- -

Detection of Invisible Damages in `Rojo Brillante¿ Persimmon Fruit at Different Stages Using Hyperspectral Imaging and Chemometrics

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Detection of Invisible Damages in `Rojo Brillante¿ Persimmon Fruit at Different Stages Using Hyperspectral Imaging and Chemometrics

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Munera, Sandra es_ES
dc.contributor.author Rodríguez-Ortega, Alejandro es_ES
dc.contributor.author Aleixos Borrás, María Nuria es_ES
dc.contributor.author Cubero, Sergio es_ES
dc.contributor.author Gómez-Sanchis, Juan es_ES
dc.contributor.author Blasco, José es_ES
dc.date.accessioned 2021-11-05T14:11:58Z
dc.date.available 2021-11-05T14:11:58Z
dc.date.issued 2021-09 es_ES
dc.identifier.issn 2304-8158 es_ES
dc.identifier.uri http://hdl.handle.net/10251/176483
dc.description.abstract [EN] The main cause of flesh browning in 'Rojo Brillante' persimmon fruit is mechanical damage caused during harvesting and packing. Innovation and research on nondestructive techniques to detect this phenomenon in the packing lines are necessary because this type of alteration is often only seen when the final consumer peels the fruit. In this work, we have studied the application of hyperspectral imaging in the range of 450-1040 nm to detect mechanical damage without any external symptoms. The fruit was damaged in a controlled manner. Later, images were acquired before and at 0, 1, 2 and 3 days after damage induction. First, the spectral data captured from the images were analysed through an algorithm based on principal component analysis (PCA). The aim was to automatically separate intact and damaged fruit, and to detect the damage in the PC images when present. With this algorithm, 90.0% of intact fruit and 90.8% of damaged fruit were correctly detected. A model based on partial least squares-discriminant analysis (PLS-DA), was later calibrated using the mean spectrum of the pixels detected as damaged, to determine the moment when the fruit was damaged. The model differentiated fruit corresponding correctly to 0, 1, 2 and 3 days after damage induction, achieving a total accuracy of 99.4%. es_ES
dc.description.sponsorship This work is co-funded by the projects AEI PID2019-107347RR-C31, PID2019-107347RR-C32, PID2019-107347RR-C33, IVIA-GVA 51918 and the European Union through the European Regional Development Fund (ERDF) of the Generalitat Valenciana 2014-2020. es_ES
dc.language Inglés es_ES
dc.publisher MDPI AG es_ES
dc.relation.ispartof Foods es_ES
dc.rights Reconocimiento (by) es_ES
dc.subject Diospyros kaki es_ES
dc.subject Fruit quality es_ES
dc.subject Browning es_ES
dc.subject Nondestructive es_ES
dc.subject Chemometrics es_ES
dc.subject Computer vision es_ES
dc.subject.classification EXPRESION GRAFICA EN LA INGENIERIA es_ES
dc.title Detection of Invisible Damages in `Rojo Brillante¿ Persimmon Fruit at Different Stages Using Hyperspectral Imaging and Chemometrics es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.3390/foods10092170 es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-107347RR-C31/ES/INSPECCION NO DESTRUCTIVA Y PREDICCION DE LA CALIDAD INTERNA Y PROPIEDADES DE LAS FRUTAS MEDIANTE ESPECTROSCOPIA VIS%2FNIR Y MODELOS BASADOS EN APRENDIZAJE PROFUNDO/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/IVIA//51918/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-107347RR-C32/ES/INSPECCION Y PREDICCION NO DESTRUCTIVA DE CALIDAD INTERNA Y PROPIEDADES DE FRUTAS UTILIZANDO IMAGEN HIPERESPECTRAL VIS%2FNIR UTILIZANDO MODELOS BASADOS EN APRENDIZAJE PROFUNDO/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-107347RR-C33/ES/ALGORITMOS DE INTELIGENCIA ARTIFICIAL BASADOS EN APRENDIZAJE PROFUNDO Y REDES GAN PARA EL ANALISIS DE DATOS ESPECTRALES EN PROBLEMAS DE INSPECCION DE FRUTA./ es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Mecanización y Tecnología Agraria - Departament de Mecanització i Tecnologia Agrària es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería Gráfica - Departament d'Enginyeria Gràfica es_ES
dc.description.bibliographicCitation Munera, S.; Rodríguez-Ortega, A.; Aleixos Borrás, MN.; Cubero, S.; Gómez-Sanchis, J.; Blasco, J. (2021). Detection of Invisible Damages in `Rojo Brillante¿ Persimmon Fruit at Different Stages Using Hyperspectral Imaging and Chemometrics. Foods. 10(9):1-12. https://doi.org/10.3390/foods10092170 es_ES
dc.description.accrualMethod S es_ES
dc.relation.publisherversion https://doi.org/10.3390/foods10092170 es_ES
dc.description.upvformatpinicio 1 es_ES
dc.description.upvformatpfin 12 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 10 es_ES
dc.description.issue 9 es_ES
dc.identifier.pmid 34574280 es_ES
dc.identifier.pmcid PMC8468948 es_ES
dc.relation.pasarela S\445639 es_ES
dc.contributor.funder AGENCIA ESTATAL DE INVESTIGACION es_ES
dc.contributor.funder Agencia Estatal de Investigación es_ES
dc.contributor.funder European Regional Development Fund es_ES
dc.contributor.funder Institut Valencià d'Investigacions Agràries es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem