Determinación de la calidad en chips de manzana frita mediante visión computacional

Abstract

En la industria alimentaria, la determinación de la calidad de los alimentos es una actividad que involucra costos y recursos considerables en el proceso productivo, dado que la calidad es un concepto amplio que viene determinado por la conjunción de distintos factores relacionados todos ellos con la aceptabilidad del alimento. El objetivo del proyecto es determinar las propiedades físicas y la calidad de los chips de manzana para los distintos pre-tratamientos y temperaturas de fritura, mediante la visión computacional de manera automática, rápida, confiable y exacta, sin necesidad de aplicar métodos instrumentales y sensoriales. Se estandarizó la preparación de chips de manzana frita a dos temperaturas de fritura (140 y 160º C) y tres pre-tratamientos (control, escaldado y escaldado – secado). A través de ensayos preliminares se determinó el tiempo de fritura bajo cada condición para llegar a una humedad final de 1 ± 0,2%, el cual fue dividido en 6 intervalos para realizar una cinética de absorción de aceite y pérdida de humedad, durante la fritura. Se realizó la adquisición de imágenes digitales para la modelación y predicción de propiedades físicas. Los productos finales pertenecientes al último intervalo de tiempo de fritura, fueron clasificados en tres grados de calidad a través de la evaluación de color por medio de un panel sensorial para obtener un modelo predictivo de calidad. Los resultados experimentales obtenidos mostraron que los pre-tratamientos utilizados en los chips influyeron en las propiedades físicas, y se comprobó que la pérdida de humedad fue más rápida para el pre-tratamiento escaldado-secado, así como también fue un método eficaz para reducir la absorción de aceite. Al correlacionar las propiedades físicas medidas por visión computacional e instrumentalmente, se obtuvieron buenos valores de correlación entre 0,92 - 0,97, por lo que fue posible predecir las propiedades físicas de humedad y contenido de aceite a partir de visión computacional. Se determinó la calidad de los chips de manzana de forma automática mediante la visión computacional, para ello se escogió la clasificación de temperaturas a 140 y 160 ºC y no la de pre-tratamientos, ya que tiene un mayor porcentaje de aciertos, 89,9 y 87,2 % respectivamente. Finalmente, es posible obtener un modelo predictivo que permitirá determinar en forma automática la calidad y la predicción de las propiedades físicas de un chip de manzana en cualquier proceso productivo, sin necesidad de efectuar un análisis instrumental ni sensorial del producto; lo que involucra una reducción de tiempo y optimización de recursos asociado al proceso productivo.

In the food industry, the determination of food quality is an activity that involves considerable costs and resources in the production process, since that quality is a broad concept which is determined by a combination of different factors related to the acceptability of food. The project`s objective is to determine the physical properties and quality of apple chips at different pre-treatment and frying temperatures, using computer vision to achieve this in a automatic, quick, reliable and accurate way, without the need for instrumental and sensory methods. The preparation of apple chips was standardized at two frying temperatures (140 and 160 C) and three pre-treatments (control, blanching and blanching-drying). Through preliminary tests the frying time under each condition was determined in order to reach a final moisture content 1+0,2% which was divided into six intervals for the absorption kinetics of oil and moisture loss, during frying. The acquisition of digital images was carried out for the modeling and prediction of physical properties. The final products belonging to the last interval of frying time were classified into three grades of quality through color evaluation by a sensory panel in order to obtain a predictive quality model. The experimental results showed that pre-treatments used in the chips affected the physical properties, indicating that for the blanching-drying pre-treatment moisture loss was a faster and a more effective method in order to reduce oil absorption. By correlating the physical properties measured by computer vision and instrumental methods, good correlation values were obtained between 0,92 - 0,97, so that it was possible to predict the physical properties of moistures and oil content from computer vision. The quality of apple chips was determined automatically by computer vision, choosing the classification by temperature at 140 and 160 ºC and not by pretreatment, due to a higher percentage of corrects answers, 89,9 and 87,2 % respectively. Finally, is possible to obtain a predictive model that will automatically determine the quality and prediction of physical properties of apple chips in any production process, without the need for instrumental or sensory analysis, which involves a reduction of time and resources associated with the optimization of production process.