HYPERVEG


El control de la calidad de los productos hortofrutícolas es un aspecto muy crítico. En el caso de los productos frescos, además de confirmar que se le ofrece al consumidor la calidad deseada, permite decidir el tiempo de vida útil del producto, y con ese tiempo, estimar hasta dónde puede llegar su comercialización con una calidad adecuada, lo que determina el mercado destino y la logística de las empresas. Por otra parte, en el caso de materias primas que van a ser destinadas a la elaboración de productos alimentarios transformados, la calidad de dichas materias primas influye enormemente en la calidad de los productos finales, por lo que es un parámetro crítico para la toma de decisiones sobre el proceso más adecuado.

El objetivo general del proyecto es investigar el potencial de una tecnología innovadora que controle la calidad de los productos hortofrutículas y que cumpla los requisitos 4.0 (en tiempo real, que cubran la totalidad de la producción y que generen información que pueda ser utilizada para la toma de decisiones) para la monitorización de parámetros de calidad de distintos tipos de tomate (tomate pera para industria y tomate cherry). Concretamente, durante 2018, se han abordado técnicas de análisis de imagen y espectroscopía en base a estudios hiperespectrales que cubren bandas como la VNIR (400-1000 nm), el NIR (900-1700 nm) y THz (75-110 GHz; 330-475 GHz) focalizando en parámetros como los daños superficiales, el tamaño, la firmeza, el color, el contenido en sólidos solubles, la acidez titulable y el índice de madurez.

Concretamente, durante el año 2018, los objetivos técnicos específicos han sido:
• Puesta en marcha del sistema de imagen hiperespectral y de THz.
• Investigación de los diferentes tipos de tomate mediante ambos sistemas de captura de datos. Adaptación y utilización de la técnica propuesta a estas matrices, identificando los resultados obtenidos con los siguientes parámetros de calidad:
– Detección de anomalías de las propiedades físicas, como, por ejemplo, daños superficiales, con el fin de determinar potenciales daños mecánicos, y daños por frío.
– Determinación de tamaño, color y firmeza con el fin de clasificar productos y determinar el grado de madurez.
– Determinación de las propiedades químicas, por ejemplo, contenido en sólidos solubles y acidez titulable, con el fin igualmente de indicar el grado de madurez del producto.
• Diseño del sistema de medida adaptado a los productos de estudio (tomate pera para industria y tomate cherry).
• Realización de ensayos según la metodología clásica para los parámetros de estudio previamente citados.
• Establecimiento de relaciones entre la calidad de los productos de estudio determinados por métodos clásicos y por imagen hiperespectral y THz.

Las principales conclusiones obtenidas durante el año 2018 han sido:
• Las tecnologías VNIR, NIR y THz son factibles para controlar la calidad del tomate pera para industria. Sin embargo, es necesario profundizar, por un lado, en la selección de características relevantes y, por otro, en la robustez de los modelos mediante validación.
• El diseño y desarrollo de algoritmos de procesado avanzado de imagen ha permitido optimizar la extracción de información relevante.
• El análisis estadístico multivariante ha permitido evaluar las bondades de las técnicas espectroscópicas propuestas en la predicción de los principales parámetros de calidad del tomate pera para industria. Dado los resultados presentados, la tecnología NIR prevalece sobre el resto (VNIR y THz) en la predicción de la mayoría de los parámetros de calidad dado los menores errores cuadráticos medios de predicción y la robustez de las mismas.

Para el año 2019, los objetivos planteados se focalizan en los siguientes:
• Adquisición y generación de información en el tomate cherry.
• Profundizar en la modelización de la información mediante análisis estadístico multivariante, tanto en tomate pera para industria como en tomate cherry.
• Desarrollo de modelos matemáticos de extracción de características relevantes que permitan no sólo reducir los tiempos de computación, sino ofrecer una mayor robustez en la predicción.
• Diseño y desarrollo de un algoritmo que permita generar mapas de predicción en tomate (tomate pera para industria y tomate cherry). Ello permitirá no sólo validar los modelos propuestos sino evaluar las bondades de una aplicación que permita llevar a cabo un análisis cuantitativo de los parámetros de calidad en tiempo real.
• Análisis de los resultados obtenidos y evaluación de un posible escalado a nivel industrial.


  • Año: 2018
  • Sector estratégico: Alimentación saludable y sostenible
  • Líder del proyecto: Universidad de Navarra (UNAV)
  • Socios del proyecto: Universidad Pública de Navarra (UPNA)
X