Nariz electrónica para determinar el índice de madurez del tomate de árbol (Cyphomandra Betacea Sendt)

• Cristhian Manuel Durán-Acevedo ^[1] ; Oscar Eduardo Gualdron-Guerrero ^[1] ; Mariela Hernández-Ordoñez ^[1]
  1. [1] Universidad de Pamplona

     Universidad de Pamplona

     Colombia

     
• Localización: Ingeniería, investigación y tecnología, ISSN 1405-7743, ISSN-e 2594-0732, Vol. 15, Nº. 3, 2014
• Idioma: español
• Títulos paralelos:
  • Electronic Nose to Determine the Maturity Index of the Tree Tomato (Cyphomandra Betacea Sendt)
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo presenta el desarrollo de una nariz electrónica para el monitoreo no destructivo del proceso de maduración del tomate de árbol (Cyphomandra Betacea Sendt). Una matriz de 16 sensores de gases químicos fue acondicionada para la detección de tres índices de madurez del tomate de árbol (verde, maduro y sobremaduro). Una red neuronal probabilística (PNN) fue acoplada a una técnica de selección de variables (Recocido Simulado) para mejorar el resultado y la técnica PCA (análisis de componentes principales) fue aplicada para discriminar cada uno de los compuestos volátiles. Se analizó cierto número de medidas con las pruebas físico-químicas, con el objetivo de evaluar las propiedades físicas, químicas y sensoriales (es decir, pH, acidez y grados Brix) del producto y luego se compararon con los resultados de la nariz electrónica. El sistema olfativo fue capaz de clasificar las muestras del tomate de árbol en tres diferentes estados con una exactitud muy alta, para alcanzar un porcentaje de acierto de 99.886% en la clasificación.

  • English

    This paper presents the development of an Electronic Nose for nondestructive monitoring of tree tomato ripening process (Cyphomandra Betacea Sendt). An array of 16 chemical gas sensors was arranged for the detection of three ripeness levels of tree types of tomato (green, ripe and overripe). A Probabilistic Neural Network (PNN) as variable selection technique (Simulated Annealing) was coupled to improve the result and the PCA (Principal Component Analysis) technique was applied to discriminate each one of volatile compounds. A number of measures for physicochemical tests were analyzed with the goal of evaluating the physical, chemical and sensory properties (i.e, pH, acidity and Brix) of the product, and the results of the Electronic Nose were compared. The olfactory system was able to classify the samples of tree tomato in three different stages with very high accuracy, to reach a success rate 99.886% in classification.