrón olfativo de tomates con diferentes estados de madurez. Este trabajo contribuye significativamente al creciente de la agricultura de precisión, abriendo nuevas perspectivas para la mejora continua en la calidad y rendimiento de los cultivos.

• English

  In the quest for innovative solutions to enhance agricultural production, this study focuses on integrating artificial intelligence (AI) and electronic nose (E-Nose) technology to monitor tomato aroma as an indicator of quality during its ripening on the plant, aiming to optimize harvest quality. The ENose used is a prototype designed by the University of Extremadura equipped with a sensor array selected for evaluating the volatiles released by tomatoes during ripening. Cherry tomatoes were cultivated in pots for this study. To perform measurements of tomatoes on the plant, they were placed inside a methacrylate urn. Green, orange, and red tomatoes were analyzed. Data were transferred via Bluetooth to a mobile application and subsequently analyzed using principal component analysis (PCA) and artificial neural network (ANN) machine learning algorithms capable of interpreting complexpatterns and classifying the optimal ripeness state of tomatoes for harvesting. The PCA results for the first three principal components explained 74.3% of the total variance. Subsequently, a NeuralNetwork Discriminant Analysis (ANNDA) was employed, demonstrating a 100% correct prediction rate. In conclusion, the E-Nose allows discrimination of the olfactory pattern of tomatoes at different ripeness states. This work significantly contributes to the growing field of precision agriculture, opening new perspectives for continuous improvement in crop quality and yield.