Los métodos tradicionales no pueden utilizarse para cumplir los requisitos de detección rápida y objetiva de la frescura de la carne. La nariz electrónica (E-Nose), la visión por ordenador (CV) y las tecnologías sensoriales táctiles artificiales (AT) pueden utilizarse para imitar las funciones sensoriales compresivas del olfato, la vista y el tacto del ser humano a la hora de juzgar la calidad (frescura) de la carne. Aunque se han utilizado tecnologías sensoriales individuales E-Nose, CV y AT para detectar la frescura de la carne, los resultados de la detección varían y no son fiables. En este trabajo, se ha propuesto un nuevo método a través de la integración de las tecnologías sensoriales E-Nose, CV, y AT para capturar parámetros completos de frescura de la carne y el método de fusión de datos para analizar los datos complicados con diferentes dimensiones y unidades de seis parámetros de olor de E-Nose, 9 parámetros de color de CV, y 4 parámetros gomosos de AT para la detección eficaz de la frescura de la carne. Se han seleccionado las carnes de cerdo y pollo para una prueba de validación. Los ensayos de nitrógeno base volátil total (TVB-N) se utilizan para definir la frescura de la carne como criterio estándar para validar la eficacia del método propuesto. El análisis de componentes principales (ACP) y la máquina de vectores de apoyo (MVS) se utilizan como métodos de reconocimiento de patrones no supervisados y supervisados para analizar los datos de origen y los datos de fusión de los tres instrumentos, respectivamente. Los resultados experimentales y del análisis de datos muestran que, en comparación con una sola tecnología, la fusión de las tecnologías E-Nose, CV y AT mejora significativamente el rendimiento de la detección de diversos productos cárnicos frescos. Además, se utilizan mínimos cuadrados parciales (PLS) para construir modelos de predicción del valor TVB-N, en los que se introducen los datos de fusión. Las predicciones de error cuadrático medio (RMSEP) para las muestras de carne de cerdo y pollo son de 1,21 y 0,98, respectivamente, en las que el coeficiente de determinación (R2) es de 0,91 y 0,94. Esto significa que el método propuesto puede utilizarse para detectar eficazmente la frescura de la carne y el tiempo de almacenamiento (días).
Citación recomendada (normas APA)
Hindawi, "A Comprehensive Method for Assessing Meat Freshness Using Fusing Electronic Nose, Computer Vision, and Artificial Tactile Technologies", -:Revista VirtualPRO,, 2020. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3912329/), el día 2025-07-04.
¡Disfruta más de la BDB!
Explora contenidos digitales de forma gratuita, crea tus propias colecciones, colabora y comparte con otros.
