Técnicas de clasificación y perfiles espectrales para la discriminación de filetes de caballa (Scomber japonicus peruanus) congelados - descongelados

• Autor: Saavedra García, Mónica del Rosario
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional de Frontera
• Repositorio: UNFS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unf.edu.pe:UNF/219
• Enlace del recurso: http://repositorio.unf.edu.pe/handle/UNF/219
• Nivel de acceso: acceso abierto
• Materia: Congelación; Descongelación; Pescado; Imágenes hiperespectrales; Aprendizaje automático; http://purl.org/pe-repo/ocde/ford#2.11.01

La caballa es un alimento muy nutritivo y, por ende, es altamente perecedero debido a su composición química. La ruptura de la cadena de frío durante el procesamiento y almacenamiento, afecta la calidad e inocuidad de los alimentos y es algo muy difícil de comprobar. Por esta razón, es necesario hacer uso de métodos no destructivos y rápidos, que permitan detectar estos problemas; tal es el caso de la tecnología de imágenes hiperespectrales acopladas a herramientas quimiométricas. El objetivo de esta investigación fue determinar si existe diferencia estadísticamente significativa en la precisión de discriminación de filetes de caballa (Scomber japonicus peruanus) congelados - descongelados, usando técnicas de clasificación y perfiles espectrales. Se recolectaron 54 muestras en estado fresco en el Puerto de Bayóvar. Las muestras fueron fileteadas, obteniendo 108 filetes sin piel ni espinas; posteriormente, se adquirieron imágenes hiperespectrales de reflectancia, en el rango de 900 - 1700 nm, de las muestras en estado fresco y después del primer y segundo ciclo de congelación - descongelación. Las imágenes fueron pretratadas; corrigiendo y segmentando éstas previo a la extracción de perfiles medios. Se implementaron tres modelos de clasificación (Conjunto Discriminante Subespacial, Discriminante Lineal y Máquina de Soporte Vectorial) usando el software Matlab 2019a, para cada modelo, se determinó´ las métricas de rendimiento (precisión y medida F2) a partir de la matriz de confusión. Los resultados mostraron que el modelo Conjunto Discriminante Subespacial obtuvo el mayor rendimiento (Precisión 99.69 %, medida F-2 99.53 %), seguido de Maquina de Soporte Vectorial (Precisión 98.39 %, medida F-2 97.59 %) y Discriminante Lineal (Precisión 98.20 %, medida F-2 97.33 %). Existe diferencia significativa en la precisión de la discriminación de filetes de caballa usando tres diferentes técnicas de clasificación. Por tanto, Es posible realizar la discriminación de filetes de caballa sometidos a diferentes ciclos de congelación – descongelación.