Estudio del color asociado al proceso de maduración de fruto climatérico (Solanum lycopersicum) a partir de imágenes hiperespectrales

Abstract

En este trabajo se presenta una metodología de clasificación de fruto de tomate (Solanum lycopersicum), implementado a través de un prototipo de visión artificial; la metodología que puede ser aplicado a otros frutos climatéricos, es resultado de la caracterización no – invasiva del proceso de maduración de éste fruto climatérico mediante un Sistema Acusto-óptico (AO). La caracterización comprende la adquisición y procesamiento de imágenes hiperespectrales de 180 muestras. Las imágenes procesadas permitieron construir curvas de maduración que describen cómo se puede clasificar un fruto climatèrico en diferentes estadios de maduración con solo dos líneas espectrales (roja y verde). El prototipo, producto del análisis de las curvas de maduración, se compone de un sistema de iluminación simple con dos fuentes (tipo LED) altamente monocromáticas, acoplado a una cámara CCD. La fuente de iluminación contribuye en la clasificación del fruto cuando la imagen capturada es analizada con un algoritmo simple. El porcentaje de acierto para clasificar el fruto en cualquiera de los seis estadios de maduración es superior al 98%. Adicionalmente, se realizó Colorimetría en espacio de color CIEL*a*b* sobre frutos clasificados previamente por el prototipo, para analizar qué tan coherente es la clasificación del prototipo en base a los reportes de caracterización de la madurez de tomate con CIEL*a*b*.

A classification methodology of tomatoes by hyperspectral imaging characterization is developed and presented. The imaging system has been developed using an acousto-optical system. Ripeness study of tomato, Solanum lycopersicum, was performed on hyperspectral digital processed images of 180 tomatoes, which allows the generation of ripeness curves. The hyperspectral study shows that with only two wavelength regions (green and red) could be possible to classify the tomatoes by ripeness. This information led to the design of a new kind of tomatoes selector, based in a simple artificial vision machine. The prototype uses red and green LEDs and a CCD camera. The system is computer controlled and it is able to reproduce the standard tomatoes ripeness classification table (green, breaker, turning, pink, light red, and red) with a 98% certainty.