000084466 001__ 84466
000084466 005__ 20191106163134.0
000084466 0247_ $$2doi$$a10.26754/c_agroing.2019.com.3421
000084466 037__ $$aCOMPON-2019-agri-3421
000084466 041__ $$aspa
000084466 100__ $$aMunera, Sandra$$uCentro de Agroingeniería, Instituto Valenciano de Investigaciones Agrarias (IVIA). Carretera CV-315, Km 10.7, 46113 Moncada, España.
000084466 245__ $$aDiferentes aplicaciones de la imagen hiperespectral para garantizar la calidad de nectarina
000084466 260__ $$c2019
000084466 506__ $$aAccess copy available to the general public$$fUnrestricted
000084466 5203_ $$aEn este trabajo se ha estudiado la aplicación de la imagen hiperespectral en reflectancia y transmitancia para garantizar la calidad de manera no destructiva de tres variedades de nectarina: “Big Top, ”Diamond Ray” y ”Magique”. En primer lugar se evaluó la calidad de nectarinas ”Big Top” y ”Magique” durante su madurez poscosecha usando reflectancia y transmitancia. El índice de calidad interna (IQI) se utilizó para relacionar las propiedades fisicoquímicas como firmeza, color de la pulpa y sólidos solubles totales. Para ambos modos se obtuvieron resultados óptimos: en reflectancia se obtuvieron valores de R2 de 0,90 y 0,88 para la predicción de IQI de “Big Top” y “Magique” utilizando 8 y 7 longitudes de onda, y en transmitancia se obtuvieron valores de R2 de 0,88 y 0,86 utilizando 13 y 9 longitudes de onda. Debido a la susceptibilidad de ‘Big Top’ de presentar huesos abiertos, se estudió la aplicación de imágenes en transmitancia para su detección. Como resultado, el 100 % de las frutas que presentaban hueso abierto y el 91% con hueso normal fueron clasificadas correctamente. Por último, se aplicó esta técnica en reflectancia para discriminar las variedades ”Big Top” y ”Diamond Ray”. Como resultado se clasificaron correctamente el 98 % y 95 % de las frutas de cada variedad usando 14 longitudes de onda, mientras que un panel visual compuesto por expertos solamente pudo distinguirlas con una tasa de éxito cercana al 50 %. Todos estos resultados confirman el gran potencial de la imagen hiperespectral para la evaluación de la calidad de nectarinas en líneas de manipulación haciendo posible la oferta de productos más adecuados para el consumidor.
000084466 540__ $$9info:eu-repo/semantics/openAccess$$aby-nc-nd$$uhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
000084466 655_4 $$aComunicación
000084466 700__ $$aAleixos, Nuria$$uDepartamento de Ingeniería Gráfica, Universitat Politècnica de València. Camino de Vera, s/n, 46022 Valencia, España.
000084466 700__ $$aAmigo, Jose Manuel$$uDepartment of Food Sciences, Faculty of Science, University of Copenhagen. Rolighedsvej 30, Frederikberg C DK-1958, Dinamarca.
000084466 700__ $$aCubero, Sergio$$uDepartamento de Tecnología de Alimentos, Universitat Politècnica de València. Camino de Vera, s/n, 46022 Valencia, España.
000084466 700__ $$aTalens, Pau
000084466 700__ $$aBlasco, Jose
000084466 773__ $$dHuesca$$gX Congreso Ibérico de Agroingeniería = X Congresso Ibérico de Agroengenharia : Libro de actas = Livro de atas
000084466 8564_ $$s372476$$uhttps://zaguan.unizar.es/record/84466/files/3421.pdf
000084466 909CO $$ooai:zaguan.unizar.es:84466$$pcomunicaciones-ponencias
000084466 970__ $$aCOMPON-2019-agri-3421
000084466 980__ $$aCOMPON