TEXTURISE: Desenvolvemento de aplicacións para predicir a textura dos alimentos mediante tecnoloxías de imaxe non destrutiva e intelixencia artificial.
A textura dos alimentos é un atributo importante de calidade e, polo tanto, garantir unha textura óptima é fundamental para as industrias alimentarias. Isto pódese conseguir mediante o desenvolvemento de ferramentas de control capaces de determinar a textura dos alimentos ao final do proceso e identificar aqueles produtos que presentan texturas defectuosas. Neste sentido, a visión por computador e a intelixencia artificial utilizáronse nos últimos anos para a automatización de numerosos procesos industriais, e a industria alimentaria non é unha excepción. Porén, o seu uso para a predición da calidade sensorial dos alimentos aínda se atopa nunha fase emerxente.
Obxectivos
O obxectivo de TextuRise-2 é investigar o uso da visión por computador e da intelixencia artificial para determinar a textura sensorial en alimentos que presentan problemas de textura, concretamente para determinar a textura en extruídos de alta humidade e detectar defectos de pastosidade no xamón curado, así como desenvolver software que facilite a súa utilización ou implementación industrial.Para iso, utilizaranse dúas tecnoloxías non destrutivas de adquisición de imaxes: 1) cámaras en cor no rango visible, que proporcionan información sobre a aparencia visual do produto; e 2) cámaras hiperespectrais, que poden ofrecer información sobre a composición química do produto. A partir destas imaxes deseñaranse novos algoritmos para predicir o índice de anisotropía e o nivel de fibrosidade sensorial de extruídos de proteína alternativa, así como o índice de proteólise e o nivel de pastosidade sensorial en liscos de xamón curado.Compararase a capacidade de predición utilizando aproximacións clásicas, baseadas nunha sucesión de etapas de preprocesamento, segmentación, extracción de características e modelos de aprendizaxe automática, con aproximacións baseadas en aprendizaxe profunda.No proxecto TextuRise-2 estudarase que tecnoloxía de adquisición (imaxes RGB ou datos hiperespectrais) proporciona máis información para predicir atributos de calidade dos alimentos, o que permitirá xerar coñecemento sobre como podemos percibir mediante imaxes un dato inherente aos alimentos como é a súa textura. Tamén se investigará a integración de diferentes fontes de información para a predición de atributos sensoriais de calidade nos produtos alimentarios estudados.Finalmente, desenvolveranse dúas aplicacións de software, unha para cada produto estudado, co obxectivo de facilitar a súa utilización nos laboratorios de investigación e/ou a súa implementación a nivel industrial.
Proxecto
/research/projects/desenvolvemento-de-aplicacions-para-predicir-a-textura-dos-alimentos-mediante-tecnoloxias-de-imaxe-non-destrutiva-e-intelixencia-artificial
<p>A textura dos alimentos é un atributo importante de calidade e, polo tanto, garantir unha textura óptima é fundamental para as industrias alimentarias. Isto pódese conseguir mediante o desenvolvemento de ferramentas de control capaces de determinar a textura dos alimentos ao final do proceso e identificar aqueles produtos que presentan texturas defectuosas. Neste sentido, a visión por computador e a intelixencia artificial utilizáronse nos últimos anos para a automatización de numerosos procesos industriais, e a industria alimentaria non é unha excepción. Porén, o seu uso para a predición da calidade sensorial dos alimentos aínda se atopa nunha fase emerxente.</p><p>O obxectivo de TextuRise-2 é investigar o uso da visión por computador e da intelixencia artificial para determinar a textura sensorial en alimentos que presentan problemas de textura, concretamente para determinar a textura en extruídos de alta humidade e detectar defectos de pastosidade no xamón curado, así como desenvolver software que facilite a súa utilización ou implementación industrial.Para iso, utilizaranse dúas tecnoloxías non destrutivas de adquisición de imaxes: 1) cámaras en cor no rango visible, que proporcionan información sobre a aparencia visual do produto; e 2) cámaras hiperespectrais, que poden ofrecer información sobre a composición química do produto. A partir destas imaxes deseñaranse novos algoritmos para predicir o índice de anisotropía e o nivel de fibrosidade sensorial de extruídos de proteína alternativa, así como o índice de proteólise e o nivel de pastosidade sensorial en liscos de xamón curado.Compararase a capacidade de predición utilizando aproximacións clásicas, baseadas nunha sucesión de etapas de preprocesamento, segmentación, extracción de características e modelos de aprendizaxe automática, con aproximacións baseadas en aprendizaxe profunda.No proxecto TextuRise-2 estudarase que tecnoloxía de adquisición (imaxes RGB ou datos hiperespectrais) proporciona máis información para predicir atributos de calidade dos alimentos, o que permitirá xerar coñecemento sobre como podemos percibir mediante imaxes un dato inherente aos alimentos como é a súa textura. Tamén se investigará a integración de diferentes fontes de información para a predición de atributos sensoriais de calidade nos produtos alimentarios estudados.Finalmente, desenvolveranse dúas aplicacións de software, unha para cada produto estudado, co obxectivo de facilitar a súa utilización nos laboratorios de investigación e/ou a súa implementación a nivel industrial.</p> - PID2024-156581OR-C22 - Eva Cernadas García
projects_gl