Automatización del análisis de imágenes hiperespectrales para identificación de aptitud de patatas

Abstract

El presente documento sirve como memoria del Trabajo fin de Grado realizado por Daniela Ayala Martini como consecución de los estudios del Grado de Innovación de Procesos y Pro- ductos Alimentarios. La memoria se refiere a un estudio realizado por la alumna en el marco de la Escuela Técnica Superior de Ingenieros Agrónomos. Este estudio se realizó con un doble ob- jetivo. Por un lado, se trata de automatizar el proceso de adquisición y tratamiento de imágenes hiperespectrales; por otro, se intenta diferenciar las aptitudes industriales de la patata gracias a la interpretación de esas imágenes. El proyecto comienza con el envío, por parte del Instituto Vasco de Investigacion y Desa- rrollo Agrario (NEIKER-Tecnalia), de 20 variedades de patatas, de las cuales 11 eran de aptitud industrial para cocido y 9 de aptitud industrial para fritura. Dichas muestras fueron llevadas al Departamento de Proyectos e Ingeniería Rural de la UPNA. En este departamento se tomaron imágenes de las muestras con ayuda del equipo de adquisición de imágenes hiperespectrales, el cual estaba ya preparado con el software específico y las condiciones optimas para evitar errores en los resultados. Tomados los datos para el estudio, se procedió a su tratamiento. Uno de los hándicaps de las imágenes hiperespectrales es su difícil interpretación. En este proyecto, esta interpretación hubo de ser facilitada por diferentes scripts de MATLAB, que procesaban los datos brutos para obtener imágenes y /o gráficos de fácil interpretación. En ellos se pueden apreciar, por ejemplo, los espectros medios de diferentes zonas de la patata. Una vez procesados los datos, el estudio concluyo con la interpretación de los mismos en el contexto de la discriminación de variedades de patata por su aptitud. En concreto, se realizaron una serie de hipótesis cualitativas con el objetivo de esclarecer si existe una relación entre los perfiles hiperespectrales de diferentes regiones de las patatas obtenidas y sus aptitudes industriales. Los resultados indicaron que no había relación evidente entre aptitud y espectros medios por zona, pero sí permitieron sacar otras conclusiones reseñables. Por ejemplo, los resultados mostraron que la evolución del hiperespectro en diferentes regiones de la patata mantiene patrones no evidentes. Esto implica que, por ejemplo, el centro de la misma no parezca la región más representativa de las muestras. El estudio ha tenido, pues, éxito heterogéneo en sus objetivos. En términos de automatizar el proceso, se puede considerar un éxito, habiendo generado diferentes visualizaciones y gráficos de las imágenes hiperespectrales de manera totalmente automática. En cuanto a la diferenciación de aptitudes, los esfuerzos nos arrojan un éxito parcial. Esto plantea la posibilidad de introducir estas técnicas en la industria agroalimentaria, de manera automatizada, rápida y fiable, aunque aun hace falta descubrir más aplicaciones y modificaciones de este proceso para que se puedan resolver necesidades específicas, como las de este estudio.