Está en la página 1de 34

Revisin

Imgenes hiperespectrales - una herramienta de anlisis emergente


proceso de control de calidad y seguridad alimentaria
AA Gowen
una , ,
,
CP O'Donnell
una
,
PJ Cullen
b
,
G. Downey
C
,
JM Fras
b

Mostrar ms
http://dx.doi.org/10.1016/j.tifs.2007.06.001
Recibe los derechos y contenidos

Imgenes hiperespectrales (HSI) es una tecnologa de plataforma emergente que integra
tcnicas de imagen convencionales y espectroscopia de alcanzar tanto la informacin espacial
y espectral de un objeto. Aunque HSI fue desarrollado originalmente para la teledeteccin, que
ha surgido recientemente como una herramienta de anlisis de procesos de gran alcance para
el anlisis de alimentos no destructiva. Este documento ofrece una introduccin a las imgenes
hiperespectrales: Equipo HSI, adquisicin de imgenes y procesamiento se describen; Se
discuten las limitaciones actuales y posibles aplicaciones futuras.Adems, los recientes
avances en la aplicacin de HSI con la seguridad alimentaria y la evaluacin de la calidad se
revisan, como la deteccin de contaminantes, la identificacin de defectos, anlisis de los
constituyentes y la evaluacin de la calidad.

Introduccin
El control del proceso de Alimentos requiere monitoreo en tiempo real en los puntos crticos de
procesamiento. Mtodos de anlisis rpidos y precisos son esenciales para garantizar la
calidad del producto, la seguridad, la autenticidad y el cumplimiento de etiquetado. Los
mtodos tradicionales de control de los alimentos se hayan utilizado tcnicas de anlisis como
la cromatografa lquida de alta resolucin (HPLC) y espectrometra de masas (MS) son mucho
tiempo, costoso y requieren la destruccin de la muestra. Espectroscopa de infrarrojo cercano
(NIRS) se ha consolidado como una herramienta no destructiva para el anlisis de calidad
multi-componente de materiales alimentarios ( Scotter, 1990 ). Sin embargo, la incapacidad de
los espectrmetros NIR para capturar gradientes constitutivos internos dentro de los productos
alimenticios puede conducir a discrepancias entre la composicin prevista y medida. Adems,
las evaluaciones espectroscpicas con relativamente reducidas dimensiones de fuente puntual
no contienen informacin espacial, que es importante para muchas aplicaciones de inspeccin
de alimentos ( Ariana, Lu, y Guyer, 2006 ).
Los recientes avances en la tecnologa informtica han llevado al desarrollo de sistemas de
imgenes capaces de identificar problemas de calidad con rapidez en la lnea de
procesamiento, con el mnimo de intervencin humana ( Brosnan y Sun, 2004 y Du y Sun,
2004 ). Rojo-Verde-Azul (RGB) los sistemas de visin de color se encuentran un amplio uso en
el control de calidad de los alimentos para la deteccin de defectos en la superficie y las
operaciones de nivelacin ( Chao et al., 1999 , Daley et al., 1993 y Throop et al., 1993 ). Sin
embargo, las cmaras en color convencionales son identificadores de pobres caractersticas de
la superficie sensibles a bandas de frecuencia distintas de RGB, tales como las
concentraciones bajas pero potencialmente dainas de heces animales en los alimentos ( Liu
et al., 2007 y Park y col., 2006 ).Para superar esto, los sistemas de formacin de imgenes
multiespectrales se han desarrollado para combinar imgenes adquiridas en un nmero
(normalmente 3-4) de bandas de frecuencia estrechas, sensible a las caractersticas de inters
en el objeto. En comparacin con los mtodos analticos convencionales tales como HPLC, los
sistemas de formacin de imgenes multiespectrales pueden realizar anlisis no destructivos
en una fraccin del tiempo requerido ( Malik, Poonacha, Moses, y Lodder, 2001 ).
Imgenes hiperespectrales
Imgenes hiperespectrales, conocido tambin como qumica o de imagen espectroscpica, es
una tcnica emergente que integra formacin de imgenes convencional y espectroscopia de
alcanzar tanto la informacin espacial y espectral de un objeto. Originalmente fue desarrollado
para aplicaciones de teledeteccin ( Goetz, Vane, Salomn, y Rock, 1985 ), pero se ha
encontrado desde su aplicacin en campos tan diversos como la astronoma ( Hege et al.,
2003 y Wood et al., 2002 ), la agricultura ( Monteiro et al., 2007 , Smail et al., 2006 y Uno et
al., 2005 ), productos farmacuticos ( Lyon et al., 2002 , Rodionova et al., 2005 y Roggo et al.,
2005 ) y la medicina ( Ferris et al ., 2001 , Kellicut et al., 2004 y Zheng et al., 2004 ). Algunas
ventajas de las imgenes hiperespectrales ms de RGB convencional, NIR y las imgenes
multiespectrales se resumen en la Tabla 1 .
Tabla 1.
Comparativa de RGB de imagen, espectroscopa NIR (NIRS), multiespectral (MSI) y las imgenes
hiperespectrales (HSI)
Caracterstica Imgenes RGB NIRS MSI HSI
La informacin espacial
La informacin espectral Limitado
Informacin multi-componente Limitado Limitado
Sensibilidad a los componentes de menor importancia Limitado
Opciones de la tabla
La Food and Drug Administration de EE.UU. (FDA) iniciativa de tecnologa analtica de
procesos llevado (PAT) tiene como objetivo comprender y controlar el proceso de fabricacin
mediante el control de los atributos crticos de rendimiento ( http://www.fda.gov ). La naturaleza
no destructiva, robusta y flexible de HSI lo convierte en una atractiva PAT para la identificacin
de los parmetros crticos de control que influyen en la calidad del producto terminado ( Lewis,
Schoppelrei, Lee, y Kidder, 2005 ). Se espera que HSI ser adoptado cada vez ms como un
PAT para la industria alimentaria, como ya ha sido el caso en los entornos de fabricacin, tales
como la industria farmacutica ( Koehler, Lee, Kidder, y Lewis, 2002 ).
Adquisicin de imgenes hiperespectrales
Las imgenes hiperespectrales se componen de cientos de bandas de frecuencia contiguas
para cada posicin espacial de una diana estudiado. Por consiguiente, cada pxel en una
imagen hiperespectral contiene el espectro de que la posicin especfica. El espectro resultante
acta como una huella digital que puede ser utilizado para caracterizar la composicin de ese
pxel en particular. Las imgenes hiperespectrales, conocidos como hypercubes ( Lu y Chen,
1998 ), son bloques tridimensionales de datos, que comprende dos dimensiones espaciales y
una longitud de onda, como se ilustra en la figura. 1 . Elhipercubo permite la visualizacin de
los constituyentes bioqumicos de una muestra, separados en reas particulares de la imagen,
ya que las regiones de una muestra con propiedades espectrales similares tienen una
composicin qumica similar.

La figura. 1.
Representacin esquemtica de las imgenes hiperespectrales hipercubo que muestra la relacin
entre las dimensiones espectrales y espaciales.
Opciones Figura
Es actualmente inviable obtener la informacin en todas las tres dimensiones de
un hipercubosimultneamente; uno se limita a la obtencin de dos dimensiones a la vez, a
continuacin, crear una imagen tridimensional mediante el apilamiento de las 'rodajas' de dos
dimensiones en secuencia. Hay dos maneras convencionales para la construccin de
un hipercubo . Un mtodo, conocido como la configuracin "Imager mirando" implica mantener
el campo de imagen de vista fijo, y la obtencin de imgenes una longitud de onda despus de
otro. Hipercubos obtuvo utilizando por lo tanto esta configuracin consiste en una pila
tridimensional de imgenes (una imagen para cada longitud de onda examinado ), almacenada
en lo que se conoce como el formato de banda secuencial (BSQ). Longitud de onda en la
configuracin "imager mirando" es moderado por lo general usando un filtro
sintonizable; Acustptica filtros sintonizables (AOTFs) y de cristal lquido filtros sintonizables
(LCTFs) son los dos empleados de manera predominante. AOTFs se han utilizado en la
construccin de sistemas NIR-CI disponibles comercialmente ( Lewis et al. , 2005 ); las
principales ventajas de AOTFs son buena eficiencia de transmisin, tiempos de anlisis rpidos
y gran rango espectral. Por otro lado, LCTFs muestran mayor promesa para el filtrado de
imgenes Raman, debido al paso de banda espectral superior y una calidad de imagen
( Pappas, Smith, y Winefordner, 2000 ).instrumentos "Imager" Mirando incorporan filtros
sintonizables han encontrado una serie de aplicaciones en control de calidad farmacutica
( Roggo et al, 2005. y Zuzak et al, 2001. ); su falta de partes mviles representa una ventaja
en muchas situaciones.
Otra configuracin implica la adquisicin de las mediciones espectrales simultneas de una
serie de posiciones espaciales adyacentes - esto requiere un movimiento relativo entre el
objeto y el detector en lo que se conoce como la adquisicin de "pushbroom" ( Lawrence,
Parque, Windham, y Mao, 2003 ). Algunos instrumentos producen imgenes hiperespectrales
sobre la base de un punto de paso y el modo de adquirir: espectros se obtienen en los puntos
individuales en una muestra, a continuacin, la muestra se mueve y otro espectro
tomada. Hipercubos obtuvo utilizando esta configuracin se almacenan en lo que se conoce
como el entrelazado de la banda por Formato de pxel (BIP). Los avances en la tecnologa de
detectores han reducido el tiempo necesario para adquirir hipercubos . Instrumentos de
asignacin de las lneas registran el espectro de cada pxel en una lnea de la muestra que se
registra de forma simultnea por un detector de matriz; la resultante hipercubo se almacena en
el Interleaved Band Line formato (BIL). Este mtodo es especialmente adecuado para sistemas
de cinturn de transportador, y por lo tanto puede ser ms prctico que el anterior para
aplicaciones de la industria alimentaria.
Componentes de un sistema de imgenes hiperespectrales
Sistemas de imgenes hiperespectrales pushbroom suelen contener los siguientes
componentes: lente objetivo, espectrgrafo, cmaras, sistemas de adquisicin, de la etapa de
traduccin, de iluminacin y de la computadora, como se muestra en la figura. 2 . Las
condiciones de la cmara, espectrgrafo e iluminacin determinan el rango espectral del
sistema: sistemas de Vis-NIR suelen oscilar entre 400 y 1000 nm, y utilizan cmaras con
dispositivo de carga acoplada (CCD) o Complementary Metal Oxide Semiconductor (CMOS)
sensores; sistemas de longitud de onda ms largas requieren ms caros detectores de matriz
de plano focal de IR con espectrgrafo apropiada que opera en la regin de los IR. La muestra
/ objetivo est por lo general difusamente iluminada por una de tungsteno-halgeno o fuente de
LED. Una lnea de luz reflejada por la muestra entra en el objetivo y se separa en sus
longitudes de onda componentes por la ptica de difraccin contenidas en el
espectrgrafo; una imagen de dos dimensiones (dimensin espacial dimensin de longitud de
onda) se forma en la cmara y se guarda en el ordenador. La muestra se mueve ms all de la
lente de objetivo en una etapa motorizada y se repite el proceso; las imgenes de lneas
bidimensionales adquiridas en los puntos adyacentes en el objeto se apilan para formar un
tridimensional hipercubo que puede almacenarse en un PC para su posterior anlisis.

La figura. 2.
Componentes de un sistema de imgenes hiperespectrales.
Opciones Figura
El anlisis de imgenes hiperespectrales
Existen numerosas tcnicas para analizar los datos hiperespectrales, las cuales tienen como
objetivo reducir la dimensionalidad de los datos manteniendo la informacin espectral
importante con el poder para clasificar las reas importantes de una escena. Los pasos tpicos
seguidos en el anlisis de imgenes hiperespectrales se resumen en la figura. 3 y se describe
a continuacin.

La figura. 3.
Esquema del proceso de anlisis hiperespectral datos.
Opciones Figura
Calibracin de reflectancia
Esto se lleva a cabo para dar cuenta de la respuesta espectral de fondo del instrumento y la
respuesta de la cmara 'oscura'. Para las mediciones de reflectancia, el fondo se obtiene
mediante la recopilacin de unhipercubo de un uniforme, patrn de reflexin de alta o de
cermica blanca; la respuesta oscuro se adquiere apagando la fuente de luz, que cubre
completamente la lente con su tapa y registrar la respuesta de la cmara. El valor de
reflectancia corregido ( R ) se calcula como sigue:
R = ( mu e s t r a o s c u r o ) / ( f o n d o o s c u r o ) .
Gire MathJaxen

Pre-procesamiento
Pre-procesamiento se lleva a cabo por lo general para eliminar sesgos de la no-qumicos de la
informacin espectral (por ejemplo, efectos debidos a la superficie inhomogeneidades de
dispersin) y preparar los datos para su posterior procesamiento. Un nmero de tcnicas de
pre-procesamiento espectrales existe, incluyendo la correccin de lnea de base polinmica,
Savitzky Golay-conversin derivado, media-de centrado y la normalizacin varianza
unidad. Otras operaciones por lo general llevan a cabo en la etapa de pre-procesamiento
incluyen la umbralizacin y adhesiva para eliminar informacin redundante fondo delhipercubo .
Clasificacin
Hypercube clasificacin permite la identificacin de regiones con caractersticas espectrales
similares.Debido al gran tamao de hypercubes (que pueden superar los 50 MB, dependiendo
de la resolucin de imagen, resolucin espectral y binning pxel) herramientas de anlisis
multivariantes complejos, como el anlisis de componentes principales (PCA), mnimos
cuadrados parciales (PLS), anlisis discriminante lineal ( LDA), anlisis discriminante Fisher
(FDA), la regresin lineal mltiple (MLR) y redes neuronales artificiales (RNA), se emplean
habitualmente para la clasificacin. Tabla 2 presenta un resumen de los algoritmos de
clasificacin utilizados en 30 artculos que tratan con imgenes hiperespectrales de alimentos
publicados desde 2004 (si se utiliza ms de un mtodo de anlisis en un documento, se
muestra el mtodo con mejores resultados). PLS clasificacin fue el mtodo de clasificacin
ms popular, que se emplea en ms del 25% de los casos.
Tabla 2.
Resumen del modo de medicin, tipo de producto, en la regin de longitud de onda estudiada y
algoritmo de clasificacin empleado en los trabajos publicados en las imgenes hiperespectrales de
los alimentos desde 2004
Modo Producto Regin de
longitud de onda
(nm)
Clasificacin Autor, ao
Reflectancia Manzana 447-951 Relacin Band (BR) Liu et al. , 2007
430-900 Diferencia Band (BD) Mehl et al. , 2004
954-1350 Mnimos cuadrados
parciales (PLS)
Nicola et al. , 2006
500-950 Anlisis de
componentes principales
(PCA)
Xing et al. , 2005
500-950 PCA Xing, Saeys, & De
Baerdemaeker, 2007
500-950 PCA Xing et al. , 2007
Maz 950-1700 PLS Weinstock, Janni, Hagen, y
Wright, 2006
Pepino 900-1700 BR Ariana et al. , 2006
447-951 Integrado de PCA por la
FDA
Cheng et al. , 2004
447-951 BR Liu et al. , 2005
Ctricos 400-970 PLS Menesatti, Urbani, y Lanza,
2005
Pasta 400-1700 PLS Menesatti D'Andrea, y
Bucarelli, 2004
Melocotn 500-1000 De regresin mltiple
lineal (MLR)
Lu y Peng, 2006
Cerdo 430-1000 Red neuronal artificial
(ANN)
Qiao et al. , 2007
Patata 430-1000 ANN Qiao, Wang, Ngadi, y
Baljinder, 2005
Aves de
corral
430-850 PLS Lawrence, Windham, Parque,
Heitschmidt, y Smith, 2006
Modo Producto Regin de
longitud de onda
(nm)
Clasificacin Autor, ao
430-850 BR Parque et al. , 2006
430-850 rbol de decisin Windham et al. , 2005
430-850 Asignador ngulo
espectral
Parque et al. , 2007
Fresa 400-1000 MLR El Masry et al. , 2007
650-1000 LDA Tallada, Nagata, y Kobayashi,
2006
650-1000 Diferencia Band Nagata, Tallada, Kobayashi,
2006
Fluorescencia Manzana 500-1040 Hybrid PC-ANN Noh y Lu, 2007
Cantalupo 425-774 PCA Vargas et al. , 2005
Aves de
corral
425-710 Algoritmo Fuzzy Kim et al. , 2004
Nogal 425-775 Mquinas de vectores
soporte
Jiang et al. , 2007
Transmitancia Cerezas 450-1000 ANN Qin y Lu, 2005
Bacalao 350-950 PLS Heia et al. , 2007
Pepinos 450-950 Thresholding Imagen Ariana y Lu, 2006
Maz 750-1090 PLS Cogdill et al. , 2004
Opciones de la tabla
Mtodos quimiomtricos convencionales tales como PCA y PLS pueden no ser adecuados
para el anlisis de imgenes hiperespectrales, ya que se han desarrollado estas tcnicas para
el anlisis de una sola espectros ( Noh y Lu, 2007 y Shah et al., 2003 ). Para superar esto, se
han propuesto un nmero de mtodos: Noh y Lu (2007) aplican un enfoque hbrido, empleando
tanto PCA y la ANN para relacionar la fluorescencia hiperespectral de manzana a su color y la
firmeza ( R > 0,75); otro grupo de investigacin (Cheng et al. , 2004 ) desarroll un mtodo
PCA por la FDA hbrido para la identificacin de fro daado pepinos, que superaron a los
mtodos de la PCA y de la FDA cuando se utilizan por separado para la clasificacin. El
algoritmo espectral ngulo Mapper (SAM) es un mtodo de clasificacin supervisada que utiliza
un n ngulo de dimensiones para los pxeles coincidentes para hacer referencia a
espectros. Este mtodo determina la similitud espectral mediante el clculo del ngulo entre los
espectros (tratndolos como vectores en un espacio con dimensionalidad igual al nmero de
bandas de frecuencia), y se ha utilizado para la clasificacin de contaminantes fecales y
alimentos ingeridos en la superficie de las canales de pollos de engorde ( Park, Windham ,
Lawrence, y Smith, 2007 ). Clasificadores mquina de soporte vectorial pertenecen al grupo de
los algoritmos de aprendizaje automtico que utilizan las herramientas de optimizacin, que
trabajan para identificar el hiperplano ptimo como superficie de decisin de discriminar entre
clases de inters. Un enfoque basado en el apoyo de mquinas de vectores de Gauss-kernel
se ha utilizado para clasificar la cscara de la nuez y de la pulpa, y se inform de que este
mtodo funcion mejor para la clasificacin de la ACP y la FDA ( Jiang, Zhu, Rao, Berney, y
Tao, 2007 ).
El procesamiento de imgenes
El procesamiento de imgenes se lleva a cabo para convertir el contraste desarrollado por la
etapa de clasificacin en una imagen que representa la distribucin de componentes. Escala de
grises o la asignacin de colores con la escala de intensidad se utiliza generalmente para
mostrar el contraste composicional entre los pxeles de una imagen. La fusin de imgenes, en
el que se combinan dos o ms imgenes en diferentes bandas de frecuencia para formar una
nueva imagen ( Pohl, 1998 ) se implementa con frecuencia para proporcionar an mayor
contraste entre distintas regiones de una muestra. Las imgenes se pueden combinar el uso de
algoritmos basados en operadores matemticos sencillos, por ejemplo, suma, resta,
multiplicacin y divisin. Un ejemplo es el mtodo de relacin de bandas, en el que una imagen
en una banda de frecuencias se divide por que en otra longitud de onda ( Liu et al.,
2007 y Park y col., 2006 ).
Aplicaciones de imgenes hiperespectrales para la calidad y seguridad de los
alimentos
Imgenes hiperespectrales es una poderosa herramienta para la identificacin de las bandas
de ondas clave en el desarrollo de sistemas de imgenes multiespectrales en lnea
automatizadas. En consecuencia, encuentra amplio uso en la investigacin para el desarrollo
de herramientas de inspeccin multiespectrales.Imgenes hiperespectrales, como otras
tcnicas de espectroscopia, se puede llevar a cabo en los modos de reflectancia, transmisin o
fluorescencia. Si bien la mayora de las investigaciones publicadas en las imgenes
hiperespectrales se ha realizado en el modo de reflectancia, los modos de transmisin y
emisin tambin se han investigado: la siguiente contiene descripciones de los recientes
avances en la aplicacin de imgenes hiperespectrales en cada uno de estos modos para el
anlisis de calidad de los alimentos.
Imgenes hiperespectrales reflectancia
La reflectancia es el modo ms comn de imgenes hiperespectrales, con 22 de los 30
artculos de investigacin publicados desde el ao 2004 lleva a cabo en modo de reflectancia
( Tabla 2 ). Imgenes hiperespectrales reflectancia se lleva a cabo habitualmente en el Vis-NIR
(400-1000 nm) o NIR (1000-1700 nm), y se ha utilizado para detectar defectos, contaminantes
y los atributos de calidad de las frutas, verduras y productos crnicos, tal como se describe a
continuacin.
Un equipo de investigacin ( Nicola, Lotze, Peirs, Scheerlinck, y Theron, 2006 ) desarrollaron
un sistema de reflectancia hiperespectral NIR con un rango espectral de 900-1700 nm para
detectar el defecto bitter pit en manzanas. El sistema era capaz de identificar lesiones Bitter Pit
invisibles a simple vista, pero reducida luminosidad en el lmite de la imagen causado algunos
errores de clasificacin errnea. Ariana et al. (2006)investigaron la aplicacin de NIR de
formacin de imgenes hiperespectrales reflectancia en la misma regin espectral para la
deteccin de moretones en los pepinos de decapado. Reflectancia para el tejido pepino
magullado fue en general inferior a la de tejido normal, y exactitud de la deteccin era
dependiente de la hora despus de magulladuras. Se demostr que los algoritmos de relacin
de la banda y de diferencia eran mejores que la ACP para la clasificacin de los pepinos
magullados.
Dispersin de la luz desde una superficie es altamente dependiente de la densidad del
producto y las estructuras celulares, lo que se deduce que la dispersin de perfiles puede
indicar propiedades relacionadas, tales como la textura. De hecho, la relacin entre los perfiles
de hiperespectrales de dispersin (en el rango espectral 500-1000 nm) y la textura se ha
explorado para predecir la firmeza del melocotn ( Lu y Peng, 2006). En esta investigacin, una
funcin de distribucin de Lorentz se ajust a la dispersin de los datos, y los parmetros del
modelo lorentzianos en cada longitud de onda se utilizaron para construir un modelo de
regresin emprica para predecir la firmeza del melocotn ( R > 0,58).
Un sistema de imgenes hiperespectrales reflectancia Vis-NIR (400-1000 nm) fue desarrollado
para identificar contusiones en las manzanas ( Xing, Bravo, Jancsk, Ramon, y De
Baerdemaeker, 2005 ). El uso de PCA, se seleccionaron cuatro bandas de frecuencia para
construir un sistema de pruebas multiespectral;A continuacin, la PCA se aplic a las imgenes
multiespectrales, y se demostr que la segunda y tercera componentes principales podran
identificar contusiones con 86% de precisin. Xing, Saeys, y De Baerdemaeker (2006) tambin
desarrollaron un sistema de imagen multiespectral para discriminar entre contusiones y el stem-
end/calyx en manzanas, un problema bien conocido en la tecnologa de clasificacin de
manzana. Polder, Heijden, y Young (2002) mostr que un sistema de imgenes
hiperespectrales reflectancia en la regin espectral de 396 a 736 nm era ms eficaz que la
formacin de imgenes RGB para discriminar nivel de madurez de los tomates, sin importar la
condicin de iluminacin a prueba. El Masry, Wang, El Sayed y Ngadi (2007) utiliza un sistema
de imgenes hiperespectrales regin Vis-NIR para la determinacin no destructiva de la calidad
de la fresa. Longitudes de onda ptimas se obtuvieron a partir de PLS, y luego de regresin
lineal mltiple se utiliz para predecir el contenido de humedad, el contenido total de slidos
solubles y el pH ( R > 0,8). Se utiliz un sistema similar para evaluar la calidad de la carne de
cerdo y el nivel de vetas de grasa ( Qiao, Ngadi, Wang, Garipy, y Prasher, 2007 ), que emplea
una red neural de alimentacin directa para clasificar muestras, con hasta 85% de precisin de
clasificacin.
Gmez-Sanchis et al. (2004) demostraron el potencial de la utilizacin de un sistema de
imgenes hiperespectrales Vis-NIR para la deteccin de infecciones causadas por Penicillium
digitatum en ctricos antes de que se hicieron evidentes a los inspectores humanos. PCA fue
empleado para reducir el nmero de bandas de frecuencia de deteccin, y los rboles de
clasificacin y regresin se aplica que clasifican correctamente 80% de los pxeles de la
imagen. Parque et al. (2006) investig el rendimiento de un sistema de formacin de imgenes
hiperespectrales reflectancia Vis-NIR para fecal superficie de las aves de corral deteccin de
contaminantes. El sistema permiti la seleccin de anchos de banda ptimas para la
construccin de un sistema de imagen multiespectral basado en doble algoritmo de relacin de
bandas para identificar la ingesta y las heces en las canales de aves de corral con 96,4% de
precisin.
El grupo de investigacin de Kim, Chen y Mehl (2001) desarroll un sistema de imgenes
hiperespectrales basada en el laboratorio con un rango espectral de 430-930 nm para llevar a
cabo calidad de los alimentos y de la investigacin de seguridad, sobre todo para el desarrollo
de sistemas de imgenes multiespectrales para el control del proceso de alimentos , a travs
de la deteccin de bandas ptimas y el desarrollo de algoritmos. Este sistema fue utilizado
recientemente para llevar a cabo experimentos de imagen hiperespectral de reflectancia para la
deteccin de defectos de superficie de manzana / contaminacin ( Kim et al., 2002 , Liu et al.,
2007 y Mehl et al., 2004 ) y la identificacin de dao por enfriamiento en pepino (Cheng et al.,
2004 y Liu et al., 2005 ). Tanto Kim et al. (2002) y Liu et al. (2007) han afirmado que las
imgenes de reflectancia hiperespectral fue incapaz de detectar finas capas de heces en las
manzanas, y sugiri que el uso de imgenes hiperespectrales fluorescencia mejorara las tasas
de deteccin, sealando, sin embargo, el costo relativamente alto de fuentes de excitacin de
lser.
Fluorescencia de imagen hiperespectral
La espectroscopia de fluorescencia est bien establecida como una tcnica analtica para el
control de los alimentos, especialmente en la industria lctea ( Christensen et al., 2003 , Karoui
y De Baerdemaeker, 2007 y Estrasburgo y Lude, 1995 ). El cromforo clorofila es
particularmente importante para la fluorescencia de los productos vegetales, plantas y
excitados por la luz UV por lo general emiten en la regin infrarroja cercana visible ( Chappelle,
McMurtrey, y Kim, 1991 ). Fluorescencia de imagen hiperespectral se perfila como una
herramienta para la investigacin de calidad de los alimentos: 4 de cada 30 trabajos publicados
en las imgenes hiperespectrales se aplica a los alimentos desde el ao 2004 han investigado
la fluorescencia de imagen hiperespectral ( Tabla 2 ).
Kim, Kim, Chen, y de Kong (2004) disearon un sistema de fluorescencia hiperespectral para
detectar tumores de la piel en las canales de pollo. UV-A (365 nm) se utilizaron lmparas para
iluminar las muestras en un escenario en movimiento y las imgenes hiperespectrales se
obtuvieron mediante la adquisicin de las exploraciones de lnea adyacentes, como se
describi anteriormente. Un sistema de imagen multiespectral fue desarrollado por el mismo
grupo de investigacin para detectar la contaminacin fecal en manzanas, basado en las
longitudes de onda ptimas identificadas por un sistema de imagen de fluorescencia
hiperespectral ( Kim et al. , 2002 ). Este equipo de investigacin tambin utiliza imgenes de
fluorescencia hiperespectral para desarrollar un sistema multiespectral para la deteccin de la
contaminacin fecal de la carne de cerdo y manzana, con un 355 nm Nd: Yag lser para la
excitacin ( Kim, Lefcourt, y Chen, 2003 ).Regiones de la contaminacin no es fcilmente
visible para el ojo humano se identificaron fcilmente a partir de las imgenes de fluorescencia
obtenidos multiespectrales. Vargas, Kim, Tao, y Lefcourt (2005) investig hiperespectral de
formacin de imgenes de fluorescencia para la deteccin de la contaminacin fecal en los
melones, el empleo de la PCA para identificar las longitudes de onda dominantes para el
desarrollo de un sistema de deteccin multiespectral.
Noh y Lu (2007) examinaron la relacin entre las imgenes de lneas hiperespectrales de
fluorescencia y la calidad de la manzana, el uso de un diodo de lser azul para producir
fluorescencia de la clorofila: una exploracin de lnea hiperespectral situado a 1,5 mm desde el
centro del haz se analiz utilizando un mtodo hbrido de PCA-ANN. No se observaron
diferencias significativas a partir de los datos de fluorescencia obtenidos despus de 1, 2, 3, 4 y
5 min de la iluminacin lser continuo; Por lo tanto, las mediciones de fluorescencia se podran
realizar dentro de 1 min de iluminacin. Caractersticas espectrales se correlacionaron con las
caractersticas de calidad de manzana como la firmeza y el color con un coeficiente de
correlacin de 0,74 o mayor despus de 1 min de iluminacin. Se observ que los coeficientes
de correlacin relativamente bajos obtenidos en el estudio podran mejorarse mediante el uso
de mltiples exploraciones de lnea en lugar de escaneos de una sola lnea.
Imgenes hiperespectrales transmisin
Slo 4 de cada 30 trabajos publicados en las imgenes hiperespectrales de los alimentos
desde 2004 se han ocupado de las imgenes hiperespectrales en el modo de transmisin
( Tabla 2 ). Imgenes hiperespectrales transmisin es potencialmente aplicable para la
estimacin en lnea de concentraciones de componentes internos y deteccin de defectos
internos en los alimentos ( Schmilovitch et al. , 2004 ). Qin y Lu (2005)Applied Imaging
transmisin hiperespectrales para detectar fosas en las cerezas agrias. Luz se transmite a
travs de las cerezas individuales a partir de una fuente de luz colocada por debajo del soporte
de la muestra, y se registra por un espectrgrafo de imgenes colocado encima de la
muestra. Imgenes de transmisin para cuatro orientaciones diferentes de la muestra fueron
probados, y se demostr que la orientacin de la muestra y el color no afect significativamente
la precisin de clasificacin. Esto es importante para las operaciones de alto rendimiento,
donde es difcil mantener la orientacin de la muestra uniforme. Cogdill, Hurburgh, y Rippke
(2004) investig la aplicacin de NIR de formacin de imgenes hiperespectrales de
transmisin para la estimacin de aceite y contenido de humedad en los granos de
maz. Muestras estacionarias fueron iluminadas desde abajo a travs de la ptica de
colimacin a travs de una etapa de presentacin de la muestra: un filtro sintonizable en el
espectrgrafo elimina la necesidad de movimiento de la muestra. Aunque este mtodo fue
capaz de predecir el contenido de humedad de alta precisin, que era incapaz de medir la
concentracin de aceite con precisin. Otro equipo de investigacin ( Heia et al. , 2007 )
desarroll un mtodo de deteccin de parsitos en bacalao, mediante la aplicacin de la
regresin PLS a imgenes hiperespectrales de transmisin. Este mtodo permiti la
identificacin no destructiva de los parsitos de 2-3 mm ms profundas de lo que podra ser
detectado por la inspeccin manual de los filetes.
Transmisin de imgenes hiperespectrales pueden igualmente ser obtenidas a partir de
muestras en movimiento. Ariana y Lu (2006) emplearon este enfoque para investigar daos
internos en los pepinos. Los pepinos se montaron en un escenario giratorio, iluminadas desde
abajo y hiperespectrales exploraciones de lneas de transmisin fueron capturados desde
arriba. Tres exploraciones de lnea hiperespectrales se obtuvieron para cada pepino,
separados por 120 . Un mtodo de imagen de umbral se tradujo en precisin de clasificacin
ms altos que el anlisis PLS, conseguir una precisin de clasificacin global hasta el 94,3%.
Imgenes hiperespectrales para la identificacin bacteriana
Recientemente, un nmero de investigadores han informado de la posibilidad de HSI para la
identificacin de los microorganismos de inters en los alimentos. Dubois, Lewis, Fry, y Calvey
(2005) demostraron la aplicacin potencial de las imgenes hiperespectrales NIR como una
tcnica de alto rendimiento para la diferenciacin de bacterias sobre la base de sus espectros
de NIR. Imgenes NIR de tarjetas especficas de alimentos que contienen muestras de
bacterias tanto de ensayo y de calibracin se obtuvieron en la regin espectral de 1200-2350
nm usando un detector de plano focal de matriz de InSb. Algunas bacterias eran identificables
a partir de las diferencias espectrales observadas en longitudes de onda nicas; Sin embargo,
en situaciones en las que se buscaron microorganismos particulares de inters, clasificacin
PLS era preferible separar los gneros de bacterias presentes. La idoneidad de Raman
imgenes hiperespectrales para el recuento de patgenos en el agua tambin ha sido evaluada
( Escoriza, VanBriesen, Stewart, Maier, y Treado, 2006 ). Las imgenes hiperespectrales en el
rango 3200-3700 nm se obtuvieron de muestras de agua inoculadas con un microscopio
Raman Qumica Imaging que contiene un cristal de filtro sintonizable lquido. Se demostr que
las imgenes hiperespectrales Raman puede proporcionar informacin cuantitativa para la
concentracin bacteriana en muestras de agua. Se observ, sin embargo, que la seal Raman
era pobre para la concentracin de bacterias bajas ( 1 10
7
clulas / membrana), que
requiere el uso de filtros en las muestras de agua diluidas antes del examen.
Limitaciones
HSI es una tecnologa poderosa plataforma para la monitorizacin de procesos de
alimentos. Actualmente, sin embargo, hay dos obstculos importantes para su adopcin
generalizada en la industria alimentaria. El primero es el alto costo de la compra de los
sistemas de HSI: ya que esta tecnologa se est convirtiendo en una herramienta para la
evaluacin de calidad de los alimentos, hay pocos proveedores comerciales. Se prev que los
futuros desarrollos tecnolgicos en los sistemas de HSI para la industria farmacutica
promover la fabricacin de sistemas de bajo costo adecuados para aplicaciones de la
industria alimentaria.Surge El segundo factor limitante de los relativamente largos tiempos
necesarios para hipercubo de adquisicin de imgenes, el procesamiento y clasificacin
( Chen, Chao, y Kim, 2002 ), dependiendo del tamao del objetivo y resolucin de la imagen, el
tiempo de adquisicin pueden variar de 2 a 4 min, al procesar y el tiempo de clasificacin
dependen en gran medida de las capacidades de hardware y de software. Sin embargo, se
puede esperar que los futuros desarrollos en los componentes del sistema, como las cmaras
mejoradas, un hardware ms rpido, algoritmos ms precisos y eficientes, acortarn el
procesamiento y la adquisicin de tiempo, permitiendo que los sistemas de monitoreo de
calidad HSI en tiempo real.
Conclusiones
Imgenes hiperespectrales (HSI) es un nuevo instrumento para la calidad de los alimentos y el
anlisis de la seguridad; la caracterstica espacial de HSI permite la caracterizacin de
muestras heterogneas complejas, mientras que la caracterstica espectral permite la
identificacin de una amplia gama de caractersticas de la superficie y sub-superficie de
mltiples constituyentes. Debido al alto costo actual de los sistemas de HSI, la mayora de
alimentos relacionada con la investigacin HSI se ha orientado hacia la identificacin de las
bandas de onda importantes para el desarrollo de sistemas de imgenes multiespectrales de
bajo costo. Sin embargo, a juzgar por el continuo nfasis en las tecnologas de anlisis de
procesos para proporcionar informacin precisa anlisis rpido y no destructivo de los
productos alimenticios, es probable que las imgenes hiperespectrales se adoptar cada vez
ms por la seguridad y control de calidad en la industria alimentaria, como ya ha sido el caso
en la industria farmacutica. La futura evolucin de la fabricacin del equipo HSI, tales como
menores costos de compra y las mejoras en la velocidad de procesamiento, fomentarn la
utilizacin ms generalizada de esta tecnologa de la plataforma emergente.
Reconocimiento
Los autores desean dar las gracias a la financiacin del Departamento de Gobierno de Irlanda
de la Agricultura y la Alimentacin bajo la Medida de Investigacin Institucional de Alimentos
(FIRM).
Referencias
1.
o Ariana y Lu, 2006
o Ariana, D., y Lu, R. (2006). Imgenes hiperespectrales transmitancia visible / infrarrojo cercano para
la deteccin de la lesin mecnica interna de los pepinos de decapado. En: ASABE Reunin Anual
Internacional , Documento No. 063039, julio de 2006.
o
2.
o Ariana et al., 2006
o D. Ariana, R. Lu, DE Guyer
o Imgenes hiperespectrales de reflectancia para la deteccin de hematomas en el
decapado de pepinos
o Informtica y electrnica en la agricultura, 53 (1) (2006), pp 60-70
o Artculo
|
PDF (486 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (94)
3.
o Brosnan y Sun, 2004
o T. Brosnan, DW Sun
o La mejora de los controles de calidad de los productos alimenticios por la visin artificial -
una revisin
o Journal of Food Engineering, 61 (2004), pp 3-16
o Artculo
|
PDF (663 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (251)
4.
o Chao et al., 1999
o K. Chao, YR Chen, H. Temprano, B. Parque
o Sistemas de clasificacin de color de la imagen para la inspeccin de vsceras de aves de
corral
o Ingeniera Aplicada a la Agricultura, 15 (4) (1999), pp 363-369
o Ver Registro en Scopus
| |
Citado por en Scopus (18)
5.
o Chappelle et al., 1991
o E. Chappelle, J. McMurtrey, MS Kim
o Identificacin de la pigmento responsable para la banda de fluorescencia azul en la
fluorescencia inducida por lser (LIF) espectros de plantas verdes, y el uso potencial de
esta banda en la estimacin de las tasas de forma remota de la fotosntesis
o Remote Sensing of Environment, 36 (3) (1991), pp 213-218
o Artculo
|
PDF (531 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (62)
6.
o Chen et al., 2002
o YR Chen, K. Chao, MS Kim
o Tecnologa de visin artificial para aplicaciones agrcolas
o Informtica y electrnica en la agricultura, 36 (2) (2002), pp 173-191
o Artculo
|
PDF (1092 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (161)
7.
o Cheng et al., 2004
o X. Cheng, YR Chen, Y. Tao, CY Wang, MS Kim, AM Lefcourt
o Una novela integrado PCA y el mtodo FLD en la extraccin de caractersticas de
imgenes hiperespectrales para la inspeccin de los daos pepino refrigeracin
o Transacciones de ASAE, 47 (4) (2004), pp 1313-1320
o Ver Registro en Scopus
| |
Citado por en Scopus (75)
8.
o Christensen et al., 2003
o J. Christensen, VT Povlsen, J. Srensen
o Aplicacin de la espectroscopia de fluorescencia y quimiometra en la evaluacin de
queso procesado durante el almacenamiento
o Journal of Dairy Science, 86 (2003), pp 1101-1107
o Artculo
|
PDF (218 K)
|
Ver Registro en Scopus
|
Texto completo a travs de CrossRef
| |
Citado por en Scopus (44)
9.
o Cogdill et al., 2004
o R. Cogdill, C. Hurburgh, G. Rippke
o Single-ncleo de anlisis de imgenes hiperespectrales de maz por el infrarrojo cercano
o Transacciones de la ASAE, 47 (1) (2004), pp 311-320
o Ver Registro en Scopus
| |
Citado por en Scopus (71)
10.
o Daley et al., 1993
o W. Daley, R. Carey, C. Thompson
o Clasificacin de Ave / inspeccin utilizando imgenes de color
o Actas de la SPIE, 1907 (1993), pp 124-132
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
| |
Citado por en Scopus (8)
11.
o Du y Sun, 2004
o CJ Du, DW Sun
o La evolucin reciente de las aplicaciones de las tcnicas de procesamiento de imgenes
para las evaluaciones de calidad de los alimentos
o Trends in Food Science & Technology, 15 (2004), pp 230-249
o Artculo
|
PDF (566 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (208)
12.
o Dubois et al., 2005
o J. Dubois, E. Lewis, F. Fry, E. Calvey
o Identificacin bacteriana por imagen qumica de infrarrojo cercano de las tarjetas de
alimentos especficos
o Food Microbiology, 22 (6) (2005), pp 577-583
o Artculo
|
PDF (293 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (25)
13.
o El Masry et al., 2007
o G. El Masry, N. Wang, A. El Sayed, M. Ngadi
o Imgenes hiperespectrales para la determinacin no destructiva de algunos atributos de
calidad de la fresa
o Journal of Food Engineering, 81 (1) (2007), pp 98-107
o Artculo
|
PDF (367 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (98)
14.
o Escoriza et al., 2006
o M. Escoriza, J. VanBriesen, S. Stewart, J. Maier, P. Treado
o Espectroscopia de Raman y de imagen qumica para la cuantificacin de bacterias
transmitidas por el agua filtrada
o Revista de Mtodos Microbiolgicos, 66 (1) (2006), pp 63-72
o Artculo
|
PDF (480 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (25)
15.
o Ferris et al., 2001
o D. Ferris, R. Lawhead, E. Dickman, N. Holtzapple, J. Miller, S. Grogan et al.
o Imgenes hiperespectrales Multimodal para el diagnstico no invasivo de la neoplasia
cervical
o Journal of Genital Inferior enfermedad del tracto, 5 (2) (2001), pp 65-72
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
| |
Citado por en Scopus (83)
16.
o Goetz et al., 1985
o AFH Goetz, G. Vane, TE Salomn, BN Roca
o Espectrometra de imgenes de teledeteccin tierra
o Science, 228 (1985), pp 1147-1153
o Ver Registro en Scopus
| |
Citado por en Scopus (499)
17.
o Gmez-Sanchis et al., 2004
o Gmez-Sanchis, J., Molt, E., Gmez-Chova, L., Aleixos, N., Camps-Valls, G., Juste, F., et
al. (2004). Sistema de visin por computador hiperespectral para la deteccin de Penicillium
digitatum en lneas de envasado de ctricos. En: Conferencia Internacional CIGR 2004 , Beijing,
China, 11-14 de octubre de 2004.
o
18.
o Hege et al., 2003
o E. Hege, D. O'Connell, W. Johnson, S. Basty, E. Dereniak
o Imgenes hiperespectrales para la vigilancia de la astronoma y el espacio
o Actas de la SPIE, 5159 (2003), pp 380-391
o Ver Registro en Scopus
| |
Citado por en Scopus (26)
19.
o Heia et al., 2007
o K. Heia, A. Sivertsen, S. Stormo, E. Elvevoll, J. Wold, H. Nilsen
o La deteccin de nematodos en Cod ( Gadus morhua ), filetes por espectroscopia de
imagen
o Journal of Food Science, 72 (1) (2007), pp E011-E015
o Texto completo a travs de CrossRef
20.
o Jiang et al., 2007
o L. Jiang, B. Zhu, X. Rao, G. Berney, Y. Tao
o Discriminacin de cscara de nuez negro y pulpa en hiperespectral de imgenes de
fluorescencia utilizando Gaussian enfoque de la funcin kernel
o Journal of Food Engineering, 81 (1) (2007), pp 108-117
o Artculo
|
PDF (1675 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (16)
1.
o Karoui y De Baerdemaeker, 2007
o R. Karoui, J. De Baerdemaeker
o Una revisin de los mtodos analticos junto con herramientas quimiomtricas para la
determinacin de la calidad y la identidad de los productos lcteos
o Food Chemistry, 102 (3) (2007), pp 621-640
o Artculo
|
PDF (314 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (123)
2.
o Kellicut et al., 2004
o D. Kellicut, J. Weiswasser, S. Arora, J. Freeman, R. Lew, C. Shuman et al.
o La tecnologa emergente: las imgenes hiperespectrales
o Perspectivas en Ciruga Vascular y Endovascular Therapy, 16 (1) (2004), pp 53-57
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
| |
Citado por en Scopus (21)
3.
o Kim et al., 2004
o I. Kim, Kim MS, YR Chen, SG Kong
o La deteccin de tumores de piel en las canales de pollo utilizando fluorescencia de
imagen hiperespectral
o Transacciones de la ASAE, 47 (5) (2004), pp 1785-1792
o Ver Registro en Scopus
| |
Citado por en Scopus (52)
4.
o Kim et al., 2001
o MS Kim, YR Chen, PM Mehl
o Reflectancia hiperespectrales y sistema de imgenes de fluorescencia para la calidad y
seguridad de los alimentos
o Transacciones de la ASAE, 44 (3) (2001), pp 721-729
o Ver Registro en Scopus
| |
Citado por en Scopus (202)
5.
o Kim et al., 2002
o MS Kim, AM Lefcourt, K. Chao, YR Chen, I. Kim, DE Chan
o Deteccin multiespectral de contaminacin fecal en las manzanas sobre la base de las
imgenes hiperespectrales: Parte I. Aplicacin de las imgenes de reflectancia visible y el
infrarrojo cercano
o Transacciones de la ASAE, 45 (6) (2002), pp 2027-2037
o Ver Registro en Scopus
| |
Citado por en Scopus (108)
6.
o Kim et al., 2003
o MS Kim, AM Lefcourt, YR Chen
o Sistema de imgenes de fluorescencia inducida por lser multiespectrales para grandes
muestras biolgicas
o ptica Aplicada, 42 (19) (2003), pp 3927-3933
o Texto completo a travs de CrossRef
7.
o Koehler et al., 2002
o F. Koehler, E. Lee, L. Kidder, N. Lewis
o Espectroscopa de infrarrojo cercano: la solucin de imagen qumica prctica
o Espectroscopa de Europa, 14 (3) (2002), pp 12-19
o Ver Registro en Scopus
| |
Citado por en Scopus (45)
8.
o Lawrence et al., 2003
o KC Lawrence, B. Park, WR Windham, C. Mao
o Calibracin de un sistema de imgenes hiperespectrales pushbroom para inspeccin
agrcola
o Transacciones de la ASAE, 46 (2) (2003), pp 513-521
o Ver Registro en Scopus
| |
Citado por en Scopus (94)
9.
o Lawrence et al., 2006
o KC Lawrence, WR Windham, B. Park, GW Heitschmidt, DP Smith, P. Feldner
o Parcial de regresin por mnimos cuadrados de imgenes hiperespectrales para la
deteccin de contaminantes en las canales de aves de corral
o Diario de Espectroscopia de Infrarrojo Cercano, 14 (4) (2006), pp 223-230
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
| |
Citado por en Scopus (22)
10.
o Lewis et al., 2005
o E. Lewis, J. Schoppelrei, E. Lee, L. Kidder
o Imagen qumica infrarrojo cercano como herramienta de anlisis de procesos
o K. Bakeev (Ed.), la tecnologa analtica de procesos, Blackwell Publishing, Oxford (2005), p. 187
o Texto completo a travs de CrossRef
11.
o Liu et al., 2007
o Y. Liu, Chen YR, MS Kim, DE Chan, AM Lefcourt
o Desarrollo de algoritmos simples para la deteccin de contaminantes fecales en las
manzanas de imagen infrarroja visible / cerca de reflectancia hiperespectral
o Journal of Food Engineering, 81 (2) (2007), pp 412-418
o Artculo
|
PDF (804 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (32)
12.
o Liu et al., 2005
o Y. Liu, YR Chen, Wang CY, DE Chan, MS Kim
o Desarrollo de algoritmo simple para la deteccin de dao por fro en los pepinos de
imgenes hiperespectrales visible / infrarrojo cercano
o Espectroscopa Aplicada, 59 (1) (2005), pp 78-85
o Artculo
|
PDF (131 K)
|
Ver Registro en Scopus
|
Texto completo a travs de CrossRef
| |
Citado por en Scopus (6)
13.
o Lu y Chen, 1998
o Lu, RF, Chen, YR (1998). Imgenes hiperespectrales para la inspeccin de la seguridad de los
alimentos y los productos agrcolas. En: Conferencia SPIE en la deteccin de patgenos y
Remediacin para Safe Eating , Boston, noviembre de 1998.
o
14.
o Lu y Peng, 2006
o RF Lu, YK Peng
o Dispersin hiperespectrales para evaluar la firmeza de la fruta del melocotn
o Ingeniera de Biosistemas, 93 (2) (2006), pp 161-171
o Artculo
|
PDF (831 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (127)
15.
o Lyon et al., 2002
o RC Lyon, DS Lester, EN Lewis, E. Lee, LX Yu, EH Jefferson et al.
o Imagen espectral del infrarrojo cercano para la garanta de calidad de los productos
farmacuticos: anlisis de comprimidos para evaluar homogeneidad de la mezcla en polvo
o AAPS PharmSciTech, 3 (3) (2002), p. 17
o
16.
o Malik et al., 2001
o I. Malik, M. Poonacha, J. Moiss, RA Lodder
o Las imgenes multiespectrales de tabletas en blister
o AAPS PharmSciTech, 2 (2) (2001), p. 9
o
17.
o Mehl et al., 2004
o PM Mehl, YR Chen, MS Kim, DE Chan
o Desarrollo de la tcnica de imagen hiperespectral para la deteccin de defectos y
contaminaciones de la superficie de manzana
o Journal of Food Engineering, 61 (1) (2004), pp 67-81
o Artculo
|
PDF (1565 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (158)
18.
o Menesatti et al., 2004
o Menesatti, P., D'Andrea, y S., Bucarelli, A. (2004). No destructivos calificacin de espectrometra de
pasta de trigo duro italianos producidos por los enfoques tradicionales o industriales de
tecnologa. En: Conferencia Internacional CIGR 2004 , Beijing, China, 11-14 de octubre de 2004.
o
19.
o Menesatti et al., 2005
o P. Menesatti, G. Urbani, G. Lanza
o Sistema de imgenes espectrales Vis-NIR para predecir la aparicin dao por fro en
ctricos
o F. Mencarelli, P. Tonutti (Eds.), ISHS Acta Horticulturae 682: V Simposio Internacional de
Postcosecha, ISHS (2005), pp 1347-1354
o
20.
o Monteiro et al., 2007
o S. Monteiro, Y. Minekawa, Y. Kosugi, T. Akazawa, K. Oda
o Prediccin de la dulzura y el amino cido contenido en los cultivos de soja de imgenes
hiperespectrales
o SIFT Diario de Fotogrametra y Teledeteccin, 62 (1) (2007), pp 2-12
o Artculo
|
PDF (892 K)
|
Ver Registro en Scopus
| |
Citado por en Scopus (26)
1.
o Nagata et al., 2006
o M. Nagata, J. Tallada, T. Kobayashi
o Deteccin Moretn utilizando imgenes hiperespectrales NIR de fresa
( Fragaria ananassaDuch.)
o Control de Medio Ambiente en Biologa, 44 (2) (2006), pp 133-142
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
|
Citado por en Scopus (19)
2.
o Nicola et al., 2006
o B. Nicola, E. Lotze, A. Peirs, N. Scheerlinck, K. Theron
o Medicin no destructiva de bitter pit en manzanas utilizando imgenes hiperespectrales
NIR
o Biologa Poscosecha y Tecnologa, 40 (2006), pp 1-6
o Artculo
|
PDF (414 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (65)
3.
o Noh y Lu, 2007
o H. Noh, R. Lu
o Hiperespectral de imgenes de fluorescencia inducida por lser para evaluar la calidad de
las manzanas
o Biologa y Tecnologa de Postcosecha, 43 (2007), pp 193-201
o Artculo
|
PDF (835 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (43)
4.
o Pappas et al., 2000
o D. Pappas, BW Smith, JD Winefordner
o Imgenes Raman para el anlisis qumico de dos dimensiones
o Opiniones de Espectroscopia Aplicada, 35 (2000), pp 1-23
o Ver Registro en Scopus
|
Citado por en Scopus (9)
5.
o Park et al., 2006
o B. Park, KC Lawrence, WR Windham, D. Smith
o Rendimiento del sistema de imgenes hiperespectrales para la deteccin de
contaminantes fecales superficie de aves de corral
o Journal of Food Engineering, 75 (3) (2006), pp 340-348
o Artculo
|
PDF (265 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (55)
6.
o Park et al., 2007
o B. Park, WR Windham, KC Lawrence, D. Smith
o Clasificacin de contaminantes de las aves de corral imgenes hiperespectrales utilizando
un algoritmo asignador ngulo espectral
o Ingeniera de Biosistemas, 96 (3) (2007), pp 323-333
o Artculo
|
PDF (1036 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (58)
7.
o Pohl, 1998
o C. Pohl
o Multisensor fusin de imgenes de teledeteccin
o Revista Internacional de Percepcin Remota, 19 (5) (1998), pp 823-854
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
|
Citado por en Scopus (981)
8.
o Polder et al., 2002
o G. Polder, G. Heijden, I. joven
o Anlisis de imagen espectral para medir la madurez de tomates
o Transacciones de la ASAE, 45 (2002), pp 1155-1161
o Ver Registro en Scopus
|
Citado por en Scopus (82)
9.
o Qiao et al., 2007
o J. Qiao, M. Ngadi, N. Wang, C. Garipy, S. Prasher
o Evaluacin de la calidad del cerdo y del nivel de marmoleado utilizando un sistema de
imgenes hiperespectrales
o Journal of Food Engineering, 83 (1) (2007), pp 10-16
o Artculo
|
PDF (796 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (87)
10.
o Qiao et al., 2005
o J. Qiao, N. Wang, M. Ngadi, S. Baljinder
o El contenido de agua y la estimacin del peso de las patatas utilizando imgenes
hiperespectrales
o La Sociedad Americana de Ingenieros Agrcolas y Biolgicos, St. Joseph, Michigan
(2005) www.asabe.orgnmero Papel 053126, 2005 ASAE Reunin Anual
o
11.
o Qin y Lu, 2005
o J. Qin, R. Lu
o La deteccin de pozos en las cerezas cidas de imgenes hiperespectrales transmisin
o Transacciones de la ASAE, 48 (5) (2005), pp 1963-1970
o Ver Registro en Scopus
|
Citado por en Scopus (36)
12.
o Rodionova et al., 2005
o O. Rodionova, L. Houmller, A. Pomerantsev, P. Geladi, J. Burger, V. Dorofeyev et al.
o NIR espectrometra para la deteccin de drogas falsificadas: un estudio de viabilidad
o Analytica Chimica Acta, 549 (1-2) (2005), pp 151-158
o Artculo
|
PDF (341 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (83)
13.
o Roggo et al., 2005
o Y. Roggo, A. Edmond, P. Chalus, M. Ulmschneider
o Imgenes hiperespectrales de infrarrojos para el anlisis cualitativo de las formas
farmacuticas slidas
o Analytica Chimica Acta, 535 (1-2) (2005), pp 79-87
o Artculo
|
PDF (819 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (92)
14.
o Schmilovitch et al., 2004
o Schmilovitch, Z., Shenderey, C., Shmulevich, I., Alchanatis, V., Egozi, H., Hoffman, R., et
al. (2004). Deteccin NIRS de corazn mohoso en las manzanas. En: Conferencia Internacional
CIGR 2004 , Beijing, China, 11-14 de octubre de 2004.
o
15.
o Scotter, 1990
o C. Scotter
o El uso de la espectroscopia de infrarrojo cercano en la industria alimentaria, con especial
referencia a sus aplicaciones a la sobre / procesos de alimentos en lnea
o Control de los Alimentos, 1 (3) (1990), pp 142-149
o Artculo
|
PDF (1004 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (17)
16.
o Shah et al., 2003
o Shah, CA, Watanachaturaporn, P., Varshney, PK, y Arora, MK (2003). Algunos resultados recientes
sobre la clasificacin de imgenes hiperespectrales. En: Actas del IEEE Taller sobre Avances en
Tcnicas de Anlisis de Datos de Sensores Remotos (pp. 346-353). Greenbelt, MD, 27-28 de
octubre de 2003.
o
17.
o Smail et al., 2006
o V. Smail, A. Fritz, D. Wetzel
o Imagen qumica de las semillas intactas con NIR matriz de plano focal de cra asistencias
planta
o Vibracional Spectroscopy, 42 (2) (2006), pp 215-221
o Artculo
|
PDF (2463 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (31)
18.
o Estrasburgo y Lude, 1995
o G. Strasburg, R. Lude
o Teora y aplicaciones de la espectroscopia de fluorescencia en investigacin alimentaria
o Trends in Food Science & Technology, 6 (3) (1995), pp 69-75
o Artculo
|
PDF (844 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (43)
19.
o Tallada et al., 2006
o J. Tallada, M. Nagata, T. Kobayashi
o Estimacin no destructiva de la firmeza de las fresas ( Fragaria ananassa Duch.)
utilizando imgenes hiperespectrales NIR
o Control de Medio Ambiente en Biologa, 44 (4) (2006), pp 245-255
o Texto completo a travs de CrossRef
20.
o Throop et al., 1993
o JA Throop, DJ Aneshansley, BL Upchurch
o Imgenes Near-IR y el color para la deteccin moretn en manzanas Golden Delicious
o Actas de SPIE, 1836 (1993), pp 33-44
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
|
Citado por en Scopus (7)
1.
o Uno et al., 2005
o Y. Uno, S. Prasher, R. Lacroix, P. Goel, Y. Karimi, A. Viau et al.
o Las redes neuronales artificiales para predecir el rendimiento de maz a partir de datos
Compacto Areo espectrogrfico Imager
o Informtica y electrnica en la agricultura, 47 (2) (2005), pp 149-161
o Artculo
|
PDF (118 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (77)
2.
o Vargas et al., 2005
o AM Vargas, MS Kim, Y. Tao, A. Lefcourt
o La deteccin de contaminacin fecal en melones utilizando imgenes de fluorescencia
hiperespectral
o Journal of Food Science, 70 (8) (2005), pp E471-E476
o Ver Registro en Scopus
|
Citado por en Scopus (43)
3.
o Weinstock et al., 2006
o BA Weinstock, J. Janni, L. Hagen, S. Wright
o Prediccin de las concentraciones de cido oleico en el aceite de maz individuo y ( Zea
maysL.) utilizando ncleos de infrarrojo cercano de imgenes hiperespectrales
reflectancia y el anlisis multivariante
o Espectroscopa Aplicada, 60 (1) (2006), pp 9-16
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
|
Citado por en Scopus (9)
4.
o Wood et al., 2002
o KS Wood, AM Gulian, GG Fritz, D. Van Vechten
o Un detector de QVD focal de imagen hiperespectral avin en astronoma
o Boletn de la Sociedad Astronmica Americana, 34 (2002), p. 1241
o
5.
o Xing et al., 2005
o J. Xing, C. Bravo, P. Jancsk, H. Ramn, J. De Baerdemaeker
o La deteccin de moretones en las manzanas 'Golden Delicious' el uso de imgenes
hiperespectrales con mltiples bandas de frecuencia
o Ingeniera de Biosistemas, 90 (1) (2005), pp 27-36
o Artculo
|
PDF (350 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (74)
6.
o Xing et al., 2006
o J. Xing, P. Jancsk, J. De Baerdemaeker
o Identificacin Stem-end/calyx en manzanas utilizando el anlisis del contorno de las
imgenes multiespectrales
o Ingeniera de Biosistemas, 96 (2) (2006), pp 231-237
o
7.
o Xing et al., 2007
o J. Xing, W. Saeys, J. De Baerdemaeker
o Combinacin de herramientas quimiomtricas y procesamiento de imgenes para la
deteccin moretn en manzanas
o Informtica y electrnica en la agricultura, 56 (1) (2007), pp 1-13
o Artculo
|
PDF (698 K)
|
Ver Registro en Scopus
|
Citado por en Scopus (43)
8.
o Zheng et al., 2004
o G. Zheng, Y. Chen, X. Intes, B. Chance, JD Glickson
o Con realce de contraste en el infrarrojo cercano (NIR) de imagen ptica para la deteccin
del cncer del subsuelo
o Diario de porfirinas y ftalocianinas, 8 (9) (2004), pp 1106-1117
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
|
Citado por en Scopus (25)
9.
o Zuzak et al., 2001
o K. Zuzak, M. Schaeberle, M. Gladwin, R. Cannon, I. Levin
o La determinacin no invasiva de la resolucin espacial y la perfusin tisular resuelta en el
tiempo en los seres humanos durante la inhibicin de xido ntrico y la inhalacin
mediante el uso de una tcnica de imagen hiperespectral visible-reflectancia
o Circulation, 104 (2001), p. 2905
o Ver Registro en Scopus
|
Texto completo a travs de CrossRef
|
Citado por en Scopus (52)

Autor para correspondencia. Tel:. 353 17165543.
Copyright 2007 Elsevier Ltd. Todos los derechos reservados.

Acerca de ScienceDirect
Contacto y soporte
Informacin para anunciantes
Trminos y condiciones
Poltica de privacidad

Copyright 2014 Elsevier BV excepto determinados contenidos facilitados por terceros. ScienceDirect es una
marca registrada de Elsevier BV
Las cookies se utilizan en este sitio. Para rechazar o aprender ms, visite nuestro Galletas pgina
Cambiar de sitio mvil