TEXTURISE: Desarrollo de aplicaciones para predecir la textura de los alimentos usando tecnologías de imagen no destructiva e inteligencia artificial
La textura de los alimentos es un atributo importante de calidad, y por tanto, garantizar una textura óptima es muy importante para las industrias alimentarias. Esto se puede conseguir mediante el desarrollo de herramientas de control capaces de determinar la textura de los alimentos al final del proceso e identificar aquellos productos con texturas defectuosas. En este sentido, la visión por computador y la inteligencia artificial se han utilizado en los últimos años para la automatización de muchos procesos industriales y la industria alimentaria no es una excepción. Sin embargo, aún está emergiendo su uso para la predicción de la calidad sensorial de los alimentos.
Objetivos
El objetivo del TextuRise-2 es investigar el uso de la visión por computador y la inteligencia artificial para determinar la textura sensorial en los alimentos que se enfrentan a problemas de textura, concretamente para determinar la textura en extruidos de alta humedad y para determinar defectos de pastosidad en jamón curado, así como desarrollar software para facilitar su utilización o implementación industrial. Para ello, se utilizarán dos tecnologías no destructivas de adquisición de imágenes: 1) cámaras en color en el rango visible, que proporcionan información de la apariencia visual del producto; e 2) cámaras hiperespectrales, que puede ofrecer información de la composición química del producto. Con estas imágenes se diseñarán nuevos algoritmos para predecir el índice de anisotropía y nivel de fibrosidad sensorial de extrudidos de proteína alternativa, así como el índice de proteólisis y nivel de pastosidad sensorial en lonchas de jamón curado. Se comparará la capacidad de predicción utilizando aproximaciones clásicas, basadas en una sucesión de etapas de pre-procesado, segmentación, extracción de características y modelo de aprendizaje automático, con aproximaciones basadas en aprendizaje profundo. aprendizaje automático, con aproximaciones basadas en aprendizaje profundo. En el proyecto TextuRise 2 se estudiará qué tecnología de adquisición (imágenes RGB o datos hiperespectrales) aporta más información para predecir atributos de calidad de los alimentos, lo que generará conocimiento acerca de cómo podemos percibir mediante imagen un dato inherente a los alimentos como es su textura. También se investigará la integración de diferentes fuentes de información para la predicción de atributos sensoriales de calidad en los productos alimentarios estudiados. Finalmente, se desarrollarán dos aplicaciones software, una para cada producto estudiado, para facilitar su utilización en los laboratorios de investigación y/o su implementación a nivel industrial.
Proyecto
/research/projects/desenvolvemento-de-aplicacions-para-predicir-a-textura-dos-alimentos-mediante-tecnoloxias-de-imaxe-non-destrutiva-e-intelixencia-artificial
<p>La textura de los alimentos es un atributo importante de calidad, y por tanto, garantizar una textura óptima es muy importante para las industrias alimentarias. Esto se puede conseguir mediante el desarrollo de herramientas de control capaces de determinar la textura de los alimentos al final del proceso e identificar aquellos productos con texturas defectuosas. En este sentido, la visión por computador y la inteligencia artificial se han utilizado en los últimos años para la automatización de muchos procesos industriales y la industria alimentaria no es una excepción. Sin embargo, aún está emergiendo su uso para la predicción de la calidad sensorial de los alimentos.</p><p><br></p><p>El objetivo del TextuRise-2 es investigar el uso de la visión por computador y la inteligencia artificial para determinar la textura sensorial en los alimentos que se enfrentan a problemas de textura, concretamente para determinar la textura en extruidos de alta humedad y para determinar defectos de pastosidad en jamón curado, así como desarrollar software para facilitar su utilización o implementación industrial. Para ello, se utilizarán dos tecnologías no destructivas de adquisición de imágenes: 1) cámaras en color en el rango visible, que proporcionan información de la apariencia visual del producto; e 2) cámaras hiperespectrales, que puede ofrecer información de la composición química del producto. Con estas imágenes se diseñarán nuevos algoritmos para predecir el índice de anisotropía y nivel de fibrosidad sensorial de extrudidos de proteína alternativa, así como el índice de proteólisis y nivel de pastosidad sensorial en lonchas de jamón curado. Se comparará la capacidad de predicción utilizando aproximaciones clásicas, basadas en una sucesión de etapas de pre-procesado, segmentación, extracción de características y modelo de aprendizaje automático, con aproximaciones basadas en aprendizaje profundo. aprendizaje automático, con aproximaciones basadas en aprendizaje profundo. En el proyecto TextuRise 2 se estudiará qué tecnología de adquisición (imágenes RGB o datos hiperespectrales) aporta más información para predecir atributos de calidad de los alimentos, lo que generará conocimiento acerca de cómo podemos percibir mediante imagen un dato inherente a los alimentos como es su textura. También se investigará la integración de diferentes fuentes de información para la predicción de atributos sensoriales de calidad en los productos alimentarios estudiados. Finalmente, se desarrollarán dos aplicaciones software, una para cada producto estudiado, para facilitar su utilización en los laboratorios de investigación y/o su implementación a nivel industrial.</p><p><br></p><p><br></p> - PID2024-156581OR-C22 - Eva Cernadas García
projects_es