Ayuda
Ir al contenido

Dialnet


Resumen de Algoritmos de extracción de características a partir de imágenes de resonancia magnética para evaluar parámetros de calidad en productos cárnicos mediante minería de datos

Daniel Caballero Jorna

  • español

    En esta tesis doctoral se propone una metodología para determinar características de calidad de productos cárnicos (jamón y lomo Ibérico) de forma no destructiva, mediante imágenes de resonancia magnética (MRI) y algoritmos de visión por computador. En primer lugar se obtienen MRI de los productos cárnicos, evaluando tres secuencias de adquisición (Spin Echo, (SE) Gradiente Echo (GE) y Turbo 3D (T3D)). Posteriormente, las MRI se analizan mediante algoritmos de texturas (GLCM, GLRLM y NGLDM) y de fractales (CFA, FTA y OPFTA); los dos últimos desarrollados en esta tesis doctoral. Esto que permite la extracción de una serie de características computacionales. Los productos cárnicos también se analizan mediante técnicas físico-químicas y sensoriales. Finalmente, sobre todos los datos obtenidos se aplican técnicas de minería de datos: deductivas (Regresión Lineal Múltiple, MLR), de clasificación (árboles de decisión, DT y Sistemas basados en reglas, SBR) y predictivas (MLR y Regresión Isotónica, IR). La secuencia de adquisición, el algoritmo y la técnica de minería de datos influyen sobre la eficacia del análisis de los parámetros de calidad. Podría indicarse el empleo de SE como secuencia de adquisición y GLCM o OPFTA como algoritmos de análisis de imágenes. Como técnicas de minería de datos, MLR y DT son apropiados, respectivamente, para deducir parámetros físico-químicos y clasificar en función del contenido en sal. Como técnica predictiva se puede indicar MLR, que permite obtener ecuaciones fiables para los parámetros de calidad, y así determinar la calidad de los productos cárnicos de forma no destructiva, eficiente, efectiva y precisa.

  • English

    This PhD thesis proposes a new methodology to determine the quality characteristics of meat products (Iberian loin and ham) in a non-destructive way, by using of Magnetic Resonance Imaging (MRI) and computer vision algorithms. Firstly, MRI are obtained from meat products, evaluating three acquisition sequence (Spin Echo (SE), Gradient Echo (GE) and Turbo 3D (T3D)). Later, MRI is analyzed by applying different texture (GLCM, GLRLM and NGLDM) and fractals algorithms (CFA, FTA and OPFTA); the last two have been developed in this PhD thesis. These algorithms extract texture features from the MRI. At the same time, the meat products are also analyzed by means of physico-chemical and sensory techniques. Finally, different data mining techniques are applied on all obtained data: deductive (Multiple linear regression, MLR), classification (Decision trees, DT and Rules-based systems, SBR) and prediction techniques (MLR and Isotonic regression, IR). The accuracy of the analysis of quality parameters is affected by the MRI acquisition sequence, the algorithm used to analyze them and the data mining technique applied. In general, It could be indicated the use of SE as MRI acquisition sequence, and GLCM or OPFTA as image analysis algorithm. Considering the data mining techniques, MLR and DT are appropriate, respectively, to deduce physico-chemical parameters and to classify as a function of salt content. Regarding to the predictive technique, MLR could be indicated. It offers reliable equations to determine the quality parameters, and, allows analysing the quality of meat products in a non-destructive, efficient, effective and accurate way.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus