Predicción del tiempo de almacenamiento de carne congelada usando modelado de redes neuronales artificiales con valores de color
Fecha
2023Palabras Clave
Carne de res, Modelado ANN, Parámetros de color, Tiempo de almacenamientoBeef meat, ANN modeling, Color parameters, Storage time
Metadatos
Mostrar el registro completo del ítemResumen
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.
Colecciones
Información Adicional
Otros Títulos | Storage Time prediction of Frozen Meat using Artificial Neural Network modeling with Color values |
Correo Electrónico | saliha.lakehak@univ–batna.dz |
Editor | SaberULA |
ISSN | 0798-2259 |
ISSN Electrónico | 2477-944X |
Resumen en otro Idioma | 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. |
Colación | 1-6 |
País | Venezuela |
Institución | Universidad del Zulia (LUZ) Universidad de Los Andes (ULA) |
Publicación Electrónica | Revista Científica |
Sección | Revista Científica: Artículos |