ARTÍCULO DE REVISIÓN

COLORIMETRÍA CIELAB
CIELAB COLORIMETRY

Valeria González Cadavid1, Yeraldín Jiménez Cartagena1, María Fernanda Rendón Restrepo1

RESUMEN

El color representa una cualidad que viene determinada visualmente por la luz reflejada en relación
con la tonalidad, la saturación y el brillo. Es una característica de calidad de gran importancia, dado
que es el primer aspecto que perciben consumidores e influye en la aceptación o rechazo de un
producto. Existen tecnologías de medición del color que van más allá de la mirada subjetiva del
ojo humano y permiten cuantificar de manera objetiva para eliminan las percepciones del color y
las diferencias de juicio entre los analistas, estas se representan tradicionalmente usando el
espacio de color CIELab. La medición instrumental del color en alimentos sólidos y semisólidos se
realizan generalmente usando colorímetros digitales, los cuales poseen una fuente de iluminación
estándar incorporada, también puede realizarse la medición con cámaras digitales la cual debe
estar integrada a un sistema de visión computacional. El objetivo de este artículo de revisión es
determinar aspectos relacionados con la colorimetría CIELab, desde su definición, modelos de
calculó, funcionamiento del equipo y aplicaciones prácticas en la industria. Se llevó a cabo una
búsqueda y revisión bibliográfica de diferentes artículos donde analicen los parámetros de color
empleados en la metodología CIELab. Finalmente se concluye que los colorímetros son rápidos,
fáciles de calibrar y utilizar, además de que permite caracterizar un alimento y por tanto definir su
calidad.

Palabras clave: Colorimetría, luminosidad, color, CIELab.

ABSTRAC

Color represents a quality that is visually determined by reflected light in relation to hue, saturation,
and brightness. It is a quality characteristic of great importance, since it is the first aspect that
consumers perceive and influences the acceptance or rejection of a product. There are color
measurement technologies that go beyond the subjective gaze of the human eye and allow objective
quantification to eliminate color perceptions and differences in judgment between analysts, these
are traditionally represented using the CIELab color space. The instrumental measurement of color

1
Estudiantes de ingeniería de alimentos 1
in solid and semi-solid foods is generally carried out using digital colorimeters, which have a built-in
standard light source, the measurement can also be carried out with digital cameras which must be
integrated into a computer vision system. The objective of this review article is to determine aspects
related to CIELab colorimetry, from its definition, calculation models, operation of the equipment and
practical applications in the industry. A bibliographic search and review of different articles was
carried out where the color parameters used in the CIELab methodology were analyzed. Finally, it
is concluded that colorimeters are fast, easy to calibrate and use, in addition to allowing a food to
be characterized and therefore its quality defined.

Key words: Colorimetry, luminosity, color, CIELab.

INTRODUCCIÓN mediante tres fotocélulas como receptores,

igual que el ojo humano.
El ojo humano es el medio más antiguo para
la medición y especificación del color, pero
El color es una de las características
debido a sus características de diseño de
morfológicas más importantes, la más obvia,
adaptación, individualidad de respuesta
fácil de determinar y relevante en la
espectral y deficiente memoria del color, es un
identificación taxonómica de los alimentos (2).
instrumento pobre para la especificación
El sistema CIELab, es una técnica que permite
analítica del color (1).
la determinación del color de los alimentos. El
Un instrumento que se diseña para medir el
objetivo de este artículo de revisión es
color, debe evaluar la muestra iluminándola
determinar aspectos relacionados con la
con luz de las mismas características
colorimetría CIELab, desde su definición,
espectrales y tener sensores de similares
modelos de calculó, funcionamiento del
características de respuesta espectral del
equipo y aplicaciones prácticas en la industria.
observador humano estándar. Los
instrumentos de medición del color se
Tal como lo expresan Gonçalez et al. (3), para
agrupan en dos clases, los
la medición y cuantificación del color, el
espectrofotómetros y los colorímetros. El
sistema más utilizado es el CIE ("Comission
primero es el instrumento más preciso para la
Internacional de L'Eclairage" o Comisión
medición del color, sin embargo, no mide
Internacional de Iluminantes), que define la
directamente el color por sí mismo, sino que
sensación del color por medio de tres
mide los atributos físicos de un material, tales
elementos: la luminosidad o brillo, la tonalidad
como, reflexión o transmisión de la luz (1).
o matiz y la saturación o cromaticidad. En
El segundo es el colorímetro el cual utiliza
1976, esta comisión creó un sistema conocido
sensores para imitar la visión humana
2
como CIELab. En este sistema el color es
localizado en un sólido tridimensional y su
cuantificación se realiza utilizando
expresiones matemáticas. La referida
cuantificación con base en un sistema
colorimétrico auxilia en la interpretación,
normalizando los resultados, pues la
percepción humana del color puede ser
diferente de acuerdo con lo que cada individuo
observa (4).
El estudio de color por el sistema CIELab se
realiza determinando las coordenadas de
color del espacio, donde L representa la
luminosidad; a se asocia a la coordenada rojo-
verde y b es la coordenada amarillo-azul.
Es por esto que, la simplicidad, precisión y
rapidez, así como el limitado nivel de
preparación de las muestras hacen de las
técnicas ópticas las más prometedoras en la
determinación de las propiedades físicas y
químicas de los productos agroalimentarios.
Aplicando lo anterior en el sector de la
agroindustria, Rossi y Brito (4) plantean que la
aplicación mayoritaria de los colorantes
naturales es para la tintura de géneros
alimenticios y cosméticos, siendo estos
seleccionados con mucho rigor debido a las
normas de seguridad en relación a dados
toxicológicos y farmacológicos. Es por esto
que, el presente artículo de revisión finalizará
con el análisis de la aplicación y uso de la
colorimetría en alimentos como el café, el
jamón de cerdo, y harina de yuca
2
METODOLOGÍA
Existen varios sistemas colorimétricos para
medir los parámetros de color, uno de los
métodos más precisos y comúnmente
utilizados es el sistema de color de CIE-
L*a*b*. Esta técnica consiste en medir tres
parámetros colorimétricos L*, a* y b*, a partir
de los cuales es posible cuantificar el color del
material. L* es la luminosidad, e indica el tono
de gris dentro de una escala negro-blanco. Su
escala va de 0 a 100, donde 0 es el negro y
100 indica el blanco. Los otros dos parámetros
son las coordenadas cromáticas verde-rojo
(a*) y azul-amarillo (b*), las cuales dentro de
una escala de 0 a 60 indican la variabilidad de
los pigmentos rojo, verde, amarillo y azul,
definidas por las variables +a*, -a*, +b* y -b*,
respectivamente (7), como se observa en la
figura 1.
El modelo se basa en la respuesta de los
observadores patrones (estándares) a un
estímulo luminoso, es decir, trata de imitar la
respuesta humana promedio a las longitudes
de onda de la luz y cómo una persona
promedio ve el color a través del espectro
visible. Este modelo ha sido muy utilizado para
el control de calidad de otros productos en la
industria de textiles, de pinturas, de alimentos
y en otras frutas y hortalizas, debido a su
facilidad de diferenciar el color de la muestra
con el color patrón o estándar (8).
Las coordenadas CIE-L*a*b* localizan en un
plano tridimensional los colores de los objetos.
Además, los cambios uniformes en las
componentes tienden a corresponder a
cambios uniformes en el color que se percibe.
Dichos cambios, se cuantifican tomando la
distancia euclidiana (ΔE*) entre ellos (9). A la
distancia euclidiana también se le conoce
como variación total del color. Existen varios
criterios para determinar cuándo la variación
del color es perceptible por el ojo humano.
Uno de ellos es el propuesto por Melchiades y
Boschi (10), que mencionan que la diferencia
de coloración puede ser observada por el ojo
humano si ΔE*>1. Otro criterio es el propuesto
por Hikita et al. (11), cuya escala se encuentra
entre 0 y 12, el cual considera que la
diferencia de colores empieza a ser
ligeramente perceptible cuando ΔE*>0,5 y
muy apreciable cuando ΔE* > 6,0. En esta
escala, ΔE* está acotada a un valor de 12 .
También existe el criterio ΔE*76, que al igual
que el criterio de Hikita et al. (11), divide la
percepción de la diferencia de color en más
estratos, clasificando los valores de ΔE* como
no visible, muy leve, notable, muy notables,
grande y muy grande. Sin embargo, en esta
escala el valor ΔE* no tiene una cota superior
(12).

Figura 1. Espacio de color CIELab (8).

Este sistema colorimétrico, se basa en la pinturas, de alimentos y en otras frutas y

respuesta de los observadores patrones hortalizas, debido a su facilidad de diferenciar
(estándares) a un estímulo luminoso, es decir, el color de la muestra con el color patrón o
trata de imitar la respuesta humana promedio estándar. Un espacio de color similar a CIE
a las longitudes de onda de la luz y cómo una L*a*b* es el CIE L*C*h*, el cual usa
persona promedio ve el color a través del coordenadas cilíndricas en lugar de
espectro visible. Este modelo ha sido muy coordenadas rectangulares. El valor de
utilizado para el control de calidad de otros luminosidad L* es el mismo, y las
productos en la industria de textiles, de coordenadas croma (C*) y ángulo de tonalidad

3
(h*) se definen usando la siguiente INSTRUMENTOS DE MEDICIÓN DEL
formulación (8): COLOR

Los instrumentos de medición en la

colorimetría más utilizados son los portátiles.
El medidor CR-400 es un instrumento
diseñado para evaluar el color de objetos
El croma C* también se conoce como
especialmente con condiciones de superficies
saturación y expresa la separación al centro
suaves o con mínima variación de color, ideal
(eje de claridad L*) del sistema tridimensional
para inspeccionar el color de alimentos,
de color. El tono angular h* expresa el color
materiales de construcción, plásticos y
básico de un objeto (rojo, violeta, azul, verde,
aplicaciones dermatológicas dentro de los
amarillo, naranja, ó púrpura). Para estímulos
campos de control de calidad, aseguramiento
cromáticos varía entre 0º y 360º y para
de calidad e investigación y desarrollo. A
estímulos acromáticos es una magnitud no
través de fórmulas estándares o
definida (a*=0, b*=0) (8).
personalizadas, ayuda a controlar la calidad
de color, consistencia y apariencia de las
Cuando la luz alcanza una superficie, parte de
muestras. Utiliza un sistema de visión
ésta penetra en ella, pudiendo ser absorbida,
computacional, compuesto por un ambiente
dispersada o, incluso si la capa es lo bastante
de iluminación controlada, una cámara digital
delgada, transmitida. Sin embargo, parte de la
y un programa para procesar la información
luz incidente se ve reflejada por la superficie.
obtenida; estos equipos usan la fuente de luz
La distribución angular de esta luz depende de
para iluminar la muestra a medir y la luz
la naturaleza de la superficie y la luz que se
reflejada o transmitida por el objeto pasa
refleja en un ángulo opuesto al de la luz
entonces a una red de difracción que la
incidente, se llama reflectancia especular. La
transforma en el espectro, el espectro cae en
reflectancia ha sido definida como porcentaje
una matriz de diodos que mide la luz a cada
de luz reflejado de un objeto. Los
longitud de onda, y los datos espectrales se
espectrofotómetros miden la reflectancia (%)
envían entonces a un procesador para
a varios intervalos de longitudes de onda en el
obtener en la pantalla los valores de L*a*b*.
espectro visible (400 a 700 nm) para
En este instrumento el tamaño de apertura es
determinar la curva espectral o “huella digital”
de 8 mm ideal para evaluar el color de
del color (8).
muestras con superficies suaves o mínimas
variaciones de color, pantalla LCD que exhibe
valores de color para la fácil interpretación o

2
medición de resultados, la fuente de
iluminación normalmente son fuentes de
xenón y los detectores son celdas de silicio,
son de un diseño inalámbrico y liviano apto
para tomar mediciones en cualquier lado,
además de tener instrucciones simples y
directas con botones que pueden ser
fácilmente entendidas. Estos medidores
digitales permiten obtener, de una sola vez,
una gran cantidad de información espacial.
Actualmente cuando no se tiene capacidad
económica de adquirir un colorímetro de
triestímulo se propone un método alternativo
que consiste en la utilización de imágenes
digitales para medir y analizar el color en
superficies de los alimentos, con el uso de una
cámara digital conectada a un ordenador y un
software de gráficos.
El método propuesto tiene una precisión
ligeramente más baja que un colorímetro
triestímulo, pero la simplicidad, versatilidad y
bajo costo hacen su aplicación justificada,
aunque cabe mencionar que no es un sustituto
directo de un instrumento sofisticado para la
medición del color. Los análisis digitales de
imagen deben tener condiciones controladas
como iluminación, distancia de la cámara,
ángulo y fuente de luz, además de los datos
obtenidos de un colorímetro con el fin de
calibrar los valores obtenidos en el respectivo
software.
3
Cabe resaltar que este método es una
herramienta muy útil para la industria dado
que se puede obtener una gran cantidad de
información a partir de mediciones a nivel de
píxel, lo cual, no es el caso de los colorímetros
convencionales que solo miden un área
pequeña específica, mientras que mediante la
utilización de cámaras digitales se permite el
análisis de muestras grandes, lo que permite
una mejor caracterización de los alimentos, y
por lo tanto un mejor control de calidad.
A continuación, se presentan algunos
estudios de colorimetría aplicados en la
agroindustria para café, harina de yuca y
jamón de cerdo.
USOS Y APLICACIONES EN LA
INDUSTRIA DE ALIMENTOS
En la industria agroalimentaria el desarrollo de
sistemas de control de calidad eficaces y que
garanticen la producción segura de alimentos
durante las operaciones procesamiento es
una de las metas más buscadas por los
científicos de alimentos. En la actualidad
muchos sistemas de inspección de calidad
alimentaria se realizan por inspectores
entrenados, lo cual es tedioso, laborioso,
lento, costoso y sujeto a subjetividad y error
humano (5). En este panorama el desarrollo
de métodos automatizados de evaluación de
la calidad optimiza el control del proceso y
elimina la subjetividad y errores humanos. Es
así que técnicas ópticas, no destructivas, tales
como el análisis de imagen y la
espectroscopia están disponibles actualmente b) Caracterización de la muestra: Para la
para la determinación y aseguramiento de la caracterización de las muestras se
calidad alimentaria (13); (14); (15) y (16). determinó el contenido de humedad en
base húmeda (%), mediante el método
Luego de analizar el sistema la colorimetría y 925.10 (ISP, 2015) y el color,
sus deferentes métodos, se revisarán tres (3) expresado en unidades
estudios de caso donde se aplica este sistema adimensionales para cada una de las
para evaluar diferentes propiedades de los coordenadas de color L*, a y b,
alimentos que afectan su calidad y/o mediante el método colorimétrico (8).
apariencia. c) Adquisición de imágenes: Cada
muestra se colocó en la plataforma de
Café muestra para ser transportada a

Esta investigación se enfocó en el desarrollo velocidad y tiempo de exposición

de modelos de predicción del color en ajustada al campo de visión de la

coordenadas CIELab de café cerezo mediante cámara; esta información se almacenó

la tecnología de imágenes hiperespectrales; la con la información de cada pixel y sus

muestra se conformó de 200 granos de café respectivas bandas o canales en

cerezo en diferentes estados de madurez, formato.

dividiéndola en 120 granos para calibración y

80 de validación. La muestra fue El análisis de imágenes obtenidas de cada

caracterizada mediante colorimetría en el grano se procesó mediante un sistema

espacio CIELab. Posteriormente se especialmente desarrollado e implementado,

adquirieron imágenes hiperespectrales de en el software matemático Matlab 2010ª. Este

cada grano (5). software posibilito las tareas de:

La metodología empleada en esta a) Segmentación

investigación se dividió en las siguientes b) Extracción de información perfiles

etapas: espectrales promedio

a) Preparación de muestra: A fin de c) Determinación de modelo de ajuste

preservar las muestras se procedió a entre perfiles espectrales, humedad y

lavar y desinfectar los granos con una color

solución de NaCl al 0,5%; Con todo lo anterior, y luego del análisis de los

posteriormente se almaceno en resultados, el estudio concluyó que el sistema

refrigeración a 12 °C y una humedad desarrollado para esta investigación permite

relativa de 95%. obtener la información espectral y generar

4
modelos de ajuste para la predicción de las
coordenadas de color en café cerezo (5).
El coeficiente de ajuste de los modelos de
predicción de las coordenadas de color
mediante los perfiles espectrales de
reflectancia, difieren de acuerdo al modelo a
utilizar; obteniéndose mayores valores con
redes neuronales en comparación con el
método de mínimos cuadrados parciales (5).
Harina de Yuca
Existe una variedad de métodos para producir
harina de yuca, lo que da como resultado
productos muy heterogéneos que exhiben
varios colores, texturas, granulometrías y
sabores. Para mejorar su atractivo para los
consumidores, algunos productores tiñen la
harina de yuca con cúrcuma o tartrazina; sin
embargo, esta práctica es ilegal en Brasil. En
este estudio, se recolectaron muestras de
harina de yuca y se evaluaron para detectar
una posible adulteración mediante la adición
de colorantes. Las harinas se analizaron
mediante CIELab y selección de tintes
(cromatografía en papel y el método de
identificación de la cúrcuma) y se desarrolló
un árbol de clasificación utilizando estos
datos. Los resultados positivos para los
pigmentos curcuminoides o tartrazina fueron
confirmados por HPLC-DAD o HPLC-UV-Vis,
respectivamente. El enfoque desarrollado es
un método de análisis quimiométrico
alternativo innovador que facilita la detección
muy práctica (17).
5
Este estudio seleccionó harina de yuca con
diversas cualidades, orígenes, matices e
intensidades de color. Se recolectaron
aleatoriamente muestras de harina de yuca en
cinco sitios. La harina de las casas harineras,
del tipo que sea, son productos elaborados
por pequeños productores rurales con medios
artesanales. Por otro lado, la harina de
Copioba es una harina de yuca artesanal
especial porque, a pesar de producirse de
manera similar y presentar una composición
similar, el know-how utilizado para producirla
(en particular el control de las etapas de
tostado y tamizado) y sus cualidades
sensoriales son únicos y atribuibles a un
proceso de fabricación tradicional que se
remonta al siglo XVII (18). Se recolectó harina
de copioba por su distintivo color sensorial
(levemente amarillento, natural por el proceso
térmico utilizado) y la aplicación para su
indicación geográfica (IG), mientras que la
harina de yuca del Recôncavo Baiano se
adquirió por producir una harina de yuca
artesanal de calidad similar a la harina de
Copioba, además de que su territorio
constituye una macro región que abriga el
Valle de Copioba. La harina de origen
indefinido, en cambio, se adquirió por su color
amarillo intenso.
Para la evaluación de parámetros CIELab se
buscaron los atributos cromáticos que se
midieron usando el medidor de diferencia de
color de un colorímetro Minolta (CR-400;
Konica Minolta Sensing Inc., Tokio, Japón)
usando 10 g de harina de yuca distribuida
uniformemente en una placa Petri de vidrio
fresca (100 × 12 mm). Los parámetros de
color L *, a * y b * de las muestras se evaluaron
por triplicado (19).
De esta forma, el estudio concluyó que los
valores de los parámetros CIELab (L*, a* y b*),
se determinaron para las distintas muestras
de harina de yuca, las cuales revelaron que L*
variaba de 84.19 a 88.25, mientras que a*
variaba entre -6.26 y -0.55, y b* de 18.31 a
46.88 (17).
Así pues, considerando que el uso de
colorantes en la harina de yuca es ilegal y que
las agencias reguladoras brasileñas aún no
han establecido medidas de inspección al
respecto, el enfoque metodológico
desarrollado es una alternativa innovadora y
confiable que proporciona un método
altamente práctico para identificar la harina de
yuca adulterada, un importante producto
alimenticio humano.
Como ventaja adicional del método, las
muestras se pueden clasificar en el campo
utilizando un colorímetro portátil para fines de
clasificación, donde la clasificación
colorimétrica es una herramienta útil,
funcional y económica, ya que no requiere
análisis de banco y elimina los gastos
asociados con los reactivos y mano de obra
calificada, ya que es una técnica fácil de
entender que puede ser aplicado por cualquier
persona después de un breve entrenamiento
(17).
6
Jamón de Cerdo
En este estudio se analizaron los cambios de
color de rodajas de jamón de cerdo
almacenadas a dos temperaturas (4 y 8°C)
con el fin de comparar dos metodologías de
captura de imagen para la estimación de los
cambios de color en el tiempo en los espacios
de color CIELab a través de un DigiEye ®, y
estereoscopio con análisis digital de
imágenes. Los cambios de espacio de color se
analizaron utilizando un sistema de visión por
computador para el análisis de segmentación
de las imágenes. Se determinó que a partir del
noveno día, los cambios de color
representativos podrían ser percibidos en las
rebanadas de jamón utilizando DigiEye ®. Por
último, se lograron obtener ecuaciones de
predicción de color con R2>0.85 como una
herramienta para el monitoreo electrónico
para la evaluación de la calidad de las rodajas
de jamón de cerdo durante el almacenamiento
(20).
Se elaboraron 378 lonchas de jamón cocido
de cerdo a partir de fórmulas estándar
basadas en protocolos de preparación
establecidos. El producto fue picado y
empacado al vacío por una empacadora
compacta Tiromat Compac 320® en salas con
temperatura, humedad relativa y velocidad del
aire controladas utilizando una película de
empaque que consta de dos capas: el
laminado superior con una alta barrera a los
gases y una permeabilidad al oxígeno a 23°C
y 0% de humedad relativa de 8 gm2 / día y la
inferior de 90 µm de espesor, coextruida, alta
barrera a los gases, una permeabilidad al de captura de color mucho más precisa que
oxígeno a 23°C y 0% de humedad relativa de un estereoscopio para evaluar lonchas de
6 gm2/día y una permeabilidad al vapor de jamón segmentadas. Juntas, estas
agua a 38°C y 90% de humedad relativa de 8 observaciones sugieren que ambas técnicas
gm2/día. El jamón se almacenó a 4°C y 8°C en resultan útiles para evaluar los cambios de
cámaras de temperatura controlada Thermo color en las lonchas de jamón de cerdo cocido,
Scientific Modelo 815® con una sensibilidad un factor que está directamente relacionado
de ± 1°C durante 41 días. Estas temperaturas con las características de calidad y su efecto
se seleccionaron como temperaturas de en la aceptación del consumidor. La
refrigeración y de abuso, respectivamente. temperatura tuvo un efecto significativo en las
∗
Las lonchas, la sección de músculo y la predicciones de ∆𝐸𝑎𝑏 . Además, al predecir los
∗
sección de salmuera de jamón se analizaron valores de ∆𝐸𝑎𝑏 , el efecto de la temperatura es
por separado para diferenciar la más pronunciado en las secciones (músculo o
heterogeneidad de las muestras (20). El salmuera de jamón) de las muestras de
análisis se desarrolló en tres etapas: lonchas de jamón. Por estas razones, al
1. Adquisición de imagen implementar estas metodologías en la
a) Captura de imágenes por industria, se deberían construir modelos
estereoscopio predictivos a la temperatura de
b) Captura de imágenes por DigiEye® almacenamiento y modelos específicos para
2. Segmentación de imagen ∗
predecir ∆𝐸𝑎𝑏 .
3. Diseño experimental
a) Tiempo y temperatura (DigiEye®) CONCLUSIONES
b) Tiempo, temperatura y sección del
 Cuantificar el color de manera
corte (DigiEye®)
instrumental mediante colorimetría
c) Tiempo, temperatura y sección del
CIELab sirve como una herramienta de
corte (Estereoscopio).
control de calidad. Además de ser
De lo anterior, los autores concluyeron que los
reconocido como un método rápido,
resultados indican que independientemente
eficiente y no destructivo, por tanto se
del instrumento utilizado, se generaron
puede utilizar en la inspección de una
modelos con coeficientes de correlación
línea completa de un proceso y
aceptables (R2>0,80), determinando el día en
caracterizar el color de un determinado
el que se produjeron los mayores cambios en
producto, además de percibir el estado
cuanto a color, temperatura de
de madurez de la materia prima e
almacenamiento y sección analizada. Sin
identificar si un producto está
embargo, DigiEye® sigue siendo una máquina
deteriorado o no.
7
 Costa AD, Valle AD. Colorimetria
 El método de imágenes digitales que quantitativa: uma técnica objetiva... -
es utilizado para medir el color en Google Académico. Bras Florest
alimentos tiene muchas ventajas, sin [Internet]. 2001 [cited 2021 Oct
embargo es un método que debe 23];20(72):47–58. Available from:
validarse, para garantizar unas https://scholar.google.com/scholar?hl=
características de desempeño es&as_sdt=0%2C5&q=Colorimetria+qu
adecuadas, también para cumplir los antitativa%3A+uma+técnica+objetiva+d
requerimientos y generar resultados e+determinar+a+cor+da+madeira&btn
analíticos confiables. G=
4. Hurtado Z, Hurtado P. Análisis
 En suma, los análisis de colorimetría colorimétrico del extracto de hojas de
utilizando el sistema CIELab, permiten teca. Rev Árvore [Internet]. 2015 Sep 1
estandarizar los análisis en la industria [cited 2021 Oct 23];39(5):953–61.
de alimentos que tengan el color como Available from:
variable de interés, mitigando las http://www.scielo.br/j/rarv/a/LqBBdv9N3
variaciones asociadas a las jnvjqxghfhsxMs/?lang=es
percepciones y sesgos propias del ojo 5. Castro W, Yoplac I, López C. Predicción
humano. del color y contenido de humedad en
café cerezo mediante redes neuronales
y regresión de mínimos cuadrados
REFERENCIAS
parciales. Cienc Amaz [Internet]. 2015
1. Bujdud JM. Medición Práctica del Color. [cited 2021 Oct 23];5(2):91–103.
[Guanajuato]: Universidad de Available from:
Guanajuato; 1999. https://dialnet.unirioja.es/servlet/articulo
2. Domínguez J, Román A, García F, ?codigo=5399302
Acevedo O. Sistema de Notación 6. Schaepman ME. Spectrodirectional
Munsell y CIELab como herramienta remote sensing: From pixels to
para evaluación de color en suelos * processes. Int J Appl Earth Obs Geoinf.
Munsell Notation System and CIELab as 2007 May 1;9(2):204–23.
a tool for evaluation colors in soils 7. Gonçalez JC, Marques MHB, Karas
Resumen Introducción Antecedentes. MCS, Janin G, Ribeiro PG. Effect of
Rev Mex Ciencias Agrícolas. drying process on Marupá wood color.
2012;3(1):141–55. Maderas Cienc y Tecnol.
3. Gonçalez JC, Janin G, Santoro ACS, 2014;16(3):337–42.

8
8. Carvajal Herrera C, Jaime J, Torres A, [cited 2021 Oct 24];3(1):155–9.
Darío I, Tascón O, Eugenio C, et al. Available from:
Revista Facultad Nacional de https://link.springer.com/article/10.1007
Agronomía-Medellín. Rev Fac Nac /s11947-009-0211-1
Agron [Internet]. 2011 [cited 2021 Oct 14. Kumar S, Mittal GS. Rapid Detection of
23];64(2):6229–40. Available from: Microorganisms Using Image
http://www.redalyc.org/articulo.oa?id=1 Processing Parameters and Neural
79922664020 Network. Food Bioprocess Technol
9. Bradbury GJ, Potts BM, Beadle CL. 2008 35 [Internet]. 2008 Jul 30 [cited
Quantifying phenotypic variation in 2021 Oct 24];3(5):741–51. Available
wood colour in Acacia melanoxylon from:
R.Br. For An Int J For Res [Internet]. https://link.springer.com/article/10.1007
2010 Apr 1 [cited 2021 Oct /s11947-008-0122-6
24];83(2):153–62. Available from: 15. Shankar TJ, Sokhansanj S,
https://academic.oup.com/forestry/articl Bandyopadhyay S, Bawa AS. A Case
e/83/2/153/520866 Study on Optimization of Biomass Flow
10. Melchiades FG, Boschi AO. Cores e During Single-Screw Extrusion Cooking
Tonalidades em Revestimentos Using Genetic Algorithm (GA) and
Cerâmicos. Response Surface Method (RSM). Food
11. Hikita, Y. T. M. Y., Toyoda, T., & Azuma Bioprocess Technol 2008 34 [Internet].
M. Weathering testing of timber: 2008 Dec 23 [cited 2021 Oct
discoloration. Imamura, Y. High 24];3(4):498–510. Available from:
performance utilization of wood for https://link.springer.com/article/10.1007
outdoor uses. 2011. /s11947-008-0172-9
12. WYSZECKI G, STILES WS. COLOR 16. Singh CB, Choudhary R, Jayas DS,
SCIENCE Concepts and Methods, Paliwal J. Wavelet Analysis of Signals in
Quantitative Data and Formula. 2nd ed. Agriculture and Food Quality Inspection.
Wiley Series in Pure and Applied Optics, Food Bioprocess Technol 2008 31
editor. New York; 1982. [Internet]. 2008 Jun 17 [cited 2021 Oct
13. Pallottino F, Menesatti P, Costa C, 24];3(1):2–12. Available from:
Paglia G, De Salvador FR, Lolletti D. https://link.springer.com/article/10.1007
Image Analysis Techniques for /s11947-008-0093-7
Automated Hazelnut Peeling 17. Filgueiras Rebelo de Matos M, Quênia
Determination. Food Bioprocess Muniz Bezerra P, Conceição Argôlo
Technol 2009 31 [Internet]. 2009 May 20 Correia L, Nunes Viola D, de Oliveira

9
 Rios A, Izabel Druzian J, et al. Ciência e Agrotecnologia [Internet].
Innovative methodological approach 2006 Aug [cited 2021 Oct
using CIELab and dye screening for 24];30(4):692–700. Available from:
chemometric classification and HPLC http://www.scielo.br/j/cagro/a/qG6XFK5
for the confirmation of dyes in cassava YQLzKnPQ5BRyVFKR/?lang=pt
flour: A contribution to product quality 20. Porras-Barrientos LD, González-
control. Food Chem. 2021 Dec Hurtado MI, Ochoa-González OA, Díaz
15;365:130446. LIS, Camelo-Méndez GA, Quintanilla-
18. Cazumbá da Silva ÍR, Cardoso R de CV, Carvajal MX. COLORIMETRIC IMAGE
Góes JÂW, Druzian JI, Vidal Júnior PO, ANALYSIS AS A FACTOR IN
de Andrade ACB. Food safety in ASSESSING THE QUALITY OF PORK
cassava “flour houses” of Copioba HAM SLICES DURING STORAGE. Rev
Valley, Bahia, Brazil: Diagnosis and Mex Ing Química [Internet]. 2015 [cited
contribution to geographical indication. 2021 Oct 24];14(2):243–52. Available
Food Control. 2017 Feb 1;72:97–104. from:
19. Dias LT, Leonel M. Caracterização https://www.redalyc.org/articulo.oa?id=
físico-química de farinhas de mandioca 62041194002
de diferentes localidades do Brasil.

10