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