La evaluación de la calidad del camote es crucial para los productores y procesadores porque las características influyen en la textura y el sabor, las preferencias del consumidor y la viabilidad para diferentes propósitos. Un nuevo estudio de la Universidad de Illinois Urbana-Champaign explora el uso de imágenes hiperespectrales y de inteligencia artificial (IA) explicable para evaluar los atributos de la batata.

"Tradicionalmente, la evaluación de la calidad se realiza mediante métodos analíticos de laboratorio. Se necesitan diferentes instrumentos para medir diferentes atributos en el laboratorio y hay que esperar los resultados. Con las imágenes hiperespectrales, se pueden medir varios parámetros simultáneamente. Se pueden evaluar todas las patatas en un lote, no sólo unas pocas muestras."

"Las imágenes espectrales no son invasivas, son rápidas, precisas y rentables", afirmó Mohammed Kamruzzaman, profesor asistente en el Departamento de Ingeniería Agrícola y Biológica (ABE), parte de la Facultad de Ciencias Agrícolas, del Consumidor y Ambientales (ACES). y la Facultad de Ingeniería Grainger de Illinois.

El estudio es parte de una colaboración multiestatal con el Departamento de Agricultura de EE. UU. que incluye investigadores de Mississippi, Carolina del Norte, Michigan, Luisiana e Illinois. Cada universidad aborda diferentes aspectos del proyecto; El equipo de Kamruzzaman se centra en la evaluación de tres atributos químicos (materia seca, firmeza y contenido de azúcar soluble (grados brix)) que afectan el precio de mercado y si una papa es adecuada para el consumidor o para procesamiento.

Los investigadores utilizan una cámara de imágenes hiperespectral visible en el infrarrojo cercano para tomar imágenes de batatas desde dos ángulos diferentes. El análisis de las imágenes produce datos espectrales, que se utilizan para identificar longitudes de onda clave y desarrollar mapas de colores que muestran la distribución de los atributos deseados.

Las imágenes hiperespectrales se han convertido en una herramienta importante en la investigación agrícola y de procesamiento de alimentos. Sin embargo, genera una gran cantidad de datos que se procesan con aprendizaje automático. Es complejo y normalmente actúa como una caja negra donde los usuarios no saben lo que está sucediendo.

"Combinamos imágenes hiperespectrales con IA explicable, lo que nos permite comprender los procesos detrás de los resultados. Es una forma de visualizar cómo funcionan los algoritmos de aprendizaje automático, cómo se procesan los datos de entrada y cómo se conectan las características para predecir la salida", dijo Md Toukir Ahmed, estudiante de doctorado en ABE y autor principal del artículo.

"Creemos que se trata de una aplicación novedosa de este método para la evaluación de la batata. Este trabajo pionero tiene el potencial de allanar el camino para su uso en una amplia gama de otros campos de investigación agrícola y biológica".

Los resultados pueden ayudar a los investigadores y profesionales de la industria a comprender la importancia de diferentes características en la predicción de atributos de calidad, lo que conduce a una toma de decisiones más informada y garantiza el suministro de productos de mayor calidad a los consumidores.

Kamruzzaman dijo que uno de los objetivos del proyecto multiuniversitario es desarrollar una herramienta que los procesadores puedan utilizar para escanear rápida y fácilmente lotes de batatas para determinar características y atributos. Con el tiempo, los investigadores podrían crear una aplicación móvil que los consumidores puedan utilizar en el supermercado para escanear la calidad de las batatas en el punto de compra.

El trabajo está publicado en la revista Computers and Electronics in Agriculture .