Predicción de los sólidos solubles totales, pH y acidez titulable de naranjas (Citrus sinensis L. var. Valencia) mediante imágenes hiperespectrales

Simple item page
dc.contributor.advisorSiche Jara, Raúl Benito
dc.contributor.authorAredo Tisnado, Víctor Jesús
dc.date.accessioned2016-11-03T21:21:20Z
dc.date.available2016-11-03T21:21:20Z
dc.date.issued2015
dc.descriptionHyperspectral imaging in the visible and near-infrared (400–1000 nm) regions was tested for nondestructive determination of total soluble solids (TSS), pH, and titaratable acidity (TA) in oranges (whole and half) in commercial ripeness. The spectral data were analyzed using the partial least squares (PLS) analysis. The determination coefficients (R2) with the whole spectral range (400–1000 nm) for predicting TSS, pH and TA on whole oranges were 77.0%, 77.2% and 78.3% with Standard Error of Calibration (SEC) of 0.501 ºBrix, 0.080 and 0.092 % citric acid, and Standard Error of Prediction (SEP) of 0.517 ºBrix, 0.080 and 0.088 % citric acid, respectively; for half oranges the R2 for predicting TSS, pH and TA on half oranges were 92.1%, 87.7%, y 88.0% with SEC of 0.294 ºBrix, 0.059 and 0.068 % citric acid, and SEP of 0.400 ºBrix, 0.061 and 0.074 % citric acid, respectively. The most influential wavelengths were selected using coefficients β from PLS models. New simplified PLSR and multiple lineal regression (MLR) models were established using only the selected wavelengths to predict the quality attributes, but the models didn’t have an acceptable level of prediction (R2<70%).es_ES
dc.description.abstractImágenes hiperespectrales en la región visible e infrarrojo cercano (400-1000 nm) fueron evaluadas en la determinación no destructiva de sólidos solubles totales (SST), pH y acidez titulable (AT) en naranjas (enteras y en mitades) en estado de madurez de cosecha. Los datos espectrales se analizaron utilizando Regresión de Mínimos Cuadrados Parciales (PLSR, siglas en inglés). Usando el espectro completo en naranjas enteras se obtuvieron coeficientes de determinación (R2) para predecir SST, pH y AT de 77,0%, 77,2% y 78,3% con un Error Estándar de Calibración (SEC, siglas en inglés) de 0,501 ºBrix, 0,080 y 0,092 % Ac. Cítrico, y un Error Estándar de Predicción (SEP, siglas en inglés) de 0,517 ºBrix, 0,080, 0,088 % Ac. Cítrico, respectivamente. En naranjas en mitades los coeficientes de determinación (R2) para la predicción de SST, pH y AT fueron de 92,1%, 87,7%, y 88,0% con un SEC de 0,294 ºBrix, 0,059 y 0,068 % Ac. Cítrico, y un SEP de 0,400 ºBrix, 0,061 y 0,074 % Ac. Cítrico, respectivamente. Las longitudes de onda más influyentes en la predicción fueron seleccionadas utilizando los coeficientes β de los modelos PLSR de espectro completo. Se construyeron modelos simplificados PLSR y de regresión lineal múltiple (MLR, siglas en inglés) utilizando sólo las longitudes de onda seleccionadas para predecir los parámetros de calidad, pero ninguno de los modelos simplificados tuvieron niveles de predicción aceptables (R2<70%).es_ES
dc.identifier.urihttps://hdl.handle.net/20.500.14414/4435
dc.language.isospaes_ES
dc.publisherUniversidad Nacional de Trujilloes_ES
dc.relation.ispartofseriesTAGI/388/2015;
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.sourceUniversidad Nacional de Trujilloes_ES
dc.sourceRepositorio institucional - UNITRUes_ES
dc.subjectPredicción, Mínimos cuadrados parciales, Imágenes hiperespectrales, Atributos de calidad, Naranjas.es_ES
dc.titlePredicción de los sólidos solubles totales, pH y acidez titulable de naranjas (Citrus sinensis L. var. Valencia) mediante imágenes hiperespectraleses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.disciplineIngeniería Agroindustriales_PE
thesis.degree.grantorUniversidad Nacional de Trujillo. Facultad de Ciencias Agropecuarias
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero Agroindustriales_PE
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
AREDO TISNADO VICTOR JESUS.pdf
Size:
1.87 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Ingeniería Agroindustrial