Resumen de Predicción del color y contenido de humedad en café cerezo mediante redes neuronales y regresión de mínimos cuadrados parciales
Wilson Castro Silupu, Ives Julian Yoplac Tafur, Cesar Augusto López Portocarrero
La presente investigación se enfocó en el desarrollo de modelos de predicción del color en coordenadas CIELab y el contenido de humedad de café cerezo mediante la tecnología de imágenes hiperespectrales; comparando el ajuste por un modelo de regresión lineal múltiple – PLSR (Partialleastsquareregression) y un modelo no lineal (ANN – artiftial neural network). La muestra se conformó de 200 granos de café cerezo en diferentes estados de madurez, dividiéndola en 120 granos para calibración y 80 de validación.La muestra fue caracterizada mediante colorimetría en el espacio CIELab y determinación de la humedad. Posteriormente se adquirieron imágenes hiperespectrales de cada granos y se almacenaron en formato *.bil. El procesamiento de las imágenes se realizó mediante un sistema desarrollado e implementado en el software matemático Matlab 2010a, mediante funciones *.m e interfaces de usuario (GUIs). Se desarrollaron modelos de ajuste para cada una de las coordenadas de color y el contenido de humedad, calculándose los coeficientes de correlación en calibración y validación. Los resultados mostraron que las redes neuronales tienen un mayor ajuste en calibración con coeficientes de correlación superiores a 0,90 mientras que el PLSR genero coeficientes entre 0,42 y 0,48.
