Mostrar el registro sencillo del ítem
Predicción del tiempo de almacenamiento de carne congelada usando modelado de redes neuronales artificiales con valores de color
dc.rights.license | http://creativecommons.org/licenses/by-nc-sa/3.0/ve/ | es_VE |
dc.contributor.author | Lakehal, Saliha | |
dc.contributor.author | Lakehal, Brahim | |
dc.date.accessioned | 2023-12-12T04:59:55Z | |
dc.date.available | 2023-12-12T04:59:55Z | |
dc.date.issued | 2023 | |
dc.identifier.issn | 0798-2259 | |
dc.identifier.uri | http://www.saber.ula.ve/handle/123456789/50068 | |
dc.description.abstract | Entre los diversos métodos disponibles para determinar el tiempo de almacenamiento de la carne congelada, incluidos los análisis basados en propiedades físicas y químicas, el análisis sensorial, en particular los cambios de color, es un aspecto importante de la aceptabilidad de la carne por parte de los consumidores. En este estudio, se empleó una red neuronal artificial (ANN) para predecir el tiempo de almacenamiento de la carne con base en el espacio de color CIELAB, representado por los valores Lab* (L*), (a*) y (b*) medidos por un sistema de visión artificial a intervalos de dos meses durante un período de hasta un año.La topología ANN se optimizó en función de los cambios en los coeficientes de correlación (R2) y los errores cuadráticos medios (MSE), lo que resultó en una red de 60 neuronas en una capa oculta (R2 = 0,9762 y MSE = 0,0047). El rendimiento del modelo ANN se evaluó utilizando criterios como desviación absoluta media (MAD), MSE, error cuadrático medio (RMSE), R2 y error absoluto medio (MAE), que resultaron ser 0,0344; 0,0047; 0,0687; 0,9762 y 0,0078, respectivamente. En general, estos resultados sugieren qu’el uso de un sistema basado en vision por computadora combinado con inteligencia artificial podría ser una técnica confiable y no destructiva para evaluar la calidad de la carne durante su tiempo de almacenamiento. | es_VE |
dc.language.iso | es | es_VE |
dc.publisher | SaberULA | es_VE |
dc.rights | info:eu-repo/semantics/openAccess | es_VE |
dc.subject | Carne de res | es_VE |
dc.subject | Modelado ANN | es_VE |
dc.subject | Parámetros de color | es_VE |
dc.subject | Tiempo de almacenamiento | es_VE |
dc.title | Predicción del tiempo de almacenamiento de carne congelada usando modelado de redes neuronales artificiales con valores de color | es_VE |
dc.title.alternative | Storage Time prediction of Frozen Meat using Artificial Neural Network modeling with Color values | es_VE |
dc.type | info:eu-repo/semantics/article | es_VE |
dc.description.abstract1 | Among the various methods available to determine the storage time of frozen meat, including analyses based on physical and chemical properties, sensory analysis, particularly color changes, is an important aspect of meat acceptability for consumers. In this study, an artificial neural network (ANN) was employed to predict the storage time of the meat based on the CIELAB color space, represented by the Lab* (L*), (a*), and (b*) values measured by a computer vision system at two–month intervals over a period of up to one year. The ANN topology was optimized based on changes in correlation coefficients (R2) and mean square errors (MSE), resulting in a network of 60 neurons in a hidden layer (R2 = 0.9762 and MSE = 0.0047). The ANN model's performance was evaluated using criteria such as mean absolute deviation (MAD), MSE, root mean square error (RMSE), R2, and mean absolute error (MAE), which were found to be 0.0344, 0.0047, 0.0687, 0.9762, and 0.0078, respectively. Overall, these results suggest that using a computer vision–based system combined with artificial intelligence could be a reliable and nondestructive technique for evaluating meat quality throughout its storage time. | es_VE |
dc.description.colacion | 1-6 | es_VE |
dc.description.email | saliha.lakehak@univ–batna.dz | es_VE |
dc.identifier.depositolegal | pp199102ZU46 | |
dc.identifier.edepositolegal | ppi201502ZU4665 | |
dc.identifier.eissn | 2477-944X | |
dc.publisher.pais | Venezuela | es_VE |
dc.subject.institucion | Universidad del Zulia (LUZ) | es_VE |
dc.subject.institucion | Universidad de Los Andes (ULA) | es_VE |
dc.subject.keywords | Beef meat | es_VE |
dc.subject.keywords | ANN modeling | es_VE |
dc.subject.keywords | Color parameters | es_VE |
dc.subject.keywords | Storage time | es_VE |
dc.subject.publicacionelectronica | Revista Científica | |
dc.subject.seccion | Revista Científica: Artículos | es_VE |
dc.subject.thematiccategory | Medio Ambiente | es_VE |
dc.subject.tipo | Revistas | es_VE |
dc.type.media | Texto | es_VE |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Revista Científica - 2023 - Vol.XXXIII - Nº 002
Julio - Diciembre 2023