Comparación de modelos estadísticos en la estimación de indicadores de calidad de uvas tintas a partir de información espectral

Abstract

[Resumen] Los métodos tradicionalmente empleados para la determinación del estado de calidad de frutas tienen una reducida resolución espacial y temporal derivada de sus limitaciones (elevado costo y amplia brecha temporal entre el muestreo y el acceso a la información). En las últimas décadas, se han publicado numerosos trabajos que destacan a los métodos basados en espectroscopia como una alternativa prometedora a estos. Además, recientemente el auge de la industria electrónica ha supuesto un abaratamiento de los componentes, generando interés por el desarrollo de nuevos dispositivos. Incentivado por este contexto, este trabajo presenta un dispositivo multiespectral de bajo costo basado en un sensor comercial (AS7265x, AMS) sensible a 18 bandas entre los 410 y los 940 nm. Marcando como objetivo la evaluación de 3 modelos de estimación no paramétricos (dos lineales (Regresión lineal múltiple y Regresión por mínimos cuadrados parciales) y uno no lineal (Red neuronal artificial)) en el modelado de parámetros indicadores de calidad en uva tinta (sólidos solubles totales y acidez). Entre los modelos explorados, la red neuronal demostró ser el más eficaz para ajustar la relación entre la información espectral adquirida con el sensor propuesto y los indicadores de calidad considerados.

[Abstract] The methods traditionally used for the determination of fruit quality status have a low spatial and temporal resolution due to their limitations (high cost and wide time gap between sampling and access to information). In the last decades, numerous research has informed about the potential of spectroscopy based methods for estimate plant biophysical parameters. In addition, the recent boom in the electronics industry has led to cheaper components, generating interest in the development of new devices. Encouraged by this context, this work presents a low-cost multispectral device based on a commercial sensor (AS7265x, AMS) sensitive to 18 bands between 410 and 940 nm. Aiming at the comparative evaluation of 3 non-parametric estimation models (two linear (Multiple Linear Regression and Partial Least Squares Regression) and one non-linear (Artificial Neural Networks) in the modelling of quality indicators of red grapes (total soluble solids and acidity). Among the models explored, the neural network proved to be the most effective in adjusting the relationship between the spectral information acquired with the proposed sensor and the quality indicators considered.