Detección de podredumbres en cítricos mediante espectroscopía VIS/NIR y métodos de aprendizaje automático

Abstract

La presencia de podredumbres en poscosecha es uno de los principales problemas que afectan a la producción de cítricos. La detección y eliminación de la fruta infectada es una de las mayores preocupaciones de la industria debido a que un número relativamente bajo de frutos infectados puede propagar rápidamente la infección al resto de la producción. La detección de esta enfermedad se ha llevado a cabo manualmente usando luz ultravioleta que induce la fluorescencia visible de las lesiones fúngicas, pero la exposición de las personas a la iluminación ultravioleta es potencialmente peligrosa y es necesario evitarla. Este trabajo estudia la viabilidad de la espectroscopía de reflectancia en el visible e infrarrojo cercano (NIR) como una alternativa no destructiva para la detección automática de cítricos con podredumbre. Se adquirieron espectros de reflectancia de zonas sana y podrida de mandarinas cv. 'Clemenvilla' en la región espectral entre 650 nm y 1700 nm utilizando dos espectrofotómetros. Se utilizaron varios métodos de aprendizaje automático (análisis de componentes principales, análisis factorial y mapeo de Sammon) para transformar los datos de cada espectro en representaciones significativas de dimensionalidad reducida. Estas representaciones de menor dimensionalidad de datos se utilizaron posteriormente como vectores de entrada de un clasificador basado en análisis discriminante lineal para discriminar entre los dos tipos de piel: sana y podrida. Los mejores resultados de detección de frutas con podredumbre se obtuvieron usando un análisis factorial de los espectros NIR, dando una máxima precisión de la clasificación de 97,8%, con porcentajes de clasificación de fruta sana y podrida del 100% y 94,4%, respectivamente. Estos resultados hacen de esta herramienta una prometedora alternativa para detectar esta peligrosa enfermedad mediante técnicas automáticas y no destructivas.