Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10662/19081
Registro completo de Metadatos
Campo DCValoridioma
dc.contributor.authorTorres Muñoz, Juan Pedro-
dc.contributor.authorCaro Lindo, Andrés-
dc.contributor.authorÁvila Vegas, María del Mar-
dc.contributor.authorPérez Palacios, María Trinidad-
dc.contributor.authorAntequera Rojas, María Teresa-
dc.contributor.authorGarcía Rodríguez, Pablo-
dc.date.accessioned2024-01-03T09:04:04Z-
dc.date.available2024-01-03T09:04:04Z-
dc.date.issued2022-
dc.identifier.urihttp://hdl.handle.net/10662/19081-
dc.description.abstractPhysicochemical and sensory analyses are commonly used to determine the quality characteristics of food samples in Food Industries. These methods are tedious, laborious, produce chemical residues, and involve the destruction of the samples. For the meat industries, this work proposes a noninvasive and non-destructive computer-aided inspection system, based on computer vision and ensemble machine learning techniques. The paper presents all the possibilities for the development of the system, making an exhaustive comparison of different algorithms used to extract features from the images of the samples, and various machine learning approaches, studying up to 6160 different models, and selecting the top 110 for the ensemble proposal. The system determines all the physicochemical, textural, and sensory quality characteristics of pork and beef loins in four meat states (fresh, thawed, cooked, and cured) with good precision, being a real alternative to the usual methods for the Food Industry.es_ES
dc.description.abstractLos análisis fisicoquímicos y sensoriales se utilizan comúnmente para determinar las características de calidad de muestras de alimentos en las industrias alimentarias. Estos métodos son tediosos, laboriosos, producen residuos químicos e implican la destrucción de las muestras. Para las industrias cárnicas, este trabajo propone un sistema de inspección asistido por ordenador no invasivo y no destructivo, basado en visión por ordenador y técnicas de aprendizaje automático conjunto. El trabajo presenta todas las posibilidades para el desarrollo del sistema, haciendo una comparación exhaustiva de diferentes algoritmos utilizados para extraer características de las imágenes de las muestras, y varios enfoques de aprendizaje automático, estudiando hasta 6160 modelos diferentes, y seleccionando los 110 mejores para la propuesta de conjunto. El sistema determina todas las características fisicoquímicas, texturales y de calidad sensorial de lomos de cerdo y vacuno en cuatro estados cárnicos (fresca, descongelada, cocida y curada) con buena precisión, siendo una alternativa real a los métodos habituales para la Industria Alimentaria.es_ES
dc.format.extent12 p.es_ES
dc.format.mimetypeapplication/pdfen_US
dc.language.isoenges_ES
dc.publisherIEEE (Institute of Electrical and Electronics Engineers)es_ES
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSistema asistido por ordenadores_ES
dc.subjectExtracción de característicases_ES
dc.subjectLomoes_ES
dc.subjectImagen de resonancia magnéticaes_ES
dc.subjectParámetros de calidades_ES
dc.subjectRegresores_ES
dc.subjectComputer-aided systemes_ES
dc.subjectFeature extractiones_ES
dc.subjectLoines_ES
dc.subjectMagnetic resonance imaginges_ES
dc.subjectQuality parameterses_ES
dc.subjectRegressores_ES
dc.titleA computer-aided inspection system to predict quality characteristics in food technologyes_ES
dc.typearticlees_ES
dc.description.versionpeerReviewedes_ES
europeana.typeTEXTen_US
dc.rights.accessRightsopenAccesses_ES
dc.subject.unesco3309 Tecnología de Los Alimentoses_ES
dc.subject.unesco1207.02 Sistemas de Controles_ES
dc.subject.unesco2301.09 Espectroscopia de Resonancia Magnéticaes_ES
europeana.dataProviderUniversidad de Extremadura. Españaes_ES
dc.identifier.bibliographicCitation. P. Torres, A. Caro, M. D. M. Ávila, T. Pérez-Palacios, T. Antequera and P. G. Rodríguez, "A Computer-Aided Inspection System to Predict Quality Characteristics in Food Technology," in IEEE Access, vol. 10, pp. 71496-71507, 2022, doi: 10.1109/ACCESS.2022.3187404.es_ES
dc.type.versionpublishedVersiones_ES
dc.contributor.affiliationUniversidad de Extremadura. Instituto de investigación de carne y productos cárnicos(IProCar)es_ES
dc.contributor.affiliationUniversidad de Extremadura. Departamento de Ingeniería de Sistemas Informáticos y Telemáticoses_ES
dc.relation.publisherversionhttps://ieeexplore.ieee.org/document/9810949es_ES
dc.identifier.doi10.1109/ACCESS.2022.3187404-
dc.identifier.publicationtitleIEEE Accesses_ES
dc.identifier.publicationfirstpage71496es_ES
dc.identifier.publicationlastpage71507es_ES
dc.identifier.publicationvolume10es_ES
dc.identifier.e-issn2169-3536-
dc.identifier.orcid0000-0002-2368-5167es_ES
dc.identifier.orcid0000-0002-6367-2694es_ES
dc.identifier.orcid0000-0002-8717-442Xes_ES
dc.identifier.orcid0000-0002-0095-5785es_ES
dc.identifier.orcid0000-0001-6951-0015es_ES
dc.identifier.orcid0000-0001-9730-8412es_ES
Colección:DISIT - Artículos
IPROCAR - Artículos

Archivos
Archivo Descripción TamañoFormato 
ACCESS_2022_3187404.pdf3,12 MBAdobe PDFDescargar


Este elemento está sujeto a una licencia Licencia Creative Commons Creative Commons