clasificación de calidad sensorial de papas fritas tipo chips

Universidad de Chile
Facultad de Ciencias Químicas y Farmacéuticas
Departamento de Ciencia de los Alimentos y Tecnología Química
Ingeniería en Alimentos
PATROCINANTE
DIRECTORES DE MEMORIA
Andrea Bunger T.
Andrea Bunger T.
Departamento de Ciencia de los
Departamento de Ciencia de los
Alimentos y Tecnología Química
Alimentos y Tecnología Química
Universidad de Chile.
Universidad de Chile.
Franco Pedreschi P.
Departamento de Ciencia de los
Alimentos y Tecnología Química
Facultad Tecnológica
Universidad de Santiago de Chile.
CLASIFICACIÓN DE CALIDAD SENSORIAL DE PAPAS FRITAS TIPO CHIPS
MEDIANTE VISIÓN COMPUTACIONAL
Memoria para optar al título de Ingeniero en Alimentos
CONSTANZA ALEJANDRA MORALES RAVANO
Santiago- Chile
2008
Dedico este gran paso en mi vida a mi familia,
especialmente a mis padres Gina y Oscar,
a mi hermana Camila y a mi novio Alejandro.
Les agradezco su apoyo incondicional y la confianza
depositada en mi para forjar día a día mi futuro.
ii
AGRADECIMIENTOS
A todos quienes me apoyaron en este largo camino, que no hubiese sido
posible sin el esfuerzo y sacrificio inmenso de mis Padres que confiaron en mí y me
apoyaron desde el primer momento cuando les dije que me iría a estudiar a Santiago,
lejos de ellos, entregándome las herramientas necesarias para ser una mejor persona
cada día. A mi hermana Camila por su paciencia, cariño y buena disposición para
ayudarme en todo lo que necesito, detalles que me llenan de alegría y orgullo.
A Alejandro, por todo su amor, apoyo y paciencia que me ha brindado en cada
paso de este camino y de mi vida.
No puedo dejar de agradecer a mi Profesora Patrocinante y Directora de Tesis
la Sra. Andrea Bunger por su dedicación, ayuda y confianza depositada para la
realización de este proyecto. Al Profesor Domingo Mery por su buena disposición y
ayuda.
A los jueces que conformaron el panel sensorial: Natalia Reyes, Constanza
Barahona, Natalia Henríquez, Alejandra Lozano, María José Novoa, Luis Pablo Abarca,
Matías Rodríguez, José Luis Espinoza, Luis Calisto, Julio Barra y Andrés Pinto, por su
ayuda, tiempo y perseverancia, ya que sin ustedes no hubiese sido posible la
realización de este trabajo.
Quiero agradecer especialmente a mi tío y Profesor Pedro Moyano, que sé que
desde arriba me brindó toda la ayuda y apoyo en cada etapa de este proyecto.
Finalmente gracias al Proyecto FONDECYT N° 1070031 titulado “Determination
of potato and apple processing kinetics and their final quality using computer vision” y a
los investigadores a cargo: Franco Pedreschi, Andrea Bunger y Domingo Mery, por
darme la oportunidad de participar del proyecto y realizar mi memoria de título.
iii
ÍNDICE
1.
INTRODUCCIÓN............................................................................................
1
1.1
Antecedentes Bibliográficos............................................................................
2
1.1.1
Materias primas.........................................................................................
1.1.1.1
Aspectos generales de la materia prima........................................
2
1.1.1.2
Composición química de la papa...................................................
2
1.1.1.3
Almacenamiento y su influencia en los cambios de color durante
1.1.2
la elaboración de papas chips........................................................
3
Evaluación sensorial...............................................................................
4
1.1.2.1
1.1.3
Calidad sensorial de papas fritas tipo chips...................................
4
Visión computacional..............................................................................
6
1.1.3.1
1.2
2
Descripción de un sistema por visión computacional....................
6
Objetivos.........................................................................................................
9
1.2.1
Objetivo General.....................................................................................
9
1.2.2
Objetivos Específicos..............................................................................
9
1.2.3
Hipótesis.................................................................................................
9
2.
MATERIALES Y MÉTODOS..........................................................................
10
2.1
Materiales........................................................................................................
10
2.1.1
Evaluación sensorial................................................................................
2.1.1.1
2.1.2
2.2
Etapa de selección y entrenamiento..............................................
10
10
2.1.1.1.1
Ordenamiento de color......................................................
10
2.1.1.1.2
Umbral de identificación de gusto salado.........................
10
2.1.1.1.3
Entrenamientos con muestras y evaluación final..............
11
Visión computacional..............................................................................
11
2.1.2.1
Materiales.......................................................................................
11
2.1.2.2
Equipos..........................................................................................
12
2.1.2.3
Sistema de iluminación..................................................................
12
2.1.2.4
Software.........................................................................................
12
Métodos..........................................................................................................
12
2.2.1
Elección de los candidatos participantes en la formación del panel.......
12
iv
2.2.1.1
2.2.2
Reunión inicial................................................................................
13
Selección de los panelistas.....................................................................
13
2.2.2.1
Ordenamiento de color...................................................................
14
2.2.2.2
Umbral de identificación de gusto salado......................................
15
Entrenamiento del panel.........................................................................
17
2.2.3
2.2.3.1
2.2.4
Diseño y uso de Tabla de Valoración de Calidad con Escala
Karlsruhe Específica para Papas Fritas Tipo Chips.......................
17
Obtención de muestras para evaluación.................................................
19
2.2.4.1
Selección y preparación de las muestras......................................
19
2.2.4.2
Adquisición de imágenes...............................................................
20
2.2.4.3
Selección final de jueces: Uso de Escala Karlsruhe los atributos
de Apariencia/forma y Color...........................................................
2.2.5
2.2.6
22
Evaluación Sensorial de muestras de papas fritas con panel
entrenado................................................................................................
23
Medición de color a través de imágenes digitales..................................
23
2.2.6.1
Análisis de imágenes digitales.......................................................
23
2.2.6.2
Datos de entrenamiento y prueba..................................................
24
2.2.6.2.1
Para cada juez..................................................................
24
2.2.6.2.2
Para el total de jueces.......................................................
24
Validación cruzada.........................................................................
24
2.2.6.3
2.2.6.3.1
Para cada juez..................................................................
25
2.2.6.3.2
Para el total de jueces.......................................................
26
Clasificación de chips de papas fritas............................................
27
2.3
Diagrama de bloques......................................................................................
30
3.
RESULTADOS Y DISCUSIONES..................................................................
31
3.1
Selección de los panelistas.............................................................................
31
2.2.6.4
3.2
3.1.1
Ordenamiento de color............................................................................
31
3.1.2
Umbral de identificación de gusto salado...............................................
32
Entrenamiento del panel.................................................................................
33
v
3.2.1
Evaluación de calidad.............................................................................
3.2.1.1
Diseño Tabla de Valoración de Calidad con Escala Específica
para Papas Fritas tipo chips..........................................................
3.2.1.2
33
Selección final de jueces: Uso de escala Karlsruhe sólo para
Apariencia/Forma y Color..............................................................
3.3
33
36
Clasificación de papas fritas tipo “chips” del mercado, mediante la
aplicación de visión computacional.................................................................
36
4.
CONCLUSIONES...........................................................................................
49
5.
BIBLIOGRAFÍA..............................................................................................
51
vi
ÍNDICE DE TABLAS
Tabla 1.1:
Composición química promedio de la papa........................................
3
Tabla 2.1:
Diluciones y claves para el ordenamiento por color...........................
14
Tabla 2.2:
Diluciones y claves usadas para la identificación de umbral de
gusto salado.......................................................................................
16
Tabla 2.3:
Grados y Sub-grados de calidad........................................................
19
Tabla 2.4:
Números de clases definidos y su correspondencia a grados de
calidad en Tabla Karlsruhe.................................................................
Tabla 3.4:
Resultados de aceptación o rechazo por cada juez para el
ordenamiento de color........................................................................
Tabla 3.5:
31
Resultados de aceptación o rechazo por cada juez en la
identificación de umbral de gusto salado............................................
Tabla 3.7:
28
32
Test de valoración de calidad con escala Karlsruhe para papas
fritas tipo chips....................................................................................
35
Tabla 3.8:
Tabla ANOVA para jueces..................................................................
36
Tabla 3.9:
Elección del mejor clasificador respecto al porcentaje de aciertos
(%A) y al menor número de características (P) para cada juez por
separado.............................................................................................
Tabla 3.10:
Promedio de los porcentajes de aciertos obtenidos para cada
atributo................................................................................................
Tabla 3.11:
45
Promedio de los porcentajes de aciertos por cada juez en los cinco
atributos..............................................................................................
Tabla 3.13:
44
Relación entre atributos medibles visualmente y sus posibles
consecuencias en el producto final.....................................................
Tabla 3.12:
43
46
Elección del mejor clasificador respecto al porcentaje de aciertos
(%A) y al menor número de características (P) para un juez virtual
X, tomando todos los datos de cada juez...........................................
Tabla 3.14:
47
Elección del mejor clasificador respecto al porcentaje de aciertos
(%A) y al menor número de características (P) para los atributos de
Color y Apariencia/Forma de las mismas muestras evaluadas por
todos los jueces..................................................................................
48
vii
ÍNDICE DE FIGURAS
Figura 1.4:
(K): Imagen de una papa fritas tipo chips; (R): Imagen segmentada
de la misma papa frita tipo chips........................................................
7
Figura 2.1:
Cubo y sistema de iluminación...........................................................
20
Figura 2.5:
Esquema de validación cruzada para cada juez................................
25
Figura 2.6:
Esquema de validación cruzada para el total de jueces.....................
26
Figura 2.7:
Criterio de evaluación usado para la elección del mejor clasificador
para el juez 1 en el atributo de color..................................................
29
Figura 3.1:
Papas fritas tipo chips clasificadas por los jueces como Grado 1......
37
Figura 3.2:
Papas fritas tipo chips clasificadas por los jueces como Grado 2......
37
Figura 3.3:
Papas fritas tipo chips clasificadas por los jueces como Grado 3......
38
Figura 3.4:
Veinte mejores características encontradas para la clasificación con
el discriminante de Fisher...................................................................
Figura 3.5:
Mejor característica encontrada v/s función de densidad de
probabilidad........................................................................................
Figura 3.6:
Figura 3.7:
39
40
Mejor característica encontrada v/s segunda mejor para la
clasificación.........................................................................................
41
Tres mejores características encontradas para la clasificación.........
42
viii
ÍNDICE DE ANEXOS
ANEXO 1: FIGURAS
Figura 1.1:
Planta de la papa en donde se distinguen las dos partes principales que
la componen.
Figura 1.2:
Morfología del tubérculo de la papa (Solanum tuberosum).Corte
transversal.
Figura 1.3:
Esquema de un proceso de análisis de imágenes: adquisición de la
imagen, pre-procesamiento, segmentación, medición (o extracción de
características), interpretación o clasificación.
Figura 2.2:
Cámara digital powerShot G3.
Figura 2.3:
Montaje para la adquisición de imágenes.
Figura 2.4:
Cabina de evaluación para muestras de Papas Fritas Tipo Chips con
Escala Karlsruhe.
ANEXO 2: FICHAS USADAS
Ficha N°1:
Ficha de ordenamiento para ranking de color.
Ficha N°2:
Ficha de umbral de identificación de gusto salado.
Ficha N°3:
Ficha para descripción de productos.
Ficha N°4:
Ficha para Test de calidad Karlsruhe para papas fritas tipo chips.
ANEXO 3: TABLAS
Tabla 3.1:
Resultados de aceptación o rechazo para la dilución verde por jueces y
por color.
Tabla 3.2:
Resultados de aceptación o rechazo para la dilución amarilla por jueces
y por color.
Tabla 3.3:
Resultados de aceptación o rechazo para la dilución naranja por jueces
y por color.
Tabla 3.6:
Agrupación de datos para la elaboración de la Tabla con Escala
Karlsruhe Específica para Papas fritas tipo chips.
ix
RESUMEN
El objetivo de esta investigación consistió en implementar un sistema de
clasificación automática de calidad sensorial de chips de papas fritas basado en
técnicas de visión computacional, para que el programa implementado permita
reconocer automáticamente a qué grado de calidad pertenecen los chips y poder
predecir características sensoriales mediante el reconocimiento de patrones.
Para la obtención de los resultados sensoriales se realizó el entrenamiento de
un panel de 11 jueces para papas fritas tipo chips, los cuales no presentaron
diferencias significativas (p > 0,05) en los atributos visuales de color y apariencia/forma
al evaluar las mismas 80 muestras. En forma paralela se creó una Tabla de valoración
de calidad de seis puntos específica para papas fritas, en donde se abarcaron tres
grados de calidad: (Grado 1) Características típicas, (Grado 2) Deterioro Tolerable y
(Grado 3) Deterioro indeseable.
La toma de imágenes se realizó por un solo lado a 850 papas fritas de las
marcas Marco Polo caseras, Qui papa y Lay´s corte clásico, y los mismos chips fueron
evaluados sensorialmente por el panel entrenado para la clasificación computacional.
Se ensayaron cinco clasificadores diferentes para obtener el que arrojara un menor
error en la clasificación automática, y que a la vez midiera el menor número de
características posibles.
Los resultados se expresaron en porcentajes de aciertos, que indica, la
predicción correcta de las características sensoriales. Para el promedio de jueces se
obtuvieron los siguientes porcentajes de aciertos: para color un 85%, para
apariencia/forma un 80%, en olor 73%, sabor un 75% y para textura un 76%. Estos
resultados indican un buen ajuste especialmente para los parámetros visuales (color y
apariencia/forma) con porcentajes sobre un 80%, y algo inferiores pero aún sobre 70%
para olor, sabor y textura, lo que indica que color y apariencia se relacionan con olor,
sabor y textura de las papas fritas.
x
Al realizar el análisis con todos los datos individuales de cada juez simulando
un juez virtual X, los porcentajes de aciertos fueron los siguientes: para color un 62%,
para apariencia/forma un 60%, olor 62%, sabor 63% y textura un 61%. Esto muestra
que al agrupar los jueces como un todo hay una mayor dispersión de los datos y por
consiguiente un menor ajuste.
Es posible la implementación de un sistema de visión computacional para
aplicarlo a nivel industrial como control de calidad en una línea de procesos, sobre todo
para atributos visuales de color y apariencia/forma, ya que en estos atributos se obtuvo
el menor error de clasificación.
xi
SUMMARY
The objective of this work was to implement a system of automatic classification
for potato chip sensory quality based on computer vision techniques in order to
recognize automatically through the implemented program the quality of the chips to
predict sensory characteristics through pattern recognition.
To obtain the sensory results a panel of 11 assessors was trained for potato
chips, without significant differences (p > 0.05) in the visual attributes of the color and
appearance/form assessing the same 80 samples. Simultaneously a six-points-quality
assessment Table for potato chips was created, where three quality grades were
covered: (Grade 1) typical characteristics, (Grade 2) still tolerable damage and (Grade
3) non-tolerable damage.
The images were obtained on one side of 850 samples of the potato chips
brands Marco Polo, Qui papa and Lay's potato classic, and the same chips were
assessed by the sensory panel for the computer classification. Five different classifiers
were tested to chose that one with the smallest error, and at the same time measuring
the fewest possible features.
The results were expressed as a percentage of maximum performance, which
indicates the correct prediction of the sensory characteristics. For the average number
of the assessors the following percentages of performance were obtained: 85% for
color, 80%for appearance / form, 73% for smell, 75% for taste and 76% for texture.
These results indicate an especially good fit for the visual attributes (color and
appearance / form) with percentages over 80%, and a somewhat lower fit but still over
70% for smell, taste and texture, indicating that color and appearance are directly linked
to smell, taste and texture of the potato chips.
xii
Conducting the analysis taking all the individual data of each assessor
simulating a virtual assessor X, the percentages of performance were: 62% for color,
60% for appearance / form, 62% for smell, 63% for and 61% for texture. This shows
that by grouping the judges as a whole there is a greater dispersion of data and
therefore a lower fit.
It is possible to implement a computer vision system at an industrial level for
quality control in a line process, especially for visual attributes of color and appearance,
because these attributes achieved the best performance.
xiii
1.
INTRODUCCIÓN
La papa forma parte importante del sistema alimentario mundial, ya que es el
producto no cerealero número uno y su producción alcanzó la cifra de 325 millones de
toneladas el 2007. El consumo de papa se extiende vigorosamente en el mundo en
desarrollo, donde la facilidad de cultivo y el gran contenido de energía de la papa la
han convertido en valioso producto comercial para millones de agricultores. La planta
de papa es consumida en el mundo por millones de personas, siendo China el mayor
productor de este tubérculo con 72 millones de toneladas en el año 2007, lo que suma
más del 20% de la cosecha mundial (FAOSTAT, 2007)
El consumo de la papa como alimento procesado ha ido adquiriendo cada vez
más importancia; en este sentido destacan fundamentalmente las papas prefritas
congeladas y las papas fritas en forma de hojuelas o chips de papa (Kraup, 2006). La
atracción del consumidor a la papa frita tipo chips se debe en gran parte a cambios
importantes en su microestructura inducida por la fritura y sus efectos sobre la física y
las propiedades sensoriales (Pedreschi y Aguilera 2002).
Dentro de las propiedades sensoriales de los alimentos, se encuentra entre
otros, el aspecto y el color de la superficie, los cuales son los primeros parámetros
evaluados visualmente por el consumidor y tienen relación directa en la aceptación o
rechazo del producto, incluso antes de que entre en la boca. La observación de color
por lo tanto, permite la detección de determinadas anomalías o defectos que los
productos alimenticios pueden presentar (Du y Sun, 2004; Pedreschi, Aguilera y
Brown, 2000). Debido a esto, se están utilizando nuevas herramientas para predecir la
calidad de los alimentos, es así como surge la visión computacional, la cual se
proyecta como un método alternativo a la evaluación sensorial, pues es una tecnología
en la cual se adquiere y analiza una imagen para obtener información y para control
de procesos.
1
1.1
1.1.1
Antecedentes Bibliográficos.
Materias Primas.
1.1.1.1 Aspectos generales de la materia prima.
La papa o patata (Solanum tuberosum) es una planta de la familia de las
solanáceas, corresponde a una especie dicotiledónea anual, sin embargo, debido a su
capacidad de reproducción por tubérculos, puede comportarse potencialmente como
una especie perenne (Kraup, 2006).
Esta planta está compuesta por dos partes, la primera crece sobre el suelo y en
ella destacan tallo, hojas, flores y frutos. Y la segunda que crece subterráneamente y
corresponde a la papa-madre (tubérculo-semilla), estolones, tubérculos y raíces (Anexo
1, Figura 1.1).
Al realizar un corte transversal del tubérculo (Anexo 1, Figura 1.2), se observa:
la piel (epidermis y peridermis), corteza, anillo vascular y la médula (externa e interna).
Representando esta última entre un 14 a 20% del total de tubérculo (Lisinska y
Leszczynski, 1989)
1.1.1.2 Composición química de la papa.
La papa es un alimento versátil y tiene un gran contenido de carbohidratos, es
popular en todo el mundo y se prepara y sirve en una gran variedad de formas. Recién
cosechada, contiene un 80% de agua y un 20% de materia seca. Entre el 60% y el
80% de esta materia seca es almidón. Respecto a su peso en seco, el contenido de
proteína de la papa es análogo al de los cereales, y es muy alto en comparación con
otras raíces y tubérculos. Además, la papa tiene poca grasa (Contreras, 2001).
2
La composición química de la papa depende principalmente de las
características genéticas, sin embargo, tubérculos de la misma planta pueden diferir
notablemente en la composición química. Además, la composición se ve afectada por
varios
factores
como
variedad,
zonas
de
crecimiento,
formas
de
cultivo,
almacenamiento, madurez de cosecha etc (Anderson, 1994). En la Tabla 1.1 se
presentan la composición química de papa.
Tabla 1.1: Composición química promedio de la papa.
Sustancias
Rango (%)
Promedio (%)
Materia Seca
13,1 – 36,8
23,7
Almidón
8,0 – 29,4
20,0
Azucares Reductores
0 – 5,0
0,3
Azucares Totales
0,05 – 8,0
0,5
Fibra Cruda
0,17 – 3,48
0,71
Sustancias Pécticas
0,2 - 1,5
-
Nitrógeno Total
0,11 – 0,74
0,32
Proteína Cruda
0,69 – 4,63
2,0
Lípidos
0,02 – 0,2
0,12
Cenizas
0,44 – 1,87
1,1
Ácidos Orgánicos
0,4 – 1,0
0,6
Agua
63,2 – 86,9
77,5
Fuente: Anderson, 1994
1.1.1.3 Almacenamiento y su influencia en los cambios de color durante la
elaboración de papas chips.
La papa utilizada para la industrialización es aquella que se encuentra en su
etapa de madurez, y que contiene una alta gravedad específica y alto contenido de
sólidos. El valor de la gravedad específica está directamente relacionado con el
3
rendimiento y la calidad en cuanto a textura interna de los productos procesados, como
las hojuelas.
El problema más frecuente a nivel industrial es el mantener un color constante y
característico de las hojuelas de papa. El control del color es difícil de realizar, pues
éste depende de la composición química de la papa (azúcares reductores), y ésta a su
vez, depende de muchos factores ambientales y del almacenamiento. Los azúcares
reductores determinan la calidad de la papa frita, otorgándole un color más oscuro y
sabor amargo a la papa a causa del pardeamiento no enzimático que este tipo de
azúcares produce. Entonces, la industria requiere de variedades con bajos contenidos
en azúcares reductores: inferiores al 0,15% del peso fresco es ideal para la producción
de hojuelas y más alto de 0,33% es inaceptable (Dilmer, 2007).
Por lo anteriormente mencionado, las condiciones de almacenamiento juegan
un rol fundamental en el contenido de almidón y azúcares, debido a que la respiración
del tubérculo continúa después de la cosecha para mantener algunos procesos
metabólicos. A temperaturas altas el contenido de azúcar disminuye (7 – 10° C) y
aumenta la síntesis del almidón, lo contrario ocurre con temperaturas menores a (2 –
4° C) ya que el contenido de azúcares reductores aumenta (Anderson, 1994). Es
aconsejable entonces, que papas destinadas a fritura sean almacenadas entre 7,5 a
10º C y las destinadas a puré deshidratado y consumo fresco entre 6 y 7º C (Contreras,
2001).
1.1.2
Evaluación Sensorial.
1.1.2.1 Calidad sensorial de papas fritas.
La papa, previamente a su procesamiento, es sometida a una serie de
exigencias, la cuales tienen por finalidad conseguir la más alta calidad de “chips” y
obtener la mayor rentabilidad en el proceso de transformación, es por esto, que en la
4
industria de papas tipo chips se necesita que la materia prima cumpla las siguientes
condiciones:
•
Tubérculos redondos o ligeramente ovalados: La forma redondeada y el tamaño
exigido proporciona rebanadas uniformes para el envase, ya que formas
alargadas provocarán rompimiento de estas hojuelas y desecho en el
embasado.
•
Tamaño mediano (40-80 mm de diámetro): Las muy pequeñas son poco
atractivas para el consumidor.
•
Ojos superficiales: La ausencia de deformaciones y la superficialidad de ojos
facilita el pelado minimizando pérdidas en este proceso.
•
No verdeadas.
•
Alto contenido de materia seca, sobre 21%: La alta materia seca exigida que
tiene directa relación con el alto peso específico, hace aumentar el rendimiento
industrial, disminuyendo la absorción de aceite y haciendo que el “chips” sea
crujiente y resistente a la rotura.
•
Peso específico superior a 1,080: Ya que esta directamente relacionado con el
buen rendimiento y la calidad en cuanto a textura interna de los productos.
•
Azúcares reductores menores a 0,15%: Los azúcares reductores, como se dijo
anteriormente, se originan por efecto de temperaturas bajas (menos de 7-8º C),
lo cual trae como consecuencia que la papa frita adquiera un color marrón
oscuro y con sabor desagradable (Contreras, 2001).
Si el proceso de fritura de las papas se realiza correctamente, se producen toda
una serie de cambios deseados en el alimento, los cuales se ven reflejados en su
calidad sensorial. Entre ellos:
•
Textura crujiente por la coagulación de las proteínas, la gelificación del almidón
y la deshidratación parcial que sufre el producto.
•
Aspecto
agradable,
color
dorado,
uniforme
y
brillante,
producido
fundamentalmente por la reacción de Maillard.
5
•
Sabor y aroma característicos por la incidencia del propio aceite y por nuevas
sustancias producidas durante el proceso.
•
Variación del contenido de grasa del producto, en general el producto pierde
humedad y gana grasa, excepto los alimentos ricos en grasa que pierden parte
de ella durante su fritura.
•
Se obtiene una mayor estabilidad del producto, es decir una mayor
conservación, por la destrucción de microorganismos contaminantes del
alimento y la inactivación de las enzimas presentes en el mismo (Álvarez,
2005).
1.1.3
Visión computacional.
1.1.3.1 Descripción de un sistema por visión computacional.
La visión por computadora es una rama de la inteligencia artificial que tiene por
objetivo modelar matemáticamente los procesos de percepción visual en los seres
vivos y generar programas que permitan simular estas capacidades visuales por
computadora.
En los años recientes la visión por computador ha llamado mucho la atención
de las industrias agrícolas y de alimentos y se ha desarrollado rápidamente para tomar
un lugar de privilegio en la inspección de calidad, clasificación y evaluación en un
amplio rango de productos, como son los productos de panadería, carnes y pescados,
frutos, alimentos listos para consumo, granos, entre otros. El amplio espectro de
aplicaciones cubierto por la visión por computadora, se debe a que permite extraer y
analizar información espectral, espacial y temporal de los distintos objetos (Brosnan y
Sun, 2004).
6
Como puede verse en al Figura 1.3 (Anexo 1), los pasos que involucra el
análisis de imágenes son los siguientes (González y Wintz, 1991):
1. Adquisición de la imagen: Se obtiene la imagen adecuada del objeto en estudio y
ésta es capturada y almacenada en el computador.
2. Pre-procesamiento: Se realiza con el fin de mejorar la calidad de la imagen
obtenida, para esto, se emplean ciertos filtros digitales que eliminan el ruido en la
imagen o bien aumentan el contraste.
3. Segmentación de la imagen: La imagen del alimento es aislada del fondo de la
escena produciéndose así una separación de la imagen digital en regiones no
sobrepuestas (Castleman, 1996). Esta imagen segmentada es una imagen binaria
que consiste solo de píxeles blancos y negros, en donde “0” es negro y “1” es
blanco los cuales significan fondo y objeto respectivamente tal como se muestra en
la Figura 1.4 para una pera.
Figura 1.4: (K): Imagen de una papa fritas tipo chips; (R): Imagen segmentada de la
misma papa frita tipo chips.
4. Medición o Extracción de características: La extracción de características se
centra principalmente en la medición de las propiedades geométricas (área,
perímetro, factores de forma, descriptores de Fourier, momentos invariantes, etc.) y
de coloración de las regiones (nivel de gris, componentes de color, gradiente,
segunda derivada, características de textura, etc) (Mery, 2002).
5. Interpretación o clasificación: Se interpretan las características extraídas usando
un cierto conocimiento sobre el objeto analizado. Generalmente, la interpretación
clasifica cada región dividida en segmentos a una de las clases predefinidas, que
7
representan todos los tipos posibles de regiones esperadas en la imagen. Un
clasificador se diseña después de un entrenamiento supervisado, y los
clasificadores simples pueden ser puestos en ejecución comparando características
medidas con valores de umbral. No obstante, es también posible utilizar técnicas
más sofisticadas de la clasificación tales como los que realicen los análisis
estadísticos y geométricos del espacio del vector de las características o los que
utilicen las redes neuronales o la lógica difusa (Castleman, 1996; Mery y cols,
2003). En toda aplicación donde usen clasificadores existen dos fases: la fase de
aprendizaje o entrenamiento y la fase de prueba.
• Fase de aprendizaje: Se usa un conjunto de datos o patrones de entrenamiento
para determinar los pesos que definen el modelo neuronal. Normalmente, los
pesos óptimos se obtienen optimizando (minimizando o maximizando) alguna
función de energía, como por ejemplo, el error cuadrático medio entre el valor
deseado y el valor de salida actual.
• Fase de prueba: En ella se procesan los patrones de prueba que constituyen la
entrada habitual, analizándose de esta manera las prestaciones definitivas.
8
1.2
Objetivos.
1.2.1
Objetivo General.
• El objetivo de este estudio es diseñar un clasificador de calidad sensorial de
papas fritas tipo “chips” del mercado, que permita reconocer automáticamente a
qué grado de calidad pertenecen y poder predecir características sensoriales
mediante la aplicación de visión computacional para líneas de procesos.
1.2.2
Objetivos Específicos.
• Seleccionar y entrenar un panel sensorial para la evaluación de las papas fritas
tipo chips.
• Diseñar una Tabla de Valoración de Calidad Especifica para Papas Fritas
Tipo Chips con escala Karlsruhe y enseñar su uso al panel sensorial.
• Realizar la evaluación sensorial de muestras de papas fritas tipo chips del
mercado mediante el uso del test de valoración de calidad.
• Emplear un sistema de visión computacional que permita analizar las imágenes
de chips de papas fritas, y extraer sus características de color y geométricas,
entre otras.
• Con los valores obtenidos de la evaluación sensorial y los correspondientes con
el sistema de visión computacional determinar el clasificador que mejor pueda
predecir los valores sensoriales evaluados (color, apariencia/forma, olor, sabor
textura) a partir de los correspondientes valores medidos computacionalmente, y
así validar el uso de visión computacional como herramienta para la
determinación de calidad en una línea de procesos.
1.2.3
Hipótesis.
Es posible la determinación de grados de calidad sensorial de papas fritas tipo
“chips” mediante la aplicación de visión computacional en una línea de procesos.
9
2.
MATERIALES Y MÉTODOS
2.1
Materiales.
2.1.1
Evaluación sensorial.
2.1.1.1 Etapa de selección y entrenamiento.
2.1.1.1.1 Ordenamiento de color.
•
Fichas individuales de respuesta con instrucciones adecuadas para una
correcta evaluación.
•
Lápiz grafito con goma de borrar
•
1 jugo Yupi sabor papaya.
•
1 jugo Yupi sabor naranja.
•
1 jugo Livean sabor melón tuna.
•
Gradillas
•
50 tubos de ensayo
•
Agua destilada
2.1.1.1.2 Umbral de identificación de gusto salado.
•
Bandejas blancas
•
10 botellas de vidrio
•
Vasos plásticos desechables
•
Soluciones de diferentes concentraciones de NaCl
•
Escupidero
•
Vasos plásticos con agua como medio de neutralización
10
2.1.1.1.3 Entrenamiento con Muestras y Evaluación Final.
•
Bandejas blancas
•
850 Bolsas herméticas de polietileno marca Europlas de 15x16 cm, Madrid,
España.
•
Vasos plásticos con agua como medio de neutralización.
•
Fichas individuales de respuesta para escala Karlsruhe
•
Escala Karlsruhe
•
Lápiz grafito con goma de borrar
•
Chips de Papas fritas de tres marcas comerciales
- Etapa de entrenamiento:
o
Lay´s corte clásico: 3 bolsas de 250 gr. Elaboradas por Evercrisp S.A.
o
Marco Polo caseras: 3 bolsas de 350 gr. Elaboradas por ICB S.A.
o
Qui papa: 6 bolsas de 200 gr. Elaboradas por Sergio Vera Silva, IX
Región.
- Evaluación final:
o
Lay´s corte clásico: 10 bolsas de 250 gr. Fabricadas por Evercrisp S.A
o
Marco Polo caseras: 10 bolsas de 350 gr. Fabricadas por ICB S.A
o
Qui papa: 15 bolsas de 200 gr. Elaboradas por Sergio Vera Silva, IX
Región.
* Para ambas etapas las muestras evaluadas tenían fechas de elaboración con menos de 2
semanas de diferencia.
2.1.2
Visión computacional.
2.1.2.1 Materiales.
•
Chips de Papas fritas de tres marcas comerciales, los mismos usados en la
etapa de evaluación final.
11
2.1.2.2 Equipos.
• Cámara fotográfica digital Canon (Japón), Power Shot G3, 4Megapixel.
• Computador Pentium IV, 511 MB RAM, 37 GB de disco duro.
2.1.2.3 Sistema de iluminación.
•
4 Tubos fluorescentes Philips, Natural Daylight 18 W (longitud de 60 cm.)
•
Soportes y conexión eléctrica a la red de 220V
•
Caja cúbica negra
•
Goma eva negra
2.1.2.4 Software.
•
Matlab 7.0 Ink, Julio 2004
•
Toolbox Balu, Abril 2008
•
Zoombrowser ex 5.7. copyright Canon Inc.
•
Microsoft Office 2003
2.2
2.2.1
Métodos.
Elección de los candidatos participantes en la formación del panel.
Los candidatos elegidos fueron estudiantes de Ingeniería en Alimentos de la
Universidad de Chile que cumplían con el requisito de tener aprobado el ramo de
evaluación sensorial y tuvieran disponibilidad de horario tanto en la etapa de
entrenamiento como en las posteriores evaluaciones.
12
2.2.1.1 Reunión inicial.
Los pre- candidatos fueron citados a una reunión inicial de carácter informativo
en donde se les explicó la importancia de su participación activa y comprometida en
cada una de las etapas (selección, entrenamiento y evaluación final). Luego de esto se
les explicaron los objetivos del proyecto para que así tomaran conciencia de lo
fundamental que son éstos en la realización de este estudio.
Luego, cada uno decidió en forma voluntaria formar parte del panel, para lo cual
se les solicitó que asumieran un compromiso de asistencia y puntualidad en cada una
de las etapas del proyecto.
2.2.2
Selección de los panelistas.
Se inició la etapa de selección con 15 candidatos, tomando en cuenta que luego
de la etapa de selección y entrenamiento se requería un mínimo de 8 jueces
entrenados.
Las pruebas aplicadas fueron:
•
Ordenamiento de color.
•
Umbral de identificación de gusto salado
A continuación se presenta la metodología para cada prueba.
13
2.2.2.1 Ordenamiento de color.
Se le presentó a cada participante en una serie de 10 tubos del mismo color
pero en distintas concentraciones y se les pidió que los ordenaran de manera
creciente según su intensidad de color.
Las tres soluciones se prepararon disolviendo el jugo en 1 litro de agua y ésta
se usó como solución madre para luego preparar las diluciones que se indican en la
Tabla 2.1.
Tabla 2.1: Diluciones y claves para el ordenamiento por color.
Clave dilución
Clave dilución
Clave dilución
Jugo solución
Amarilla
Naranja
Verde
madre (ml)
A
X
M
45
55
X
P
R
50
50
W
C
S
55
45
P
D
T
60
40
M
Q
K
65
35
H
E
C
70
30
Z
R
L
75
25
C
F
A
80
20
Y
U
F
90
10
E
S
Z
100
-
Agua (ml)
Luego se rotularon 10 tubos de ensayo para cada color, con cada una de las
claves indicadas en la Tabla 3.1, y se llenaron los respectivos tubos con 10 ml
aproximadamente, cuidando que los tubos quedaran todos con la solución hasta la
misma altura. Cada una de las gradillas contenía un set completo de las diluciones y la
ubicación de los tubos en las gradillas se determinó por sorteo (Jellinek, 1985).
14
Posterior a esto, los jueces ordenaron los tubos de ensayo del color más débil
al más intenso y traspasaron sus respuestas a la ficha de evaluación entregada. (Ficha
N°1, Anexo 2).
Para la aceptación o rechazo de los jueces se hizo la sumatoria de cada juez
por las tres diluciones evaluadas y luego se calculó el porcentaje de aciertos con un
máximo de 30 aciertos equivalentes al 100% de aciertos equivalente a 30 aciertos.
Fueron aceptados y pasaron a la siguiente etapa de selección aquellos participantes
que obtuvieron un porcentaje mayor al 80% de aciertos en las tres diluciones.
2.2.2.2 Umbral de identificación de gusto salado.
Se preparó una solución madre de Cloruro de Sodio (NaCl), a partir de la cual
se realizaron diluciones, de acuerdo al siguiente protocolo.
1. La solución madre se preparó pesando 25 gramos de NaCl en balanza con
precisión 0,1 g, luego se disolvió en un vaso de precipitado y se llevó a un matraz
aforado de 250 ml.
2.
Se guardaron unos 3 litros de la misma agua con la que se prepararon las
soluciones como medio de neutralización.
3. Luego se procedió a hacer las respectivas diluciones que se muestran en la tabla
N°3. Se llevaron las alícuotas indicadas a 1000 ml y se guardaron en botellas de
vidrio codificadas con las letras indicadas en la última columna de la misma tabla.
4. Se usaron por persona 10 vasos plásticos desechables marcados del 1 al 10.
En la Tabla 2.2 se encuentran las concentraciones usadas para la preparación.
15
Tabla 2.2: Diluciones y claves usadas para la identificación de umbral de gusto salado.
Compuesto Solución madre
NaCl
(pro análisis)
25 g en 250 ml
Diluciones(ml)
Concentración
(llevar a 1000 ml)
(g/100ml)
0
0,00
S1
2
0,02
S2
4
0,04
S3
6
0,06
S4
8
0,08
S5
10
0,10
S6
13
0,13
S7
15
0,15
S8
18
0,18
S9
20
0,20
S10
Clave
Se pidió a los participantes que degustaran cuidadosamente la serie de 10
muestras entregadas en orden creciente de concentración que podía corresponder a
cualquiera de los cuatro gustos básicos (dulce, ácido, salado o amargo),
posteriormente se traspasaron sus respuestas a la ficha de evaluación entregada
(Ficha N°2, Anexo 2). La tarea del juez consistió en describir las sensaciones
percibidas, en la siguiente escala:
0:
Igual a agua.
?:
Distinto al agua, pero no lo identifica. Corresponde al umbral de estímulo.
)( :
Se reconoce de qué gusto se trata. Corresponde al umbral de identificación.
1-5 :
Corresponde a una escala de intensidad creciente posterior al umbral
de identificación.
Como umbral de identificación se consideró la concentración a la cual el juez
reconoció correctamente el gusto salado y no volvió a equivocarse en las
concentraciones posteriores. Para aprobar este test, el juez debió presentar un umbral
de identificación igual o inferior a 0,08 g/100ml.
16
2.2.3
Entrenamiento del panel.
Los participantes que aprobaron la etapa de selección, es decir, que en el
ordenamiento de color obtuvieron más de un 80% de aciertos, y un umbral de
identificación de gusto salado máximo de 0,08 g/100ml; y que además cumplieron con
la asistencia y puntualidad requerida, pasaron a la etapa de entrenamiento, lo cual
significa que estaban capacitados en la evaluación de calidad de papas fritas tipo
chips.
2.2.3.1 Diseño y uso de Tabla de Valoración de Calidad con Escala Karlsruhe
Especifica para Papas Fritas Tipo Chips.
Para poder implementar el test de valoración de calidad con escala Karlsruhe
se les pidió a los jueces realizar una descripción de los parámetros sensoriales de las
papas fritas de acuerdo a las características de calidad sensorial descritas en la Tabla
General del Test de Valoración de Calidad de Karlsruhe: color, apariencia/forma, olor,
sabor textura.
Para esto se realizaron cuatro sesiones en donde se presentaban las tres
muestras de papas fritas una a una en un plato grande al centro de la mesa redonda
codificado con las letras W (Marco Polo caseras), X (Qui papa) e Y (Lay´s Corte
Clásico), y en cada puesto había un plato individual. Cada muestra correspondía a uno
de los tres grados de grados de calidad. Se les pidió que inicialmente describieran en
forma conjunta el color y la apariencia y luego tomaran cada uno una muestra del plato
grande y se dispusieran a describir olor, sabor y textura, siguiendo las instrucciones
de la ficha de descripción entregada (Ficha N° 3, Anexo 2).
Al finalizar la descripción individual se realizó una discusión abierta dirigida, en
donde cada juez expuso la descripción hecha a cada una de las tres diferentes
muestras del mercado.
17
Luego, se agruparon los resultados obtenidos para cada parámetro y se
procedió a la elaboración de la Tabla de Valoración de Calidad con Escala Karlsruhe
Especifica para Papas Fritas Tipo Chips.
Los datos se agruparon de acuerdo al siguiente criterio:
1. Frecuencia con la que se repitió cada característica.
2. Si la característica era positiva o negativa para el producto.
3. A qué grado de calidad correspondía cada una de ellas.
Una vez listo el diseño se pidió al panel que evaluara con la tabla específica
elaborada, en donde se dispusieron una a una las tres muestras diferentes al centro de
la mesa redonda con su respectiva codificación y al igual que en la sesión descriptiva
debieron evaluar primero color y apariencia/forma y luego, cada panelista tomó una
muestra del plato central y evaluó en forma individual olor, sabor y textura pero esta
vez con la escala Karlsruhe (Tabla 3.7) y la ficha de respuesta específica para este
Test (Ficha N° 4, Anexo 2). Se les pidió adicionalmente que anotaran todas las
observaciones pertinentes para mejorar la tabla y luego se discutieron las respuestas
en forma grupal. Esta etapa se realizó dos veces, hasta la obtención final de la Tabla
específica para papas fritas.
La tabla de valoración consta de seis puntos, y éstos se agrupan en tres grados
de calidad, los cuales a su vez se subdividen en dos subgrupos, tal como se muestra
en la Tabla 2.3.
18
Tabla 2.3: Grados y Sub-grados de calidad
Grados
Calificación verbal Calificación
numérica
Muy Buena
6
Buena
5
Regular
4
Suficiente
3
Mala
2
Muy Mala
1
GRADO 1 CARACTERÍSTICAS TÍPICAS
GRADO 2 DETERIORO TOLERABLE
GRADO 3 DETERIORO INDESEABLE
2.2.4
Obtención de muestras para evaluación.
2.2.4.1 Selección y preparación de las muestras.
Mediante una selección preliminar se eliminaron aquellas unidades quebradas
y/o molidas y se dejaron aquellas en buen estado, teniendo en cuenta que para este
estudio se requerían chips de papas de los tres grados de calidad definidos
anteriormente según la Escala Karlsruhe.
Las bolsas originales con muestras fueron abiertas en el laboratorio de toma de
fotografías de la Universidad de Santiago de Chile (USACH), ahí se realizó la selección
de los chips para la posterior toma de fotografías de cada uno de ellos, los cuales,
luego de la captura de imágenes se guardaron en bolsas de polietileno con fondo
negro y con cierre hermético de medidas 15x16 cm, nuevas y libres de olores extraños,
debidamente codificadas con un numero único e irrepetible. Luego las muestras fueron
19
transportadas inmediatamente al laboratorio de Evaluación Sensorial de la Universidad
de Chile para su posterior análisis con los jueces entrenados.
2.2.4.2 Adquisición de imágenes.
La obtención de la imagen digital del chip de papa frita se realizó mediante un
montaje de un sistema de visión computacional similar al desarrollado por Papadakis y
cols (2000), el cual consiste en una caja de color negro, que cuenta con un sistema de
iluminación de cuatro tubos fluorescente Philips, Natural Daylight 18 W (longitud de 60
cm.), con una temperatura de color de 6500°K, correspondiente a la luz día, y un índice
de color (Ra) cercano al 95%. Los cuatro tubos se ubicaron horizontalmente, formando
un cuadrado por sobre la cámara para que al iluminar se crease un núcleo de luz
homogéneo en el lugar donde se ubicaron los chips de papa frita (Figura 2.1). El cubo
de toma de imágenes tiene sus paredes interiores negras y la superficie donde se
ubica la muestra es de goma eva negra, todo esto a fin de evitar alteraciones
producidas por brillo sobre la cámara y muestras (León y cols, 2005).
Figura 2.1: Cubo y sistema de iluminación.
20
La caja posee un soporte para la cámara digital de color Canon Powershot G3
de 4 Mega píxeles (Figura 2.2, Anexo 1), ubicada verticalmente a 22,5 cm. de distancia
del chip de papa frita con un ángulo alrededor de 45° entre el eje de la cámara y las
fuentes de iluminación.
Se tomó una imagen digital a cada una de las 850 muestras por un solo lado,
éste se identificó para que al momento de la evaluación sensorial los jueces vieran
exactamente el lado por el cual se tomó la foto. Las imágenes fueron capturadas a su
máxima resolución (2.272 x 1.704 píxeles), y conectadas al puerto USB de un
computador Pentium IV, 1.200 MHz, en donde fueron guardadas para su posterior
procesamiento. De las 850 imágenes, 80 fueron utilizadas sólo para el análisis de color
y apariencia/forma, siendo esas 80 muestras evaluadas por cada uno de los 11 jueces;
y las restantes 770 fotografías se usaron para el análisis sensorial individual,
evaluando cada juez un total de 70 muestras distintas.
El montaje y calibración del sistema de visión computacional (Figura 2.3, Anexo
1) fue implementado como parte del proyecto Fondecyt 1070031 y se encuentran
disponibles en el Laboratorio de Análisis de Imágenes de Alimentos de la Universidad
de Santiago de Chile.
El
manejo
remoto
de
la
cámara
se
realizo
mediante
el
software
ZOOMBROWSER EX (ZoomBrowser EX, versión 5.7, Canon inc.), el cual permite
importar organizar e imprimir imágenes. Este Software posee un programa de disparo
remoto REMOTE CAPTURE (Remote Capture
versión 2.6.0.15, Canon Cámara
Library versión 5.0.0.13), donde se realizaron los ajustes de la cámara para la
obtención de fotografías de la máxima resolución posible. A continuación se presentan
los ajustes realizados:
21
1. Ajustes de disparo
•
Flash: Apagado
•
Velocidad ISO: 100
•
Balance de blancos: Fluorescente H
•
Efecto de fotografía: Efecto foto
•
Modo de disparo: Manual
•
Valor de abertura (Av): 8.0
•
Velocidad de obturación (Tv):1/15
•
Modo de medición: Puntual
2. Ajuste de ángulo
•
Tamaño /Calidad: RAW
•
Distancia focal: 14,4 mm.
•
Macro: Encender
2.2.4.3 Selección final de jueces: Uso de Escala Karlsruhe para los atributos
de Apariencia/Forma y Color.
Se hizo uso de la Escala sólo para Apariencia/Forma y Color en 80 muestras,
las cuales fueron evaluadas por todos los jueces. Estas 80 muestras fueron evaluadas
en ocho sesiones, en donde cada juez evaluó 10 muestras por sesión. Las muestras
fueron presentadas en bolsas individuales herméticas con fondo negro para que
tuvieran el mismo contraste del color de fondo con el que fueron capturadas las
imágenes digitales, además las bolsas estaban codificadas cada una con el mismo
número que tienen las fotos tomadas digitalmente
Esta etapa se realizó para corroborar la homogeneidad del panel, ya que no
debe haber diferencias estadísticamente significativas entre los jueces al realizar
ANOVA de una vía (jueces), luego se da paso a la siguiente etapa de este proyecto. En
esta
etapa
se
debieron
eliminar
los
jueces
que
presentaron
diferencias
22
estadísticamente significativas (niveles de significación menores a 0,05), ya que
significa desviación de la media de las calificaciones asignadas.
2.2.5
Evaluación Sensorial de muestras de papas fritas con panel entrenado.
A cada juez fueron asignados un total de 70 chips de papas, en cada sesión el
juez evaluó 10 chips para evitar errores por adaptación, en donde ocurre una
disminución de la sensibilidad del individuo frente al estímulo dado a causa de una
exposición continua a ese estímulo (Meilgaard, 1999). El método usado fue el
siguiente:
•
Se dispone de 10 muestras para cada juez, de distinta marca comercial, las que
son dispuestas en bolsas individuales con fondo negro, codificadas cada una
con el mismo número que tienen las fotos tomadas digitalmente.
•
Se colocaron las muestras en la cabina, junto al vaso con el medio de
neutralización (agua), la ficha de respuesta (Ficha N° 4, Anexo 2,), la escala
Karlsruhe Especifica para Papitas Tipo Chips y lápiz grafito (Figura 2.4, Anexo 1).
•
Se procede a evaluación por parte del juez, en cabinas separadas y preparadas
para ello.
•
El juez, primero debe evaluar las muestras con respecto a parámetros externos
(color y apariencia/forma), a continuación procede con los parámetros de olor,
sabor y textura.
2.2.6
2.2.6.1
Medición del color a través de imágenes digitales.
Análisis de imágenes digitales.
El análisis de las fotografías se realizó con el software MATLAB (The Language
of Technical Computing), herramienta que posee poderosas funciones que facilitan el
trabajo y la visualización de los resultados mediante gráficas e imágenes. En este
23
caso se realizó la extracción de características geométricas, de color y texturales. Se
extrajeron una total de 2.423 características por cada fotografía.
2.2.6.2 Datos de entrenamiento y prueba.
2.2.6.2.1 Para cada juez.
De las 70 muestras evaluadas por cada juez, se usó el 80%, es decir, 56
muestras para ser utilizadas en el entrenamiento y 14 para ser utilizadas de prueba.
Se define como entrenamiento al proceso donde se construye el modelo de regresión
que se realiza con 56 muestras, y se define como prueba
al proceso donde se
ingresan las 14 muestras restantes como prueba. Con el fin de obtener un modelo más
robusto con resultados más certeros se utilizo la técnica de validación cruzada,
explicada en el punto 2.2.6.3.
2.2.6.2.2 Para el total de jueces.
Similar al punto anterior, se usaron todas las muestras evaluadas por los jueces
y se analizaron como si fuese un solo juez. Entonces, de las 770 muestras de los 3
grados de calidad establecidos, se usó nuevamente el 80% (616 muestras) para ser
utilizadas en el entrenamiento y el 20% restante (154 muestras) para ser utilizadas de
prueba.
2.2.6.3 Validación cruzada.
Este método consiste en dividir el conjunto total de datos recopilados en
subconjuntos de igual cantidad, para luego ir variando el conjunto de entrenamiento,
validación y prueba, sin repetir el conjunto de prueba utilizado, con el objetivo de
probar el total de datos.
24
Es necesario utilizar la metodología de validación cruzada, para la presentación
de los resultados obtenidos, puesto que de esta forma se cubre la totalidad de
combinaciones para entrenamiento, validación y prueba (Figura 2.5 y 2.6). Así, se logra
que los resultados no sean sensibles a los conjuntos definidos, sino que sean
absolutos con respecto al total de los datos.
2.2.6.3.1 Para cada juez.
Para la realización de la validación cruzada se dividieron las 70 muestras para
cada tipo de papa en 5 subconjuntos ordenadas de la 1-14, 15-28, 29-42, 43-56, 57-70.
Luego se realizaron 5 procesos (Figura 2.5) donde en el primero se entrenó con
56 muestras (15-70), y se utilizó para la prueba un grupo de 14 muestras (1-14), así
sucesivamente hasta que cada subconjunto fuera utilizado como prueba.
VALIDACIÓN CRUZADA
Proceso 1 Proceso 2 Proceso 3 Proceso 4 Proceso 5
1-14
1-14
1-14
1-14
1-14
15-28
15-28
15-28
15-28
15-28
29-42
29-42
29-42
29-42
29-42
43-56
43-56
43-56
43-56
43-56
57-70
57-70
57-70
57-70
57-70
Datos de entrenamiento
Datos de prueba
Figura 2.5: Esquema de validación cruzada para cada juez.
25
2.2.6.3.2 Para el total de jueces.
Para la realización de la validación cruzada se dividieron las 770 muestras para
cada tipo de papa en cinco subconjuntos ordenadas de la 1-154, 155-308, 309-462,
463-616, 617-770.
Al igual que el punto anterior, se realizaron cinco proceso (Figura 2.6) donde en
el primero se entreno con 616 muestras (155-770), y por consiguiente se utilizo para la
prueba las 154 muestras restantes (1-154), así sucesivamente hasta que cada
subconjunto fuera utilizado como prueba.
VALIDACIÓN CRUZADA
Proceso 1
1-154
155-308
309-462
463-616
617-770
Proceso 2
1-154
155-308
309-462
463-616
617-770
Proceso 3
1-154
155-308
309-462
463-616
617-770
Proceso 4
1-154
155-308
309-462
463-616
617-770
Proceso 5
1-154
155-308
309-462
463-616
617-770
Datos de entrenamiento
Datos de prueba
Figura 2.6: Esquema de validación cruzada para el total de jueces
26
2.2.6.4 Clasificación de chips de papas fritas.
Para la etapa final de validación y clasificación de los resultados se empleó el
Toolbox Balu de Matlab 7.0 diseñado por Mery (2008). El programa consiste en la
creación de un clasificador que permita determinar los diferentes grados de calidad de
las imágenes digitales para simular los resultados obtenidos sensorialmente por los
jueces con en el Test de valoración de calidad con escala Karlsruhe para papas fritas
tipo chips (Tabla 3.7).
Se usaron para este trabajo cinco tipos de clasificadores supervisados,
determinados por Mery (2008), estos son:
1. pnn: Probabilistic neural network (probabilístico de redes neuronales)
2. lda: Linear discriminants analysis (análisis discriminante lineal)
3. knn: K nearest neighbor (k vecinos más cercanos)
4. dmi: Distancia mínima
5. mah: Distancia de Mahalanobis
Los clasificadores supervisados basan su aprendizaje en un conjunto de datos
denominado conjunto de entrenamiento, mediante el cual, se proporciona al
clasificador una serie de casos o situaciones con las que puede encontrarse al
requerirse una predicción o clasificación de un nuevo objeto (Vázquez et al,2005). Un
clasificador asocia cada patrón de entrada a una de las tres clases predefinidas, para
esto, se divide el espacio de entrada en regiones de decisión y todo lo que caiga dentro
de cada región corresponderá a una clase diferente. Para construir el clasificador se
diseñan un conjunto de funcionen discriminantes, una por cada clase existente, que
estimen la pertenencia del patrón de entrada a cada clase (Cebestany y Bermejo,
2003). Las clases definidas se muestran en la Tabla 2.4:
27
Tabla 2.4: Números de clases definidos y su correspondencia a grados de calidad en
la Tabla Karlsruhe.
Clases
Grados de Calidad
Puntajes asignados
1
1
5-6
2
2
3-4
3
3
1-2
* Los Grados de calidad y los puntajes asignados son los mismos que se encuentran en la
escala Karlsruhe.
Será elegido el clasificador que mejor simule o que mejor se comporte como un
juez real, y para esto se utilizan los siguientes criterios:
• Se debe escoger, en lo posible, el clasificador con el mayor porcentaje de
aciertos entre los datos entregados por la evaluación sensorial de los jueces y la
predicción del programa.
• Y que la vez, sea aquel que menos características (P) necesite analizar de las
2.423 extraídas inicialmente.
En la figura 2.7 se muestra como ejemplo el criterio de evaluación usado para
elección del mejor clasificador para el juez 1 en el atributo de color. En el ejemplo
se elige el clasificador lda que tiene un valor de 0,8571, lo cual equivale
aproximado a un 86% de aciertos con un P=8, lo que significa que para conseguir
ese porcentaje de aciertos es necesario sólo analizar las primeras 8 características
escogidas por el programa de un total de 2.423 medidas inicialmente, lo cual
reduce significativamente el tiempo de análisis.
28
Figura 2.7: Criterio de evaluación usado para elección del mejor clasificador para juez 1
en el atributo de color
29
2.3
Diagrama de bloques.
EVALUACIÓN SENSORIAL
Selección de los jueces
• Ordenamiento de color.
• Umbral de identificación
de gusto salado.
Entrenamiento de los jueces
Diseño de Tabla de Valoración
de Calidad Específica para
papas fritas tipo chips
VISIÓN
COMPUTACIONAL
Selección de muestras
Selección final de jueces con
80 muestras mediante ANOVA
Adquisición de imágenes
Evaluación Sensorial
de 770 muestras
Análisis de imágenes
Validación cruzada
Clasificación de chips de
papas fritas
30
3. RESULTADOS Y DISCUSIONES
3.1
3.1.1
Selección de los panelistas.
Ordenamiento de color.
En la tabla 3.4 se muestran los aciertos por juez para el ordenamiento de color
de tres series, y su aceptación o rechazo, de acuerdo a los criterios definidos en el
punto 2.2.2.1. En las tablas 3.1, 3.2 y 3.3 (Anexo 3) se encuentran los resultados
detallados.
Tabla 3.4: Resultados de aceptación o rechazo por cada juez para el ordenamiento de
color.
Aciertos por color (10 diluciones)
JUEZ
Total de
aciertos
% Aciertos
VERDE
AMARILLO
NARANJO
1
10
10
10
30
100
2
10
10
10
30
100
3
4
10
6
20
66,7
4
8
8
10
26
86,7
5
10
10
10
30
100
6
8
10
10
28
93,3
7
5
8
8
21
70
8
10
10
7
27
90
9
8
10
10
28
93,3
10
8
6
8
22
73,3
11
8
10
8
26
86,7
12
4
10
10
24
80
13
6
8
10
24
80
14
7
8
8
23
76,7
15
5
5
8
18
60
16
6
3
7
16
53,3
17
10
10
10
30
100
Panelistas que no pasaron a la siguiente etapa, por tener menos de 80%
De aciertos para los 3 colores.
31
De un total de 17 participantes invitados en formar parte del panel sensorial,
sólo 11 pasaron a la siguiente etapa ya que obtuvieron porcentajes de aciertos
mayores al 80%. Por lo tanto, la numeración de los jueces para las siguientes etapas
se hará nuevamente debido a la eliminación de 6 participantes que no pasaron la etapa
de selección.
3.1.2
Umbral de identificación de gusto salado.
En la tabla 3.5 se presentan los resultados obtenidos en la segunda etapa de
selección del panel sensorial, que corresponden a la identificación de umbral de gusto
salado.
Tabla 3.5 Resultados de aceptación o rechazo por cada juez en la identificación de
umbral de gusto salado.
Juez
Umbral de identificación de gusto
salado (g NaCl/100ml)
1
0,02
2
0,04
3
0,02
4
0,03
5
0,04
6
0,03
7
0,04
8
0,04
9
0,03
10
0,03
11
0,02
* Las concentraciones que fueron preparadas van desde 0,00 a 0,20 g NaCl/100ml
32
El criterio usado para esta etapa de selección fue que los jueces obtuvieran un
valor máximo de umbral de identificación de 0,08 g NaCl/100ml. En base a lo anterior,
todos los jueces aprobaron esta etapa.
Ambas pruebas realizadas, permitieron escoger a los candidatos con mayor
capacidad
de
concentración,
sensibilidad
frente
a
diferentes
estímulos
y
reproductibilidad de los juicios emitidos (Wittig de Penna, 1981). Permitió también
detectar a las personas que padezcan alguna anomalía de orden fisiológico como
podría ser el daltonismo, la cual en nuestro caso debería ser descartada
inmediatamente por tratarse de un estudio que incluye la evaluación de color.
3.2
Entrenamiento del panel.
3.2.1
3.2.1.1
Evaluación de calidad.
Diseño Tabla de
Valoración de Calidad con Escala Específica para
Papas Fritas tipo chips.
Luego de la descripción de color, apariencia/forma, olor, sabor y textura
realizados en cuatro sesiones de acuerdo a la metodología planteada en el punto
2.2.3.1 se agruparon los datos obtenidos (Tabla 3.6, Anexo 3).
Los comentarios fueron recopilados por los 11 jueces que pasaron la etapa de
entrenamiento, y la agrupación de los datos obtenidos se realizó según la tabla de
valoración de calidad general de nueve puntos. Se calificó de forma positiva (+)
aquellas comentarios que reflejaran características típicas deseables en el producto
(Grado 1), por ejemplo, color uniforme y amarillo típico. Por el contrario se agruparon
de forma negativa (-) aquellas descripciones que reflejaran un deterioro tolerable como
presencia de manchas, o indeseable como zonas verdosas (Grado 2 y 3
respectivamente).
33
Extracto Tabla 3.6: Agrupación de datos para la elaboración de la Tabla con Escala
Karlsruhe Específica para Papas fritas tipo chips.
Atributo
Descriptor
Dirección de la
Grado de
característica
calidad
6
+
1
7
+
1
4
-
2-3
Algo pálido
4
-
2
Muy oscura
5
-
3
Bordes oscuros
6
-
2-3
Presencia de manchas
3
-
2
Zonas verdosas
2
-
3
Amarillo típico
Color
homogéneo/uniforme
Color poco o nada
homogéneo/uniforme
COLOR
Frecuencia
* La frecuencia se refiere al número de veces que se repitió ese descriptor.
Luego de la agrupación de datos fue posible elaborar la Tabla de valoración de
calidad de 6 puntos específica para papas fritas tipo chips, la cual fue evaluada en dos
sesiones para realizar los ajustes correspondientes y obtener finalmente la Tabla de
Valoración de Calidad con Escala Karlsruhe Especifica para Papas Fritas Tipo Chips
que se muestra a continuación.
34
Tabla 3.7: TEST DE VALORACIÓN DE CALIDAD CON ESCALA DE KARLSRUHE PARA PAPAS FRITAS TIPO CHIPS
Atributo
Color
Apariencia/ Forma
Olor
Sabor
Textura
Calidad Grado 1
Características Típicas
Muy Buena
Buena
6
5
Calidad Grado 2
Deterioro Tolerable
Regular
Suficiente
4
3
Calidad Grado 3
Deterioro Indeseable
Mala
Muy Mala
2
1
Natural, amarillo típico, Natural, amarillo típico,
color uniforme.
algo pálido u oscuro,
color aún uniforme en
la unidad.
Amarillo pero poco
homogéneo. Bordes
levemente oscuros.
Hay presencia de
manchas.
Color poco
característico y
heterogéneo. Bordes
muy oscuros.
Presencia de muchas
manchas.
El color típico ha
desaparecido. Bordes
quemados y
verdosos. Color muy
oscuro. Totalmente
manchadas
Superficie totalmente
quemada, color
totalmente alterado.
Tamaño muy
uniforme, bordes bien
definidos y regulares,
superficie lisa, nada
aceitosa.
Algo alterada, bordes
irregulares, superficie
con algunas burbujas.
Algo aceitosa.
Bordes irregulares.
Presencia de cáscara.
Superficie con
burbujas. Aceitosa.
Presencia de mucha
cáscara Superficie
muy quemada.
Avanzada alteración.
Muy aceitosa.
Completamente
alterada. Quemadas, y
de forma irregular.
Característico a papas
fritas, intensidad justa.
Ausencia de olor a
quemado o tostado.
Bordes parejos,
superficie casi lisa.
Puede haber
presencia muy leve de
burbujas. Levemente
aceitosa con bordes
algo irregulares.
Característico a papas
fritas, aún equilibrado,
aunque más o menos
intenso.
Daño todavía
aceptable. Poco olor a
papas fritas. Muy
intenso o muy débil.
Claramente dañado.
Olor a aceite o fritura.
Alterado, a aceite
Extraño,
ranciado y/o quemado. desagradable,
Francamente
deteriorado. Rancio
Característico a papas
fritas, salado
adecuado, ausencia
de sabor a quemado o
tostado. Aceitosidad
leve y caracteristica.
Característico a papas
fritas, más o menos
intenso, salado aún
adecuado. Algo más
aceitoso pero aún
adecuado.
Muy saladas o poco
saladas. Disminución
de sabor a papas
fritas. Sabor aceitoso.
Claramente dañado,
sabor poco
caracteristico, débil en
intensidad. Muy
saladas o poco
saladas. Aceitoso.
Alterado,
desagradable. Rancio.
Sabor a quemado,
muy aceitoso. Ácido.
Extraño,
desagradable,
completamente rancio.
Francamente
deteriorado. Muy
ácido.
Muy buena, crujencia,
dureza adecuada,
poco aceitosa, suave
al paladar.
Normal, levemente
blanda o dura.
Levemente aceitosa,
crujiencia adecuada.
Levemete rugosa al
paladar.
Muy blanda o muy
dura, aceitosa. Algo
áspera y rugosa al
paladar.
Muy blanda o muy
dura, poca crujencia,
aceitosa. Rugosa y
áspera al paladar.
Muy alterada,
intensamente dura o
blanda. Nada
crujiente.
Extremadamente
aceitosa. Muy rugosa
al paladar.
Completamente
alterada, unidad
completamente
rugosa, áspera al
paladar. Totalmente
deteriorada.
35
3.2.1.2
Selección final de jueces: Uso de escala Karlsruhe sólo para
Apariencia/Forma y Color.
En la tabla 3.8 se presentan los resultados del análisis de varianza de una vía
(jueces) realizado con 80 muestras evaluadas por todos los jueces.
Tabla 3.8: Tabla ANOVA para jueces
Atributos
Nivel de
significación
Diferencia Significativa
COLOR
0,9206
NO
APARIENCIA/FORMA
0,9832
NO
La obtención de niveles de significación mayores a 0,05, quiere decir que no
hay diferencias estadísticamente significativas entre jueces para los atributos de color y
apariencia/forma, se confirma entonces que contamos con un panel homogéneo y bien
entrenado, por lo tanto no es necesario eliminar a ninguno de los jueces.
3.3
Clasificación de papas fritas tipo “chips” del mercado, mediante la
aplicación de visión computacional.
La clasificación se realizó con las imágenes capturadas y evaluadas
posteriormente por los jueces. En las Figuras 3.1, 3.2 y 3.3 se muestran ejemplos de
papas clasificadas en los tres grados de calidad definidos en la escala de valoración de
calidad para papas fritas tipo chips.
Las Figura 3.1, 3.2 y 3.3 muestra papas tipo chips clasificadas en Grados de
Calidad 1, 2 y 3 respectivamente, según los jueces.
36
Figura 3.1: Papas fritas tipo chips clasificadas por los jueces como Grado 1.
Como se observa en la Figura 3.1, todas las muestran tienen un color
homogéneo, presentan bordes bien definidos, tamaño uniforme y superficie lisa. No
presentan manchas ni color quemado o tostado.
Figura 3.2: Papas fritas tipo chips clasificadas por los jueces como Grado 2.
37
En la figura 3.2 se encuentran papas fritas tipo chips clasificadas en grado de
calidad 2, ya que presentan pequeños deterioros aún tolerables en el producto,
encontramos papas fritas de color amarillo pero poco homogéneo, con presencia de
algunas manchas y burbujas en la superficie, aspecto levemente aceitoso.
Figura 3.3: Papas fritas tipo chips clasificadas por los jueces como Grado 3.
La Figura 3.3 muestra las papas fritas clasificadas de grado 3 y que reflejan un
deterioro indeseable en el producto, se observan muestras de un color muy oscuro,
totalmente quemado, de forma y bordes irregulares, superficie aceitosa y con presencia
de manchas.
Para el análisis de imágenes y posterior clasificación de las papas fritas, el
programa generó 20 gráficos por cada juez, 4 por cada atributo sensorial evaluado
obteniéndose un total de 220 gráficos en total. En las figuras 3.4, 3.5, 3.6 y 3.7 se
presentan a modo de ejemplo 4 gráficos de 4 jueces tomados al azar.
La Figura 3.4 muestra las 20 mejores características de las 2.423 extraídas
inicialmente para cada juez por atributo y que son las que se utilizaron para la posterior
38
clasificación, pudiendo ocuparse desde sólo 1 hasta las 20. La búsqueda de estas 20
características se realiza mediante el discriminante de Fisher, el cual mide la
separabilidad de las clases, siendo la primera característica encontrada la que mas se
separa de las otras 19.
Figura 3.4: Veinte mejores características encontradas para la clasificación con el
discriminante de Fisher.
Se observa en la Figura 3.4 que la mejor característica corresponde a la
primera barra que tiene el número 40 (con flecha). Así sucesivamente se van
encontrando las 19 características restantes para luego elegir según los porcentajes de
aciertos entregados, cuáles son las más relevantes al momento de elegir el
clasificador.
La Figura 3.5 relaciona la mejor característica encontrada y la función de
densidad de probabilidad, lo que se espera encontrar para obtener un porcentaje de
39
100% de aciertos es que no se produzca traslape entre las clases, pero esto en la
realidad es casi imposible, puesto que aunque el panel esté entrenado siempre hay
pequeñas diferencias.
Figura 3.5: Mejor característica encontrada v/s función de densidad de probabilidad.
Se nota claramente que para las muestras de grado 3 (curva celeste) no hay
traslape, lo cual significa que en este caso en particular los jueces lograron distinguir
muy bien los defectos de las muestras, pero para las grados 2 (curva roja) y 1 (curva
azul) no existe tanta diferenciación.
En la Figura 3.6 se representan las dos mejores características encontradas, y
lo que se espera encontrar son tres nubes de puntos completamente separadas,
correspondientes a los 3 grados de calidad.
40
Figura 3.6: Mejor característica encontrada v/s segunda mejor para la clasificación.
El resultado en este caso es muy bueno, ya que se nota claramente que hay
sólo dos puntos rojos interfiriendo en las otras clases, uno en la clase 3 y otro en la
clase 1 y son precisamente esos puntos los que disminuyen el porcentajes de aciertos,
ya que pueden ser clasificados, como grado 2 (curva roja) y 3 (curva celeste) para el
primer punto; o como 1 y 2 para el segundo.
La Figura 3.7 muestra un espacio tridimensional de las tres mejores
características encontradas por el Balu para hacer la clasificación de las papas fritas, y
al igual que en la Figura anterior, se espera encontrar tres nubes de puntos lo más
separadas posibles para asegurarnos un buen porcentaje de aciertos en la posterior
clasificación.
41
Figura 3.7: Tres mejores características encontradas para la clasificación.
En este caso, la clase 2 intercepta sólo en un punto con la clase 1, lo que
significa que al hacer la clasificación automática el programa la podría clasificar como
de grado 1 o 2
En las Tablas 3.9, 3.10, 3.11, 3.12, 3.13 y 3.14 se muestra un resumen de todos
lo datos analizados, en donde para cada juez se buscó el mejor clasificador para cada
atributo. El porcentaje de aciertos (%A) significa en qué porcentaje el clasificador
encontrado predijo exactamente lo dicho por el juez. La letra P equivale al número de
características necesarias de analizar para obtener los porcentajes de aciertos
predichos. Y finalmente se eligió el clasificador que mejor incorporó éstas
dos
variables.
42
Tabla 3.9: Elección del mejor clasificador respecto al porcentaje de aciertos (%A) y al
menor número de características (P) para cada juez por separado.
Atributo
Apariencia/
forma
Color
Juez
%A
1
86
2
80
3
89
4
83
5
86
6
86
7
89
8
77
9
81
10
93
11
87
P
Clasif.
8
lda
1
mah
8
lda
8
lda
10
lda
8
lda
4
lda
10
lda
2
mah
8
lda
4
lda
%A
83
77
86
79
80
79
79
79
74
80
81
P
Clasif.
8
pnn
4
pnn
4
mah
1
knn
4
pnn
8
lda
10
dmi
4
lda
4
lda
2
pnn
4
mah
Olor
%A
73
76
86
76
63
67
84
76
69
69
61
Sabor
P
Clasif.
4
pnn
8
knn
2
knn
8
lda
8
dmi
1
pnn
1
pnn
8
lda
1
lda
8
lda
1
pnn
%A
74
76
89
70
74
66
74
73
81
76
67
Textura
P
Clasif.
8
dmi
8
pnn
2
pnn
2
pnn
8
pnn
2
pnn
4
lda
8
lda
10
lda
10
lda
4
dmi
%A
74
67
94
74
83
70
71
76
80
71
71
P
Clasif.
4
lda
8
dmi
8
lda
8
pnn
1
mah
10
lda
4
lda
4
lda
4
lda
4
pnn
2
pnn
% A: Porcentaje de aciertos.
P: Menor número de Características necesarias a analizar.
Clasif: Mejor clasificador encontrado de acuerdo a la metodología descrita en el punto 2.2.6.4.
(pnn: Probabilistic neural network, lda: Linear discriminants analysis, knn: K nearest neighbor,
dmi: Distancia mínima, mah: Distancia de Mahalanobis).
43
Para color, se repite en 9 jueces el mismo clasificador (lda), por lo cual es
recomendable su uso para clasificar las papas fritas tipo chips en el atributo de color,
sin embargo, al no conseguir una buena frecuencia de repetitividad de algún
clasificador en los otros atributos, no es posible hacer una predicción respecto a qué
clasificador será más adecuado en ellos.
A continuación en la Tabla 3.10, se muestran los promedios para todos los
jueces obtenidos por cada atributo.
Tabla 3.10: Promedio de los porcentajes de aciertos obtenidos para cada atributo.
ATRIBUTO
Color
Apariencia/
forma
Olor
Sabor
Textura
85
80
73
75
76
Promedio de
aciertos (%)
Para el atributo de color y apariencia/forma, se encuentran los mejores
porcentajes de aciertos de 85% y 80% respectivamente. Esto debido a que la
clasificación se hace a partir de imágenes digitales y estos dos atributos son los que
mejor se pueden predecir, ya que tienen directa relación con la parte visual percibida
por el juez. Sin embargo, con un mayor entrenamiento se podrían conseguir valores
más altos, que serían los ideales por tratarse de parámetros externos. Atributos como
olor, sabor y textura obtuvieron menores porcentajes, pero aún buenos si se considera
que éstos atributos no tienen directa relación con las imágenes captadas. La manera
en que se espera tengan relación con los parámetros visuales de color y
apariencia/forma se muestra en la Tabla 3.11.
44
Tabla
3.11:
Relación
entre
atributos
medibles
visualmente
y
sus
posibles
consecuencias en el producto final.
Consecuencias
Visualmente
Color
Apariencia/forma
Muy oscuro
Muy aceitosa
Olor
Sabor
Quemado
o tostado
A aceite o
fritura
Quemado
o tostado
Rancio, a
aceite
Textura
Aceitosidad
en la boca
La disminución en los porcentajes de aciertos obtenidos para olor, sabor y
textura, se debe a que una papa frita de color oscuro (muy quemada), probablemente
presenta olor y sabor quemado o tostado. Sin embargo en papas fritas de color típico y
homogéneo no necesariamente se encuentra olor, sabor y textura característicos, es
posible que tengan olor/sabor aceitoso o rancio y textura muy dura o muy blanda, sin
necesidad que esto se vea reflejado en los parámetros visuales.
45
Tabla 3.12: Promedio de los porcentajes de aciertos por cada juez en los cinco
atributos
Juez
Promedio de
aciertos (%)
1
78
2
75
3
89
4
76
5
77
6
74
7
79
8
76
9
77
10
78
11
73
Al analizar los promedios de atributos por cada juez, se observa que el juez 3
obtuvo el mejor promedio de los porcentajes de aciertos para los cinco atributos,
obteniendo el porcentaje más alto en textura con un 94% de aciertos, por lo tanto es el
juez más homogéneo en cuanto a sus resultados, es decir, no tuvo grandes diferencias
cuando evaluó las distintas muestras entregadas.
46
Luego de la elección del mejor juez individual, se diseñó un juez llamado X, que
recopila los datos de los 11 jueces y los unifica para la creación de un nuevo juez que
considera todos los juicios emitidos. En la Tabla 3.13 se muestran los resultados
obtenidos.
Tabla 3.13: Elección del mejor clasificador respecto al porcentaje de aciertos (%A) y al
menor número de características (P) para un solo juez virtual X, tomando todos los
datos de cada juez.
Atributo
Apariencia/
Forma
Color
P
Juez
%A
P
%A
Clasif.
62
P
P
Clasif.
8
63
pnn
P
%A
Clasif.
8
62
lda
Textura
%A
Clasif.
1
60
pnn
Sabor
%A
Clasif.
4
X
Olor
1
61
pnn
pnn
% A: Porcentaje de aciertos.
P: Menor número de Características necesarias a analizar.
Clasif: Mejor clasificador encontrado de acuerdo a la metodología descrita en el punto 2.2.6.4
(pnn: Probabilistic neural network, lda: Linear discriminants analysis, knn: K nearest neighbor,
dmi: Distancia mínima, mah: Distancia de Mahalanobis).
Los porcentajes de aciertos son bajos de alrededor del 60%, en relación a los
promedios de los jueces individuales (Tabla 3.10) en donde se obtuvieron porcentajes
superiores al 70% en todos los casos. Esto se puede deber a que al analizar los jueces
individualmente se está midiendo cuán homogéneo fue cada uno de ellos en sus
respuestas y en base a ello se realizó la posterior clasificación. Por el contrario, al
diseñar un juez virtual con todos los datos, la etapa de entrenamiento y prueba toma un
universo mucho más grande de respuestas emitidas por diferentes jueces, por lo tanto
hay mayor dispersión de los datos, obteniéndose una mayor desviación estándar y por
consiguiente un menor ajuste.
47
En la tabla siguiente se muestran los resultados obtenidos para las 80 muestras
evaluadas por todos los jueces sólo en color y apariencia /forma.
Tabla 3.14: Elección del mejor clasificador respecto al porcentaje de aciertos (%A) y al
menor número de características (P) para los atributos de color y apariencia/forma de
las mismas muestras evaluadas por todos los jueces.
Atributo
Apariencia/
forma
Color
P
Juez
%A
P
%A
Clasif.
Clasif.
8
X
84
1
86
lda
knn
% A: Porcentaje de aciertos.
P: Menor número de Características necesarias a analizar.
Clasif: Mejor clasificador encontrado de acuerdo a la metodología descrita en el punto 2.2.6.4
(pnn: Probabilistic neural network, lda: Linear discriminants analysis, knn: K nearest neighbor,
dmi: Distancia mínima, mah: Distancia de Mahalanobis).
Como se esperaba, los porcentajes de aciertos son bastante buenos, debido a
que se confirma en este punto que el panel está entrenado en atributos visuales de
color y apariencia/forma, debido a que presentaron niveles de significación cercanos a
uno en el análisis estadístico, no así para atributos de olor, sabor y textura, en dónde
no es posible realizar pruebas estadísticas ya que estos atributos fueron medidos en
muestras individuales y únicas para cada juez.
Al comparar estos promedios de color y apariencia/forma con los promedios de
los jueces individuales (Tabla 3.10) los resultados son muy similares. Esto indica que
para parámetros sensoriales determinados visualmente, se logró un buen desempeño
de cada uno de los jueces, comparable con el resultado obtenido cuando todos los
jueces evaluaron las mismas 80 muestras.
48
4. CONCLUSIONES
• Se entrenó un panel de 11 jueces, para esto fue necesaria la eliminación de seis
jueces en la etapa de ordenamiento de color. Se comprobó el entrenamiento del
panel con 80 muestras evaluadas por todos los jueces en parámetros visuales y se
obtuvo un nivel de significación de 0,9206 para color y de 0,9832 para
apariencia/forma, ambos valores mayores a 0,05, por lo tanto no existen diferencias
significativas entre jueces para estos atributos.
• Se obtuvo una Tabla de valoración de Calidad específica para papas fritas tipo chips,
basándose en la Tabla General, la cual se logró en cuatro sesiones de
entrenamiento.
• El sistema de visión computacional usado entregó las 20 mejores características de
un total de 2.423 extraídas por cada una de las 850 imágenes capturadas, las que
se relacionaron con los datos sensoriales obtenidos.
• Para el análisis de promedios de aciertos por atributo por cada juez para el mejor
clasificador encontrado los porcentajes fueron de 85% para color y de 80% para
apariencia/forma. Para los atributos olor, sabor y textura, los porcentajes de aciertos
fueron algo inferiores pero aún sobre 70%, esto debido a que tienen menor relación
con los atributos visuales.
• Para el análisis de todos los valores por atributos simulando un solo juez X, los
resultados en porcentajes de aciertos fueron para color un 62%, apariencia/forma un
60%, olor 62%, sabor 63% y para textura un 61%. Estos porcentajes de aciertos
fueron bastante menores a los obtenidos por los jueces individuales debido a que
hay una mayor dispersión de los datos y un menor ajuste.
49
• Es posible la implementación de un sistema por visión computacional que permita
reconocer automáticamente el grado de calidad de cada chip de papa frita en la línea
de procesos, para poder predecir atributos sensoriales mediante el análisis de
imágenes. Es recomendable hacer uso de este sistema especialmente para atributos
externos como color y apariencia/forma seleccionando los jueces de acuerdo a su
rendimiento, para obtener un mejor ajuste de los datos sensoriales y los obtenidos a
través de visión computacional.
50
5. BIBLIOGRAFÍA
•
Álvarez, M. (2005). La fritura de los Alimentos. Instituto de Farmacia y Alimentos
(IFAL) de la Universidad de La Habana, Ciudad de La Habana, Cuba. [en línea]
<http://www.monografias.com/trabajos31/fritura-alimentos/fritura-alimentos.shtml>
[consulta: agosto 2008]
•
Anderson, A. (1994). Modelling of potato blanching. Ph. D. Thesis, Lund University.
Sweden.
•
Brosnan, T y Sun, D. (2004). Improving quality inspection of food products by
computer vision - a review. Journal of Food Engineering 61: 3-16.
•
Castleman, K. (1996). Digital Image Processing. Englewood Cliffs, New Jersey:
Prentice-Hall.
•
Cebestan, J., Bermejo, S. (2003). Sistemas conexionistas para el tratamiento de la
información. Edicion UPC de la Universidad politécnica de Cataluña. Capítulo 3
Aplicaciones del aprendizaje estadístico. Pag 51-52. [en línea]
http://www.edicionsupc.es/ftppublic/pdfmostra/EE05302M.pdf [consulta: octubre 2008]
•
Contreras, A. (1999). Antecedentes sobre el origen de la papa, Revista de la Papa,
vol. 1, Nº 3. pp. 2-3.
•
Contreras, A. (2001). La papa. Facultad de Ciencias Agrarias, Universidad Austral
de Chile. Curador Germoplasma Chileno de papas [en línea]
<http://www.agrarias.cl/instituto/prod_sanidad_vegetal/webpapa/pag14.html> [consulta:
julio 2008]
•
Dilmer, J. (2007). Calidad de la papa para usos industriales. [en línea]
51
<http://www.redepapa.org/calidadpapa.pdf> [consulta: septiembre 2008]
•
Du, C. y Sun, D. (2004). Recent developments in the applications of image
processing techniques for food quality evaluation. Trends in Food Science &
Technology 15: 230-249.
•
FOOD AND AGRICULTURE ORGANIZATION OF THE UNITED NATIONS. Año
International de la papa 2008 [en línea]
<http://www.potato2008.org/es/mundo/index.html> [consulta: agosto 2008]
•
Gonzalez,
R.,
Wintz,
O.
(1991).
Digital
Image
Processing.
3th
edition.
Massachusetts: Addison-Wesley Publishing Co.
•
Jellinek, G. (1985). Sensory Evaluation of Food Theory and practice. Internacional
publishers in science and technology. Chichester England.
•
Kraup, C. (2006).Tubérculos. [en línea]
<http://www.puc.cl/sw_educ/cultivos/papa/tubercul.htm> [consulta: agosto 2008]
•
León, K., Mery, D y Pedreschi, F.( 2005). Color Measurement in L*a*b* units from
RGB digital images. Journal of Food Engineering.
•
Lisinska, G y Leszcynski, W. (1989). Potato Science and Technology. Elsevier
Applied Science, Publishers Ltda. Inglaterra.
•
Meilgaard, M., Civille, G:V: y Carr, B. (1999). Sensory Evalution techniques. 2nd
edition. CRC press, inc., Estados Unidos.
52
•
Mery, D. (2003). Crossing line profile: a new approach to detecting defects in
aluminum castings. In: Bigun J, Gustavsson T, editors. Proc. Scandinavian
Conf.Image Anal. 2003 (SCIA 2003). Lect Notes Comput Sci 2749:725–32.
•
Mery, D. (2008). Jefe del Departamento de Ciencias de la Computación, Facultad
de Ingeniería, Pontificia Universidad Católica de Chile. Comunicación personal.
•
Pedreschi, F., Aguilera, JM y Brown, CA. (2000). Characterization of food surfaces
using scale-sensitive fractal analysis. Journal of Food Process Engineering 23: 127143.
•
Pedreschi, F y Aguilera JM. (2002). Some changes in potato chips during frying
observed by confocal laser scanning microscopy (CLSM). Food Sci Technol Int7
2:1-5.
•
Vázquez, F., Pla, F., Sánchez, J.S (2005). Una propuesta basada en la estimación
de las probabilidades para la edición utilizando el clasificador k-NN. Departamento
de Computación Universidad Oriente, Santiago de Cuba, Cuba. Departamento de
Lenguajes y Sistemas Informáticos Universitat Jaume I, Castellón, España.
•
Wittig de Penna, E. (1981). Evaluación sensorial. Una metodología actual para
tecnología de alimentos. Ed. USACH, Santiago, Chile.
53
ANEXOS
ANEXO 1
Figura 1.1: Planta de la papa en donde se distinguen las dos partes principales que
la componen.
Figura 1.2: Morfología del tubérculo de la papa (Solanum tuberosum).Corte
transversal (Lisinska y Leszczynski, 1989).
Figura 1.3: Esquema de un proceso de análisis de imágenes: adquisición de la
imagen, pre-procesamiento, segmentación, medición (o extracción de
características), interpretación o clasificación (Mery, 2002).
Figura 2.2: Cámara digital powerShot G3.
Figura 2.3: Montaje para la adquisición de imágenes.
Figura 2.4: Cabina de evaluación para muestras de Papas Fritas Tipo Chips con
Escala Karlsruhe.
ANEXO 2
FICHA DE RESPUESTA N° 1
RANKING DE COLOR
Nombre: _________________________
Fecha: _________________
Set: (Verde, Amarillo o Naranjo)
Test: Ordenamiento
Por favor ordenne los tubos que contienen las soluciones coloreadas de
acuerdo al aumento de intensidad de color.
Anote en la línea inferior la letra de cada tubo en el orden que haya
establecido.
(más débil)
(más intenso)
FICHA DE RESPUESTA N° 2
UMBRAL DE IDENTIFICACIÓN
Nombre: ______________________________
Set
Fecha: ____________
: __________
Deguste
cuidadosamente
la
serie
de
10
muestras
entregadas;
corresponden a concentraciones crecientes de uno de los gustos básicos
(dulce, ácido, salado o amargo).
No está permitido volver atrás en la degustación. Enjuágue con agua
entre muestras. No trague las muestras. Describa el gusto y factores que
Ud. perciba de cada muestra (por ejemplo: astringente, áspero, seco, etc.) e
informe acerca de la intensidad según la escala siguiente:
0 = Igual a agua.
? = Diferente del agua, pero el gusto no es identificable.
)( = Se reconoce de qué gusto se trata. Corresponde al umbral de
identificación.
1 = Débil
2 = Medio
3 = Intenso, marcado
4 = Muy intenso, muy marcado
5 = Extremadamente intenso, extremadamente marcado
Solución
Nº
1
2
3
4
5
6
7
8
9
10
Descripción del gusto y factores
percibidos
Intensidad
(en escala 0 a
5, o símbolos )(
o?)
FICHA DE RESPUESTA N° 3
DESCRIPCIÓN DE PRODUCTOS
Nombre: ______________________________
Set
Fecha: ____________
: __________
Por favor describa lo más detalladamente que pueda cada una de las
características del alimento. NO COLOQUE PALABRAS como “agradable”,
“desagradable”, “bueno” o “malo”.
ATRIBUTO MUESTRA
W
Color
X
Y
W
Apariencia/
Forma
X
Y
DESCRIPCION
ATRIBUTO MUESTRA
W
Olor
X
Y
W
Sabor
X
Y
W
Textura
X
Y
DESCRIPCION
FICHA DE RESPUESTA N° 4
FICHA DE RESPUESTA
TEST DE KARLSRUHE PARA PAPAS FRITAS TIPO CHIPS
Nombre: ______________________________
Set
Fecha: ____________
: __________
MUESTRA
ATRIBUTO PUNTAJE
COLOR
APARIENCIA/
FORMA
OLOR
SABOR
TEXTURA
COLOR
APARIENCIA/
FORMA
OLOR
SABOR
TEXTURA
COLOR
APARIENCIA/
FORMA
OLOR
SABOR
TEXTURA
COLOR
APARIENCIA/
FORMA
OLOR
SABOR
TEXTURA
COLOR
APARIENCIA/
FORMA
OLOR
SABOR
TEXTURA
OBSERVACIONES
ANEXO 3
Tabla 3.1: Resultados de aceptación o rechazo para la dilución verde por jueces y
por color.
% AGUA EN SOLUCIÓN
CLAVES DE LA
SOLUCIÓN
JUEZ
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
TOTAL
55
50
45
40
35
30
25
20
10
0
M
R
S
T
K
C
L
A
F
Z
+
+
R
+
+
+
+
+
+
+
+
R
+
+
+
+
+
15
+
+
M
+
+
+
+
+
+
+
+
M
+
+
+
+
+
15
+
+
T
+
+
T
T
+
T
+
+
+
T
+
+
+
+
12
+
+
S
K
+
S
S
+
S
+
+
+
S
+
K
L
+
8
+
+
+
T
+
+
+
+
+
+
C
+
+
L
T
T
+
12
+
+
+
+
+
+
L
+
+
+
K
L
+
K
+
K
+
12
+
+
+
+
+
+
A
+
+
A
+
C
A
C
+
C
+
11
+
+
+
+
+
+
C
+
+
L
+
+
L
+
F
+
+
13
+
+
Z
+
+
+
+
+
+
+
+
Z
+
+
Z
+
+
14
+
+
F
+
+
+
+
+
+
+
+
F
+
+
A
+
+
14
Diluciones erróneas en el ordenamiento de color.
Total
10
10
4
8
10
8
5
10
8
8
8
4
6
7
5
6
10
Tabla 3.2: Resultados de aceptación o rechazo para la dilución amarilla por jueces y
por color.
% AGUA EN SOLUCIÓN
CLAVES DE LA
SOLUCIÓN
JUEZ
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
TOTAL
55
50
45
40
35
30
25
20
10
0
A
X
W
P
M
H
Z
C
Y
E
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
17
+
+
+
+
+
+
+
+
+
W
+
+
+
+
W
W
+
14
+
+
+
P
+
+
P
+
+
X
+
+
+
+
X
X
+
12
+
+
+
W
+
+
W
+
+
+
+
+
+
+
+
M
+
14
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
P
+
16
+
+
+
+
+
+
+
+
+
Z
+
+
+
+
Z
C
+
14
+
+
+
+
+
+
+
+
+
H
+
+
C
C
C
H
+
12
+
+
+
+
+
+
+
+
+
+
+
+
Z
Z
M
Z
+
13
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
17
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
17
Diluciones erróneas en el ordenamiento de color.
Total
10
10
10
8
10
10
8
10
10
6
10
10
8
8
5
3
10
Tabla 3.3: Resultados de aceptación o rechazo para la dilución naranja por jueces y
por color.
% AGUA EN SOLUCIÓN
CLAVES DE LA
SOLUCIÓN
JUEZ
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
TOTAL
55
50
45
40
35
30
25
20
10
0
X
P
C
D
Q
E
R
F
U
S
+
+
+
+
+
+
P
+
+
+
+
+
+
+
+
+
+
16
+
+
C
+
+
+
X
+
+
+
+
+
+
+
+
+
+
15
+
+
P
+
+
+
+
+
+
D
+
+
+
+
+
+
+
15
+
+
+
+
+
+
+
+
+
C
+
+
+
+
+
+
+
16
+
+
+
+
+
+
+
E
+
+
E
+
+
E
E
+
+
13
+
+
+
+
+
+
+
R
+
+
Q
+
+
Q
Q
R
+
12
+
+
+
+
+
+
+
Q
+
+
+
+
+
+
+
F
+
15
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
E
+
16
+
+
S
+
+
+
+
+
+
+
+
+
+
+
+
+
+
16
+
+
U
+
+
+
+
+
+
+
+
+
+
+
+
+
+
16
Diluciones erróneas en el ordenamiento de color.
Total
10
10
6
10
10
10
8
7
10
8
8
10
10
8
8
7
10
Tabla 3.6: Agrupación de datos para la elaboración de la Tabla con Escala
Karlsruhe Específica para Papas fritas tipo chips.
Atributo
COLOR
APARIENCIA
/FORMA
OLOR
SABOR
TEXTURA
Descriptor
Amarillo típico
Color homogéneo/uniforme
Color poco o nada
homogéneo/uniforme
Algo pálido
Muy oscura
Bordes oscuros
Presencia de manchas
Zonas verdosas
Tamaño uniforme
Bordes definidos
Bordes irregulares
Superficie lisa
Presencia de burbujas
Nada aceitosa
Muy aceitosa
Presencia de cáscara
Quemadas
Forma irregular
Característico a papas fritas
Olor a quemado o tostado
Ausencia de olor a quemado
Buena intensidad
Muy intenso
Poco intenso
Poco olor a papas fritas
Olor a aceite/fritura
Olor a quemado
Olor a rancio
Muy saladas
Poco saladas
Salado adecuado
Sabor a quemado/tostado
Ausencia de sabor a
quemado/tostado
Aceitosidad característica
Característico a papas fritas
Sabor aceitoso
Buena crujencia
Dureza adecuada
Muy duras
Muy blandas
Suaves al paladar
Rugosas al paladar
Muy aceitosas
Nada crujientes
Frecuencia
Dirección de la
característica
Grado
de
calidad
6
7
+
+
1
1
4
-
2-3
4
5
6
3
2
5
6
5
7
5
5
7
2
3
4
6
3
5
4
4
3
3
2
2
1
5
6
8
5
+
+
+
+
+
+
+
+
-
2
3
2-3
2
3
1
1
2-3
1
2-3
1
3
2-3
3
2-3
1
3
1
1
2-3
2-3
2
3
3
3
2
2
1
3
5
+
1
6
4
2
3
4
4
5
4
3
4
4
+
+
+
+
+
-
1
1
2-3
1
1
2-3
2-3
1
2-3
3
2-3