Estimación de las coordenadas CIEL*a*b* en concentrados de tomate utilizando imágenes digitales.

Abstract

El color es una característica que permite evaluar la calidad de los alimentos convirtiéndose en un parámetro crítico en la industria alimentaria tanto para producto en fresco como procesado, su determinación se realiza usando métodos como el visual, analítico (colorímetros o espectrofotómetros) y actualmente se ha ampliado al análisis de imágenes digitales integrado (DIA), éste último como una opción que permita solucionar algunas limitaciones encontradas con los métodos tradicionales ya que adquiere las imágenes mediante una cámara digital o escáner, para ser procesada mediante un software y extraer la información requerida. En la presente investigación se comparó la medición de las coordenadas de color CIEL*a*b* obtenidas por colorimetría con las obtenidas mediante imágenes digitales analizadas con Modelo Directo, Modelo Gamma y Redes Neuronales Artificiales, y mediante los software Matlab, ImageJ y Photoshop en pasta y puré de tomate. Los resultados evidenciaron que los errores más bajos de transformación de las coordenadas RGB a L*a*b* de imágenes digitales de pasta y puré de tomate, individual y total se presentaron utilizando redes neuronales artificiales con MSE≤0,293, similar comportamiento se obtuvo con los software Matlab, ImageJ y Photoshop con MSE≤1,282. Los errores más altos de transformación de coordenadas RGB se obtuvieron para los modelos directo y gamma. En cuanto a estimación de las coordenadas de color L*a*b* utilizando redes neuronales se logró para todos los modelos coeficientes de correlación por encima de 0,93 tanto para puré como pasta de tomate en las tres etapas de construcción de la red neuronal (entrenamiento, validación y evaluación).

Abstract: The color is a characteristic that allows evaluating the quality of food, allowing consumer choice because of its close relationship with the flavor of these, becoming in this way a critical parameter in the food industry for fresh produce and processed. To determine this characteristic there are different techniques such as analytical (colorimeter or spectrophotometer), visual methods and currently has been extended to the analysis of integrated digital image, the latter as an option to overcome some limitations identified with traditional methods because it takes on images using a digital camera or scanner, for processing by software and extract the required information. In this research the measurement of the color coordinates CIEL*a*b* obtained by colorimetry and digital images analyzed with Direct and Gamma Model, and Artificial Neural Networks, software Matlab, ImageJ, Photoshop of paste and purée tomato were compared . The results showed that the lowest errors coordinate transformation RGB to L*a*b* of digital image from purée and paste tomato, individual and total were presented using neural networks MSE≤0,293, similar behavior was achieved with Matlab software, ImageJ and Photoshop with MSE≤1,282. The highest RGB coordinates transformation errors were obtained by direct and gamma model. The estimation of the color coordinates L*a*b* using neural networks was achieved for all correlation coefficients models above 0.93 for both tomato purée and paste in the three stages of building the neural network (training, validation and evaluation).