Detector de madurez en palma de aceite (OPRID) y método térmico no destructivo para estimar la calidad del aceite de palma
Palabras clave:
madurez de la palma de aceite, calidad del aceite de palma, luz visible, NIR, temperaturaResumen
El método que se utiliza actualmente para determinar los parámetros del aceite de palma requiere un análisis químico que es destructivo, lento y costoso. Por lo tanto, el objetivo de esta investigación es obtener uno no destructivo, más fácil y más rápido, y reemplazar el método actual. Al mismo tiempo, establecer un procedimiento para distinguir directamente los grados de madurez de RFF. Se utilizó el software Weka para analizar los datos. Se aplicó una clasificación por regresión lineal y una SMO con validación cruzada de 10 y porcentaje dividido de 66 %. Como resultado, una combinación del sensor 3 (Emisión Red, Detector Red), sensor 2 (Emisión Dred, Detector Dred), sensor 2 (Emisión Fre, Detector Fre), sensor 4 (Emisión Blu, Detector Blu) y sensor 4 (Emisión NIR, Detector NIR) mostró la mejor precisión general para distinguir la madurez de racimos de fruta fresca con 79,8 % para sobremaduro, 69,4 % para maduro y 93,3 % para poco maduro (inmaduro). El valor promedio de ROC fue de 80,6 %. Por otra parte, el sensor 2 (Emisión Fre, Detector Fre) mostró la mejor precisión promedio para medir valores de diferentes parámetros, con 59,81 % al determinar la proporción de aceite por racimo, 73 % en la relación de aceite a pericarpio seco, 62,57 % en el índice de deterioro del blanqueo (DOBI), 71,22 % en carotenos, 48,68 % en el valor de peróxido y 35,76 % en los ácidos grasos libres (AGL). Los valores de precisión para la detección de estos últimos aumentaron al 70,94 % con la adición de temperatura promedio como sensor.
Referencias bibliográficas
VisionSystem.FoodandBioproductsProcessing79(4).doi:10.1205/096030801753252298
Alfatni, M.S., Shariff, A.R., Shafri, H.Z., Saaed, O.M., and Eshanta, O.M. (2008). Oil Palm Fruit Bunch
Grading System Using Red, Green and Blue Digital Number. Journal of Applied Sciences
8(8): 1444-1452. doi:10.3923/jas.2008.1444.1452
Giovenzana, V., Beghi, R., Civelli, R., and Guidetti, R. (2015). Optical techniques for rapid quality monitoring along minimally processed fruit and vegetable chain. Trends in Food Science & Technology 46(2): 331-338. doi:10.1016/j.tifs.2015.10.006
Harun, N., Misron, N., Sidek, R., Aris, I., Ahmad, D., Wakiwaka, H., and Tashiro, K. (2013). Investiga- tions on a Novel Inductive Concept Frequency Technique for the Grading of Oil Palm Fresh Fruit Bunches. Sensors 13(2); 2254-2266. doi:10.3390/s130202254
Ismail, W.I.W., Razali. M.H., Ramli, A.R., Sulaiman, M.N., and Harun, M.H.B. (2009). Development of
Imaging Application for Oil Palm Fruit Maturity Prediction. Engineering e-Transaction 4(2):
56-63.Karp, G., and Pruitt, N.L. (2010). Cell and molecular biology: Concepts and Experi- ments. In: G. Karp, and N.L. Pruitt, Cell and molecular biology: Concepts and Experiments (p. 212). Hoboken, NJ: John Wiley & Sons.
Khan, M., and Quadri, S. (2012). Evaluating Various Learning Techniques for Efficiency. Internation- al Journal of Engineering and Advanced Technology 2(2): 326-331.
Makky, M., and Soni, P. (2014). In situ quality assessment of intact oil palm fresh fruit bunches us- ing rapid portable non-contact and non-destructive approach. Journal of Food Engineering
120; 248-259. doi:10.1016/j.jfoodeng.2013.08.011
Makky, M., Soni, P., and Salokhe, V. (2014). Automatic non-destructive quality inspection system for oil palm fruits. International Agrophysics 28(3): 319-329. doi:10.2478/intag-2014-0022
Sankaran, S., Shariff, A.R., Shafri, H.Z., Ehsani, R., Alfatni, M.S., and Hazir, M.A. (2012). Classifi- cation of oil palm fresh fruit bunches based on their maturity using portable four-band sensor system. Computers and Electronics in Agriculture 82: 55-60. doi:10.1016/j.com- pag.2011.12.010
Cómo citar
Descargas
Descargas
Publicado
Número
Sección
Métricas
