Monitorización del proceso de fermentación de la leche mediante técnicas ópticas contactless: visión por computador y termografía

• Autores: Pari Curo, Ana Erica, Tacuri Mayhua, Jhon
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/23561
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/23561
• Nivel de acceso: acceso abierto
• Materia: Modelos; Imágenes; RGB; Técnicas ópticas; Termografía; Visión por computador; Yogur; https://purl.org/pe-repo/ocde/ford#2.11.02

En la industria del yogur, los métodos ópticos han ganado relevancia recientemente, ofreciendo alternativas rápidas y no destructivas frente a las técnicas tradicionales de control de fermentación. Por lo que, el objetivo es evaluar la precisión de las técnicas ópticas contactless: visión por computador y termografía en la monitorización de las propiedades fisicoquímicas de la leche durante la fermentación. Con ese propósito se construyeron dos reactores: en uno de ellos se monitorearon patrones ópticos en los espectros visible e infrarrojo, y en el otro se evaluaron las propiedades fisicoquímicas de la leche, siendo las variables de estudio la proteína (4.2, 4.5 y 4.8%), inóculo (1, 2 y 3%) y temperatura (36, 40 y 44°C), registrándose datos cada 10 minutos hasta alcanzar pH de 4.6. De las imágenes obtenidas se calcularon valores RGB medio con Python usando OpenCV y Numpy, con el que se entrenaron modelos de diferentes arquitecturas para monitorear las propiedades fisicoquímicas en la fermentación, el entrenamiento se desarrolló en Google Colaboratory. Los resultados muestran que la proteína influye en todas las variables de respuesta, el inóculo solo afectó la viscosidad y el componente a*, y la temperatura tuvo un impacto en el pH, la viscosidad y la luminosidad, siendo su efecto más relevante en la velocidad de fermentación. Los modelos desarrollados con imágenes termográficas alcanzaron precisiones superiores al 82.58%, mientras que los de imágenes digitales lograron entre 50.3% y 84.11%. Los mejores modelos requirieron una capa oculta con 24 o 28 neuronas para imágenes digitales, y 12 a 16 neuronas para las termográficas. En conclusión, la visión por computadora y la termografía muestran gran potencial para el control de las propiedades fisicoquímicas en la producción del yogur.