Monitoreo no destructivo de muestras de pimiento dulce después de períodos seleccionados de lactofermentación
Autores: Ropelewska, Ewa; Szwejda-Grzybowska, Justyna; Wrzodak, Anna; Mieszczakowska-Frc, Monika
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
Categoría
Ciencias Agrícolas y Biológicas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Los alimentos fermentados se caracterizan por sus propiedades positivas para la salud. El objetivo de este estudio fue distinguir y evaluar los cambios en la estructura de la pulpa de muestras de pimiento dulce después de períodos específicos de fermentación de forma no destructiva. Dos cultivares de pimiento, rojo y amarillo, fueron sometidos a lactofermentación. Los experimentos duraron 56 días y las muestras fueron tomadas para su análisis al inicio del estudio (0 días) y después de 3, 7, 10, 14, 21, 28 y 56 días. El proceso de fermentación fue monitoreado en base a características de imagen, las cuales se utilizaron para desarrollar modelos de aprendizaje automático que distinguieran las muestras antes y después de varios períodos de lactofermentación (0, 3, 7, 10, 14, 21, 28 y 56 días). La precisión promedio de la clasificación de las muestras de pimiento rojo fue de hasta 93% para el modelo construido usando IBk (grupo Lazy). Las muestras de pimiento amarillo fueron distinguidas con hasta un 90% de precisión por el algoritmo LMT (grupo Trees). El estudio realizado nos permitió determinar los cambios en la pulpa de pimiento en términos de texturas de imagen durante la lactofermentación.
Descripción
Los alimentos fermentados se caracterizan por sus propiedades positivas para la salud. El objetivo de este estudio fue distinguir y evaluar los cambios en la estructura de la pulpa de muestras de pimiento dulce después de períodos específicos de fermentación de forma no destructiva. Dos cultivares de pimiento, rojo y amarillo, fueron sometidos a lactofermentación. Los experimentos duraron 56 días y las muestras fueron tomadas para su análisis al inicio del estudio (0 días) y después de 3, 7, 10, 14, 21, 28 y 56 días. El proceso de fermentación fue monitoreado en base a características de imagen, las cuales se utilizaron para desarrollar modelos de aprendizaje automático que distinguieran las muestras antes y después de varios períodos de lactofermentación (0, 3, 7, 10, 14, 21, 28 y 56 días). La precisión promedio de la clasificación de las muestras de pimiento rojo fue de hasta 93% para el modelo construido usando IBk (grupo Lazy). Las muestras de pimiento amarillo fueron distinguidas con hasta un 90% de precisión por el algoritmo LMT (grupo Trees). El estudio realizado nos permitió determinar los cambios en la pulpa de pimiento en términos de texturas de imagen durante la lactofermentación.