Jarén Ceballos, Carmen

Last Name

Jarén Ceballos

First Name

Carmen

person.page.departamento

Ingeniería

person.page.instituteName

IS-FOOD. Research Institute on Innovation & Sustainable Development in Food Chain

ORCID

0000-0003-3103-7255

person.page.observainves

88394

person.page.upna

347

Full item page

Search Results

Now showing 1 - 10 of 31

Open Access
Hyperspectral imaging using notions from type-2 fuzzy sets
(Springer, 2019) López Maestresalas, Ainara; Miguel Turullols, Laura de; López Molina, Carlos; Arazuri Garín, Silvia; Bustince Sola, Humberto; Jarén Ceballos, Carmen; Ingeniería; Ingeniaritza; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Fuzzy set theory has developed a prolific armamentarium of mathematical tools for each of the topics that has fallen within its scope. One of such topics is data comparison, for which a range of operators has been presented in the past. These operators can be used within the fuzzy set theory, but can also be ported to other scenarios in which data are provided in various representations. In this work, we elaborate on notions for type-2 fuzzy sets, specifically for the comparison of type-2 fuzzy membership degrees, to create function comparison operators. We further apply these operators to hyperspectral imaging, in which pixelwise data are provided as functions over a certain energy spectra. The performance of the functional comparison operators is put to the test in the context of in-laboratory hyperspectral image segmentation.
Open Access
Análisis espacio-temporal de los accidentes mortales con tractor en España durante el período 2010-2019
(Interempresas Media, 2023) Arazuri Garín, Silvia; Ibarrola, Alicia; Mangado Ederra, Jesús; Adin Urtasun, Aritz; Arnal Atarés, Pedro; López Maestresalas, Ainara; Jarén Ceballos, Carmen; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Ingeniería; Ingeniaritza
El sector agrario y el de la construcción son los que presentan los índices de incidencia de accidentes de trabajo mortales más altos de nuestro país, según los datos recogidos por el Instituto Nacional de Seguridad y Salud en el Trabajo (INSST) (2021) dependiente del Ministerio de Trabajo y Economía Social (Cirauqui, 2022). Si tenemos en cuenta la evolución de estos índices, el sector agrario es el único que no ha mejorado dicho índice desde la aparición de la Ley 31/1995 de prevención de riesgos laborales y su siniestralidad continúa aumentando (Fundación Mapfre 2020). Pero, ¿qué ocurre cuando el accidente lo sufren personas que no encajan en la definición legal de trabajador? Estos accidentes no son considerados 'accidente de trabajo' y, por tanto, escapan a todas las estadísticas y datos oficiales del INSST. Este suele ser el caso de muchos accidentes que sufren personas jubiladas, menores de 16 años, familiares colaboradores, etc. que no son personas vinculadas a la actividad laboral tal y como se define en la legislación. Según Arana et al. (2010) de un total de 388 accidentes mortales ocurridos en España con maquinaria agrícola durante los años 2004-2008, solamente el 61,85% de ellos tuvieron carácter oficial. Las personas mayores fueron el sector de la población con un mayor riesgo, seguidos de los niños y las personas ajenas al sector agrario. La mayoría de las muertes fueron debidas al vuelco de tractores sin estructuras de protección.
Open Access
Prediction of main potato compounds by NIRS
(AIDIC, 2017) López Maestresalas, Ainara; Pérez Roncal, Claudia; Tierno, Roberto; Arazuri Garín, Silvia; Ruiz de Galarreta, José Ignacio; Jarén Ceballos, Carmen; Proyectos e Ingeniería Rural; Landa Ingeniaritza eta Proiektuak; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Potato (Solanum tuberosum, L) compounds are generally determined by analytical methods including gasliquid chromatography (GLC), HPLC and UV-VIS spectrophotometry. These methods require a lot of time and are destructive. Therefore, they seem to be not suitable for in-line applications in the food industry. Nearinfrared spectroscopy (NIRS) is a technique that presents some advantages over reference methods for quantitative analysis of agricultural and food products since it is fast, reliable and non-destructive. For this reason, in this study, quantitative analyses were carried out to determine main compounds in potatoes using NIRS. Potato tubers grown in two consecutive years were used for the analyses. NIR spectral acquisition was acquired on lyophilized samples. In year 1, a total of 135 samples were used while 228 samples were used in year 2. Lyophilized samples were also scanned by NIRS, two replicates per samples were acquired and the mean spectrum of each sample was used for the analysis. Different chemical analyses were carried out each year. Thus, in year 1 the following parameters were quantified: reducing sugars (RS) and nitrogen (N), whereas in year 2, total soluble phenolics (TSP) and hydrophilic antioxidant capacity (HAC) were extracted and quantified. Then, chemometric analyses were performed using Unscrambler X (version 10.3, CAMO software AS, Oslo, Norway) to correlate wet chemical analysis with spectral data. Quantitative analyses based on PLS regression models were developed in order to predict the above chemical compounds of tubers in a non-destructive manner. Good PLS regression models were obtained for the prediction of nitrogen and TSP with coefficients of determination (R2) above 0.83. Moreover, PLS models obtained for the estimation of HAC could be used for screening and approximate calibrations.
Open Access
Imágenes hiperespectrales para el estudio de la respuesta a la deficiencia de nitrógeno de distintos cultivares de patata
(Sociedad Española de Ciencias Hortícolas, 2021) López Maestresalas, Ainara; Jarén Ceballos, Carmen; Ruiz de Galarreta, José Ignacio; Álvarez Morezuelas, Alba; Barandalla, Leire; Arazuri Garín, Silvia; Ingeniería; Ingeniaritza
El cambio climático es uno de los mayores retos de la agricultura moderna. El aumento del rendimiento de los cultivos en el futuro sólo será posible si pueden hacer frente a las consecuencias del cambio climático causado por el aumento de CO2 en la atmósfera. En el cultivo de la patata es muy probable que los estreses abióticos se incrementen considerablemente comprometiendo la sostenibilidad de su producción. A largo plazo, las condiciones de elevado CO2 podrían alterar la toma y transporte de nutrientes, particularmente del nitrógeno (N). Esto conlleva la necesidad de seleccionar cultivares que por sus características genéticas, fisiológicas y agronómicas se adapten mejor a las condiciones del cambio climático global, particularmente a la eficiencia en el uso del N. Para ello, en este estudio, se ha empleado la tecnología de imágenes hiperespectrales con el objetivo de desarrollar modelos de clasificación de variedades más eficientes en el uso del N. Se han muestreado plantas de dos campos experimentales: control y con una reducción del 75% de aporte de N. Se han adquirido imágenes hiperespectrales de 120 hojas de las plantas control y 120 de plantas sometidas a una reducción del 75% de aporte de N. Se han aplicado métodos multivariantes de clasificación para comprobar el potencial de las imágenes hiperespectrales en la identificación de cultivares de patata mejor adaptados a una deficiencia de N, con resultados prometedores. Además, para evaluar la respuesta de las plantas a las diferentes dosis de N, se analizará el contenido total de N, lo que permitirá evaluar la eficiencia en el uso del N en función de la productividad, así como la concentración de metabolitos nitrogenados.
Open Access
Mapping acrylamide content in potato chips using near-infrared hyperspectral imaging and chemometrics
(Elsevier, 2025-03-14) Peraza Alemán, Carlos Miguel; López Maestresalas, Ainara; Jarén Ceballos, Carmen; Ruiz de Galarreta, José Ignacio; Barandalla, Leire; Arazuri Garín, Silvia; Ingeniería; Ingeniaritza; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD
This study investigated the potential of near-infrared hyperspectral imaging (NIR-HSI) for the prediction of acrylamide content in potato chips. A total of 300 tubers from two potato varieties (Agria and Jaerla) grown in two seasons and processed under the same frying conditions were analysed. Partial Least Square Regression (PLSR) and Support Vector Machine Regression (SVMR), combined with a logarithmic transformation of the acrylamide levels, were applied to develop predictive models. The most optimal outcomes for PLSR yielded R2 p: 0.85, RMSEP: 201 μg/kg and RPD: 2.53, while for SVMR yielded R2 p: 0.80, RMSEP: 229 μg/kg and RPD: 2.22. Furthermore, the selection of significant wavelengths enabled an 87.95 % reduction in variables without affecting the model’s accuracy. Finally, spatial mapping of acrylamide content was conducted on all chips in the external validation set. This method provides both quantification and visualization capabilities, thus enhancing quality control for acrylamide identification in processed potatoes.
Open Access
Applications of sensing for disease detection
(Springer, 2021) Castro, Ana Isabel de; Pérez Roncal, Claudia; Thomasson, J. Alex; Ehsani, Reza; López Maestresalas, Ainara; Yang, Chenghai; Jarén Ceballos, Carmen; Wang, Tianyi; Cribben, Curtis; Marín Ederra, Diana; Isakeit, Thomas; Urrestarazu Vidart, Jorge; López Molina, Carlos; Wang, Xiwei; Nichols, Robert L.; Santesteban García, Gonzaga; Arazuri Garín, Silvia; Peña, José Manuel; Agronomía, Biotecnología y Alimentación; Agronomia, Bioteknologia eta Elikadura; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Ingeniería; Ingeniaritza; Gobierno de Navarra / Nafarroako Gobernua; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
The potential loss of world crop production from the effect of pests, including weeds, animal pests, pathogens and viruses has been quantifed as around 40%. In addition to the economic threat, plant diseases could have disastrous consequences for the environment. Accurate and timely disease detection requires the use of rapid and reliable techniques capable of identifying infected plants and providing the tools required to implement precision agriculture strategies. The combination of suitable remote sensing (RS) data and advanced analysis algorithms makes it possible to develop prescription maps for precision disease control. This chapter shows some case studies on the use of remote sensing technology in some of the world’s major crops; namely cotton, avocado and grapevines. In these case studies, RS has been applied to detect disease caused by fungi using different acquisition platforms at different scales, such as leaf-level hyperspectral data and canopy-level remote imagery taken from satellites, manned airplanes or helicopter, and UAVs. The results proved that remote sensing is useful, effcient and effective for identifying cotton root rot zones in cotton felds, laurel wilt-infested avocado trees and escaaffected vines, which would allow farmers to optimize inputs and feld operations, resulting in reduced yield losses and increased profts.
Open Access
Non-destructive detection of blackspot in potatoes by Vis-NIR and SWIR hyperspectral imaging
(Elsevier, 2016) López Maestresalas, Ainara; Keresztes, Janos C.; Goodarzi, Mohammad; Arazuri Garín, Silvia; Jarén Ceballos, Carmen; Saeys, Wouter; Proyectos e Ingeniería Rural; Landa Ingeniaritza eta Proiektuak; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Blackspot is a subsurface potato damage resulting from impacts during harvesting. This type of bruising represents substantial economic losses every year. As the tubers do not show external symptoms, bruise detection in potatoes is not straightforward. Therefore, a nondestructive and accurate method capable of identifying bruised tubers is needed. Hyperspectral imaging (HSI) has been shown to be able to detect other subsurface defects such as bruises in apples. This method is nondestructive, fast and can be fully automated. Therefore, its potential for non-destructive detection of blackspot in potatoes has been investigated in this study. Two HSI setups were used, one ranging from 400 to 1000 nm, named VisibleNear Infrared (Vis-NIR) and another covering the 1000e2500 nm range, called Short Wave Infrared (SWIR). 188 samples belonging to 3 different varieties were divided in two groups. Bruises were manually induced and samples were analyzed 1, 5, 9 and 24 h after bruising. PCA, SIMCA and PLS-DA were used to build classifiers. The PLS-DA model performed better than SIMCA, achieving an overall correct classification rate above 94% for both hyperspectral setups. Furthermore, more accurate results were obtained with the SWIR setup at the tuber level (98.56 vs. 95.46% CC), allowing the identification of early bruises within 5 h after bruising. Moreover, the pixel based PLS- DA model achieved better results in the SWIR setup in terms of correctly classified samples (93.71 vs. 90.82% CC) suggesting that it is possible to detect blackspot areas in each potato tuber with high accuracy.
Open Access
Imágenes hiperespectrales para el estudio de la respuesta a los estreses abióticos (deficiencia de riego y abonado) de distintos cultivares de patata
(Ediciones de Horticultura, 2021) López Maestresalas, Ainara; Jarén Ceballos, Carmen; Pérez Roncal, Claudia; Ruiz de Galarreta, José Ignacio; Álvarez, Alba; Barandalla, Leire; Arazuri Garín, Silvia; Ingeniería; Ingeniaritza
El objetivo de este trabajo fue evaluar el potencial de las imágenes hiperespectrales para clasificar tubérculos sometidos a estreses abióticos controlados.
Open Access
Análisis de la siniestralidad por vuelco de tractor en el período 2017-2021
(Interempresas Media, 2023) Casuso, G.; Arazuri Garín, Silvia; Mangado Ederra, Jesús; López Maestresalas, Ainara; Arnal Atarés, Pedro; Jarén Ceballos, Carmen; Ingeniería; Ingeniaritza; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD
Desde que en 1995 se promulgó la Ley 31/1995 (BOE nº269/1995) de Prevención de Riesgos Laborales se ha observado una disminución importante de la siniestralidad laboral en todos los sectores. Sin embargo, en el sector agrario esta disminución no ha sido del calado de otros sectores y, por ejemplo, los índices de mortalidad prácticamente se mantienen en el tiempo. Tal es así, que el sector agrario ha sido calificado por el Observatorio Estatal de Condiciones de Trabajo (OECT) como prioritario para el desarrollo de políticas preventivas eficientes que permitan reducir la siniestralidad en el sector en base al índice de accidentes graves y mortales ajustado por la población afiliada.
Open Access
Identificación de síntomas previsuales de salinidad mediante imágenes hiperespectrales infrarrojas en vid
(Sociedad Española de Ciencias Hortícolas, 2022) Arazuri Garín, Silvia; Pérez Roncal, Claudia; Jarén Ceballos, Carmen; Santesteban García, Gonzaga; Marín Ederra, Diana; Miranda Jiménez, Carlos; López Maestresalas, Ainara; Agronomía, Biotecnología y Alimentación; Agronomia, Bioteknologia eta Elikadura; Ingeniería; Ingeniaritza; Institute for Multidisciplinary Research in Applied Biology - IMAB; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD
Los niveles altos de salinidad que se pueden producir en un viñedo, asociados generalmente al uso de aguas de baja calidad genera un tipo de estrés abiótico que limita la producción de la uva y afecta a la calidad de los vinos. Teniendo en cuenta la importancia de la monitorización de los cultivos en la toma de decisiones para una buena gestión del viñedo, se plantea como objetivo de este trabajo la identificación previsual de síntomas de estrés abiótico en viña por medio de la tecnología de imágenes hiperespectrales en el infrarrojo cercano (HSI-NIR). Para llevar a cabo este objetivo, se realizó un ensayo en maceta en la Finca de Prácticas de la Escuela Técnica Superior de Ingeniería Agronómica y Biociencias de la UPNA. El ensayo se realizó con plantas de un año de la variedad Monastrell sobre dos portainjertos 110R y 1103P. Se establecieron dos tratamientos: control (regado con agua de riego no salina) y salinidad (agua de riego con una concentración de sal común de 1,6 g/l). Entre finales de agosto y principios de septiembre se realizaron tres muestreos de hojas, analizando un total de 600 hojas (100 hojas/tratamiento y día). Las imágenes se tomaron con una cámara hiperespectral Xeva 1.7-320-100Hz, con rango espectral 900-1700nm. Una vez procesadas las imágenes se realizó una clasificación mediante un análisis discriminante por mínimos cuadrados parciales (PLS-DA) obteniéndose un porcentaje de muestras correctamente clasificadas en su grupo de origen (control o salinidad) del 82 % el primer día de muestreo, y del 87 % a partir del segundo día. A partir de estos datos podemos concluir que es posible identificar, mediante la tecnología HSI-NIR, síntomas en plantas sometidas a un tratamiento de riego con agua salina antes de que aparezcan síntomas en las hojas.