R. Artículo Frutales Innovación * Otros frutales
![](https://chilmedia.org/v2/media/7a7fef5c-65d4-441b-a4a4-da8c435f15ec.jpg?w=725)
Autores: Sandra Munera, Salvador Castillo-Gironés, Marina López-Chulia, Juan Gómez-Sanchís, Nuria Aleixos, Sergio Cubero, Esteban Soler, José Blasco
Publicación: www.interempresas.net 20/03/2023
Fuente: Interempresas
Año de publicación: 2023
Tamaño: 485 Kb
Descargas: 11
Tags: níspero
Uso de imagen hiperespectral y técnicas de aprendizaje automático para detectar y discriminar defectos en níspero D.O.P. Callosa d’En Sarrià
El níspero (Eriobotrya japonica L.) es una fruta importante para la economía de algunas regiones de España, pero es muy susceptible a daños mecánicos y trastornos fisiológicos. Este hecho deprecia su valor e impide su exportación. Por ello, en este trabajo se utilizaron imágenes hiperespectrales en el espectro visible e infrarrojo cercano para detectar y discriminar entre algunos de los defectos externos e internos más comunes del níspero cv. ‘Algerie’. Se han evaluado dos algoritmos de aprendizaje automático (Machine Learning) como Random Forest y XGBoost, para distinguir entre frutas sanas y con cuatro tipos de defectos, de acuerdo con tres enfoques. En el primero, los píxeles de la fruta se clasificaron en dos clases, sanos o con daño, con una tasa de éxito del 97,5 %. En el segundo, se consideraron los daños internos (invisibles) y externos por separado, logrando una tasa de éxito del 96,7 %. Por último, se consideró cada tipo de defecto por separado, es decir, mancha púrpura, golp