Predicción simultánea de calidad interna en múltiples frutas con espectroscopía VIS-NIR y aprendizaje profundo
Predicción simultánea de calidad interna en múltiples frutas con espectroscopía VIS-NIR y aprendizaje profundo
Date
2022-11
Authors
Juárez González, Carlos
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Autónoma Chapingo
Abstract
Acceder a la calidad interna de la fruta fresca de manera rápida y no destructiva
es de gran interés en toda la cadena de producción, desde el momento de
cosecha hasta el destino del producto. La espectroscopía de punto Vis-NIR
permite relacionar atributos de calidad con absorciones vibracionales, pero se
necesitan calibrar modelos específicos para frutas o atributos de interés. El
aprendizaje profundo (DL) tiene el potencial para el modelado global, por ello, el
objetivo de este estudio fue investigar el potencial del DL en la calibración de
modelos multiproducto-multisalida. Se usó una base de datos de acceso libre con
300 espectros de absorbancia Vis-NIR de seis frutas de la familia Cucurbitaceae
con mediciones de referencia de contenido de agua (CA) y contenido de sólidos
solubles (CSS). Se realizó un aumento de datos y con ellos se optimizaron
automáticamente tres redes neuronales convolucionales unidimensionales (1D CNN) de diferente profundidad y de salida múltiple para comparar su rendimiento
con modelos de salida única y regresión por mínimos cuadrados parciales
(PLSR). Al comparar los modelos base y óptimos, la raíz del error cuadrático
medio combinado (RMSE) mejoró hasta 13.5%. El modelo de una capa
convolucional obtuvo el mejor rendimiento en comparación con los modelos de
dos y tres capas convolucionales, logró un RMSE ~ 3% menor que un estudio
previo con PLSR de salida única y espectros preprocesados y hasta un 38%
menor que con espectros en bruto. La optimización de modelos de salida única
solo mejoró menos del 1% el RMSE del mejor modelo de salida múltiple y demoró
el doble de tiempo. Aunque los tiempos de optimización superan por mucho la
simplicidad de PLSR, el DL permite desarrollar modelos globales de manera más
fácil y precisa.
Description
Tesis (Maestría en Ingeniería Agrícola y Uso Integral del Agua)
Keywords
Calibración, CNN unidimensional, modelo global, multiproducto-multisalida