Siche Jara, Raúl BenitoVelásquez Castillo, Lía Ethel2016-11-032016-11-032015https://hdl.handle.net/20.500.14414/4415The aim of this study was to develop a system for evaluating the marbling of beef using hyperspectral imaging technology. The Japanese standard classification of the degree of marbling of beef was used as reference and twelve standards were digitized to obtain the parameters of shape and spatial distribution of marbling of each class. A total of 35 samples M. longissmus dorsi muscle were scanned by the hyperspectral imaging system of 400-1000 nm in reflectance mode. The wavelength of 528 nm was selected for segmentation of the sample and background. Processing algorithms of the image based on decision tree were trained and implemented for the binarization in the region of interest. The decision tree classified successfully 99.92% of the spectral data during training system. The classes were determined for all samples and these results were compared with the results obtained in a traditional evaluation with 23 judges semi-trained by the nonparametric Mann-Whitney test, it determined that there is no difference between the two methods of evaluation (p=0.324>0.05). Furthermore, the characterization of samples was performed to obtain average values of pH = 5.74 ± 0.13, an L * = 30.65 ± 1.92 with a * = 11.55 b * = ± 1.55 5.62 ± 1.12 for color, 0049 ± 00 009% lactic acid and 73.95 ± 1.54% moisture in the samples studied.El objetivo del presente trabajo fue desarrollar un sistema para evaluar el marmoleado de la carne de res usando la tecnología de imágenes hiperespectrales. La norma japonesa de clasificación del grado de marmoleado de carne de res fue utilizada como referencia y sus doce estándares fueron digitalizados para obtener los parámetros de forma y de distribución espacial de las vetas de grasa de cada clase. Un total de 35 muestras del músculo M. longissmus dorsi fueron escaneados por el sistema de imágenes hiperespectrales de 400-1000 nm en modo reflectancia. La longitud de onda de 528 nm fue seleccionada para la segmentación de la muestra y fondo. Algoritmos de procesamiento de imágenes basados en árbol de decisiones fueron entrenados e implementados para la binarización de la imagen en la región de interés. El árbol de decisiones clasificó con éxito el 99.91% de los datos espectrales durante el entrenamiento del sistema. Las clases fueron determinadas para todas las muestras y al ser comparados estos resultados con los obtenidos en una evaluación tradicional por 23 jueces semientrenados mediante la prueba no paramétrica de Mann-Whitney, se determinó que no existen diferencia entre ambos métodos de evaluación (p=0.324>0.05). Asimismo, se realizó la caracterización de las muestras obteniendo valores promedio de pH= 5.74±0.13, un L*=30.65±1.92 con a*=11.55±1.55 y b*= 5.62±1.12 para el color, 0.049±00.009% ácido láctico y 73.95±1.54 % de humedad en las muestras estudiadas.spainfo:eu-repo/semantics/openAccessBinarización, Parámetros de distribución espacial, Imagen hiperespectral, Marmoleado, Árbol de decisionesinfo:eu-repo/semantics/bachelorThesis