Predicción de la frescura de Sciaena deliciosa “lorna” utilizando imágenes hiperespectrales

Yordy Guzmán-Bermúdez, Anthony Lozano-Gallardo, Royer Gonzales-Rubio, Jeffrey Méndez, Jorge Correa-La Torre, Raúl Siche

Resumen


El objetivo de esta investigación fue encontrar un modelo basado en imágenes hiperespectrales para predecir la frescura de Sciaena deliciosa. En la investigación se utilizaron muestras de Sciaena deliciosa “lorna” que luego de capturadas, fueron colocadas en un cooler con hielo y transportadas al laboratorio para su respectivo análisis. Para el análisis sensorial se utilizó el esquema sensorial propuesto por Imarpe (Perú) para especies grasas. Respecto a las imágenes hiperespectrales, cada espécimen fue colocado en el equipo para analizar el humor vítreo del ojo y obtener la huella espectral correspondiente. Para el índice de refracción se extrajo el humor vítreo de ojo y colocado en el refractómetro para cuantificar el grado de alteración. Todos estos resultados fueron correlacionados para predecir la frescura, buscando el modelo más adecuado. El modelo de predicción obtenido para la frescura de pescado tuvo un R2 = 0,6359, valor adecuado para considerarlo como un modelo de posible uso práctico.

 


Texto completo:

PDF

Referencias


Alvarado, J.; Aguilera, J. 2016. Métodos para medir propiedades físicas e industrias de alimentos. Universidad Técnica de Ambato. Ecuador. pág. 347-368.

Anzaldùa, A. 2005. La evaluación sensorial de los alimentos en la teoría y la práctica. Editorial Acribia. Zaragoza, España. 198 pp.

Armendaris, J. 2013. Gestiòn de la calidad y de la seguridad e higiene alimentarias. Edición Paraninfo. SA. Madrid, España. 1ª Ed. 288 pp.

Azabache, R. 2017. Evaluación refractométrica del Humor Vítreo en peces procedentes de la pesca artesanal del Puerto Salaverry y Playa Las Delicias. Tesis para optar el título de biólogo pesquero. Universidad Nacional de Trujillo. Facultad de Ciencias Biológicas. Departamento de Pesquería.

Barrantes, T. 2013. Estudio retrospectivo de la prevalencia de histamina en especies procedentes de la pesca en territorio costarricense durante los años 2008 al 2012 reportados por el laboratorio nacional de servicio veterinario (LANASEVE). Universidad para la Cooperación Internacional. Trabajo de Máster en gerencia de programas sanitarios en inocuidad de alimentos. San José, Costa Rica.

Barreto, A.; Cruz-Tirado, J.P.; Siche, R.; Quevedo, R. 2018. Determination of starch content in adulterated fresh cheese using hyperspectral imaging. Food Bioscience 21: 14-19.

Cáceda, C. 2003. Evaluación de la frescura de Scombre japonicus caballa en hielo. Universidad Nacional Jorge Basadre. Facultad de Ciencias. Tacna, Perú.

Cheng, J.H.; Sun, D.W. 2014. Hyperspectral imaging as an effective tool for quality analysis and control of fish and other seafood: Current resarh potential applications.trends in food sciencie and technology 37: 78-91.

Correa, J.; Gonzáles, F. 2016. Manual de tecnología pesquera. Universidad Nacional de Trujillo. Fac. de Ciencias Biológicas. Departamento de Pesquería. Cátedra de Tecnología Pesquera. 115 pp.

Culquichicón, Z.; Tresierra, A.; Solano, A.; Atoche, D. 2012. Crecimiento, mortalidad y tasa de explotación de Sciaena deliciosa durante 2001 a 2003 y 2009 a 2012. REBIOL 32(2): 108-117.

Duflos, G.; Fur, B.; Mulak, V.; Becel, P.; Malle, P. 2002. Comparison of methods of differentiating between fresh and frozen-thawed fish of fillest. Journal of the Science of Food and Agriculture. 82: 1341 – 1345

Elmasry, G.; Wen, D.W. 2010. Mest Quality Assessment using a hyperspectral imaging system. In:Hyperspectral Imaging of Food Quality analysis and control. 175-240 pp.

Ivorra, E.; Sánchez, A.; Verdú, S.; Grau, R. 2015. Estimación de la frescura de Sparus aurata (dorada) mediante técnicas hiperespectrales en el rango del SW – NIR. Comité Español de Automática de la IFAC (CEA-IFAC).

Ludorff, M. 1998. El pescado y los productos de la pesca. Ed. Acribia. Zaragoza, España. 309 pp.

Mortimore, S.; Wallace, C. 2001. HACCP enfoque práctico. Ed. Acribia. Zaragoza, España.

Sun, D. 2010. Hyperespectral imagin for food quality Analysis and Control. Dublin: Elsevier.

Vásquez, D.; García, R. 2013. Obtención de un producto mínimamente procesado a partir de la especie Arapaima gigas (paiche) congelada y empacada al vacío. Conoc. amaz. 4(1): 15-28.

Vejarano, R.; Siche, R.; Tesfaye, W. 2017. Evaluation of biological contaminants in foods by hyperspectral imaging: A review. International journal of food properties 20 (sup2), 1264-1297.

Yapar, A.; Yetim, H. 1999. Determination of anchovy freshness by refractive index of eye fluid. Food Research International 31(10): 693-695.




DOI: http://dx.doi.org/10.17268/agroind.sci.2019.01.13

Enlaces refback

  • No hay ningún enlace refback.


Indizada o resumida en:

  

 

      
  

 

 

 

 

 

   

 

Licencia de Creative Commons

Agroindustrial Science by Universidad Nacional de Trujillo is licensed under a Creative Commons Reconocimiento-NoComercial 3.0 Unported License.

ISSN: 2226-2989 (electrónico)

Dirección: Av Juan Pablo II s/n. Ciudad Universitaria. Facultad de Ciencias Agropecuarias. Universidad Nacional de Trujillo. Trujillo, Perú.
Contacto: agroind.science@unitru.edu.pe