REVISTA DE INGENIERIA DYNA

Palabras clave:

Dry matter content, Uninformed variable elimination, UVE, Successive projection algorithm, SPA, Least squares support vector machine, LSSVM

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Los parámetros internos de los kiwis se detectan en su mayoría mediante métodos físico-químicos destructivos tradicionales, que no sólo consumen mano de obra y tiempo, sino que también son inconvenientes en su funcionamiento. La técnica de imágenes hiperespectrales se considera ahora un nuevo método no destructivo para detectar los parámetros de calidad de los kiwis. Sin embargo, la mayoría de los estudios se centraron en la detección del contenido de sólidos solubles, la dureza y la madurez de esta fruta. Por lo tanto, es necesario mejorar la precisión de la detección de esta técnica de imágenes. Además, pocas de estas técnicas están involucradas en la detección del contenido de materia seca. En este estudio se propone un método de detección no destructivo basado en la técnica de imágenes hiperespectrales para detectar el contenido de materia seca de los kiwis en línea de manera rápida y precisa. En primer lugar, se analizaron las imágenes hiperespectrales de los kiwis, se extrajeron las regiones interesadas en ellos y se preprocesó la eliminación de ruidos mediante la corrección de dispersión multiplicativa. En segundo lugar, se investigó la redundancia de las 217 piezas de información espectral de banda completa, y 66 bandas espectrales características fueron inicialmente eliminadas a través de la eliminación de variables no informadas (UVE). La colinealidad entre estas bandas se eliminó mediante el algoritmo de proyección sucesiva (SPA), y se extrajeron cinco bandas espectrales características. Por último, se detectó el contenido de materia seca del kiwi tomando como detector el vector de soporte de mínimos cuadrados (LSSVM), empleando la optimización del enjambre de partículas (PSO) para optimizar los parámetros del LSSVM, e introduciendo las cinco bandas en el LSSVM posteriormente. Los resultados de las pruebas muestran que: 1) la redundancia y la colinealidad de las bandas espectrales completas pueden eliminarse eficazmente combinando el SPA con el UVE, de modo que las bandas espectrales características de baja dimensión extraídas puedan reflejar mejor el contenido de materia seca del kiwi. 2) Los indicadores de detección de UVE+SPA+LSSVM al conjunto de formación es que el coeficiente de correlación ® = 0,91, el error cuadrático medio de la raíz (RMSE) = 0,28, y los indicadores de detección al conjunto de predicción es que R = 0,89, RMSE = 0,31, lo que indica que la precisión de la detección es mayor que la de los otros métodos. Este estudio muestra que el método de detección no destructivo propuesto en este documento puede detectar el contenido de materia seca del kiwi de manera rápida y eficiente. Este método sirve de base teórica para la clasificación industrializada del kiwi que se basa en los parámetros internos.

Palabras clave: Contenido de materia seca, Eliminación variable no informada (UVE), Algoritmo de proyección sucesiva (SPA), Máquina vectorial de soporte de mínimos cuadrados (LSSVM)