Resumen de Aprendizaje automático para la predicción de características de calidad de productos cárnicos mediante técnicas de visión por computador en MRI
- español
La investigación en técnicas no destructivas aplicadas a la industria alimentaria esta en auge durante la última década. Estas técnicas permiten evaluar propiedades relacionadas con la calidad de productos cárnicos sin causar daños ni efectos secundarios a los productos. Se propone un sistema para predecir las características físico-químicas, textura instrumental y características sensoriales. Para esto, se han utilizan imágenes obtenidas mediante resonancia magnética obtenidas usando un escáner de bajo campo. Se han utilizado para los experimentos lomos de cerdo alimentados con pienso, con bellota y lomos de ternera. También se ha estudiado el efecto de la congelación y descongelación sobre los lomos, el cocinado y el proceso de curar los lomos. Se han utilizado varios métodos de extracción de características sobre las imágenes. En concreto, 8 métodos de análisis de textura, 3 algoritmos clásicos, algoritmo de Gabor, algoritmo de Wavelet y 3 algoritmos de fractales. Posteriormente, se han evaluado utilizando 14 regresores con mejor rendimiento en comparación a investigaciones previas. Además, se ha desarrollado un modelo ensemble learning que combina los algoritmos extractores y los regresores para obtener la mejor combinación. Finalmente, se han obtenido resultados complementarios mediante la creación de volúmenes de interés (VOI) como paso previo a la aplicación de técnicas de análisis de imágenes. O la propuesta de un protocolo de experimental para la adquisición optima de imágenes de resonancia magnética.
- English
Research in non-destructive techniques applied to the food industry has been booming during the last decade. These techniques allow evaluating properties related to the quality of meat products without causing damage or side effects to the products. A system is proposed to predict the physical-chemical characteristics, instrumental texture and sensory characteristics. For this, images obtained by magnetic resonance imaging obtained using a low-field scanner have been used. Pork loins fed with feed, acorns, and beef loins have been used for the experiments. The effect of freezing and thawing on the loins, cooking and the process of curing the loins has also been studied. Various feature extraction methods have been used on images. Specifically, 8 texture analysis methods, 3 classical algorithms, Gabor algorithm, Wavelet algorithm and 3 fractal algorithms. Subsequently, they have been evaluated using 14 regressors with better performance compared to previous research. In addition, an ensemble learning model has been developed that combines the extractor and regressor algorithms to obtain the best combination. Finally, complementary results have been obtained by creating volumes of interest (VOI) as a prior step to the application of image analysis techniques. Or the proposal of an experimental protocol for the optimal acquisition of magnetic resonance images.
