Un software simple para realizar mediciones de color de alimentos a partir de imágenes

Autores
Segura, Luis Ignacio; Salvadori, Viviana Olga; Goñi, Sandro Mauricio
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El objetivo del presente trabajo es presentar un software para determinarel color de alimentos a partir de imágenes. Generalmente el color de alimentos se mide usando colorímetros, los cuales tienen un sistema de calibración simple, son portátiles y fáciles de usar, pero entre otras desventajas presentan un área de medición reducida, un alto costo de adquisición y reparación, y deben estar en contacto directo con la superficie a medir. En los últimos años se ha avanzado en la medición de color a partir de imágenes. Para esto se requiere un sistema de visión computacional (SVC) para obtener las imágenes según una metodología estandarizada (formado por un gabinete de adquisición, un sistema de iluminación y una cámara digital), y un software para procesar las mismas. El software realiza la conversión del espacio de color RGB de la imagen al espacio CIELAB, el cual es un estándar industrial y en investigación. El sistema emplea un patrón de color ColorChecker para la calibración entre ambos espacios de color. El software consta de 6 interfaces gráficas: la 1º se usa para calibrar el sistema; la 2º permite el cálculo de los parámetros de color de una muestra, dando la información para cada pixel o como el promedio de la región de interés; la 3º permite ingresar valores de L*a*b*, convertirlos a RGB y mostrar una imagen del colorde la muestra; la 4º y 5º permiten trabajar con líquidos o materiales translúcidos, incluyendo la posibilidad de predecir el color característico, definido como el color a profundidad infinita; la 6º permite leer espectros de absorción-transmisión, y realiza el cálculo de color de forma tradicional. Para validar este sistema se realizaron mediciones de color de 40 muestras de diferentes alimentos sólidos (carnes, frutas, verduras, galletitas glaseadas, etc.) con un colorímetro MINOLTA (CR-400, Japón) y con el SVC desarrollado. Las muestras cubrieron un amplio rango de variabilidad: L* entre 25 y 86, a* entre -23 y 41, b* entre -14 y 69. Los coeficientes de correlación entre ambos dispositivos fueron de 0,971, 0,956 y 0,977, para L*, a* y b*, respectivamente, pero la diferencia de color total promedio fue 5,88, la cual es suficiente para ser detectada visualmente. La máxima diferencia de color total (13,47) fue para una muestra de pechuga de pollo; el color obtenido con el colorímetro es un gris-marrón claro (L*: 49,3; a*: 3; b*: 5,7), y con el CVS es rosado-marrón claro (L*: 59,1; a*: 11,9; b*: 8,2), que se asemeja mucho más a la muestra real. En general, los resultados obtenidos con el SVC condujeron a mejores predicciones de color, evaluadas visualmente. Para los líquidos translúcidos se emplearon 13 muestras (jugos, vinos, etc.) y se determinó el color característico a partir de imágenes, y el color a partir de espectros de absorción empleando celdas de 1 cm. En este caso las diferencias de color total promedio son mayores a 50, dado las diferencias en el camino óptico de cada sistema. El software desarrollado está disponible libremente para cualquier potencial usuario, quien sí deberá contar o construir su propio SVC, lo cual es relativamente simple.
Centro de Investigación y Desarrollo en Criotecnología de Alimentos
Materia
Ciencias Exactas
Visión computacional
CIELAB
sólidos
líquidos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/154510

id SEDICI_5bfb2eabf1035cb0b101e16e0553958e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/154510
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Un software simple para realizar mediciones de color de alimentos a partir de imágenesSegura, Luis IgnacioSalvadori, Viviana OlgaGoñi, Sandro MauricioCiencias ExactasVisión computacionalCIELABsólidoslíquidosEl objetivo del presente trabajo es presentar un software para determinarel color de alimentos a partir de imágenes. Generalmente el color de alimentos se mide usando colorímetros, los cuales tienen un sistema de calibración simple, son portátiles y fáciles de usar, pero entre otras desventajas presentan un área de medición reducida, un alto costo de adquisición y reparación, y deben estar en contacto directo con la superficie a medir. En los últimos años se ha avanzado en la medición de color a partir de imágenes. Para esto se requiere un sistema de visión computacional (SVC) para obtener las imágenes según una metodología estandarizada (formado por un gabinete de adquisición, un sistema de iluminación y una cámara digital), y un software para procesar las mismas. El software realiza la conversión del espacio de color RGB de la imagen al espacio CIELAB, el cual es un estándar industrial y en investigación. El sistema emplea un patrón de color ColorChecker para la calibración entre ambos espacios de color. El software consta de 6 interfaces gráficas: la 1º se usa para calibrar el sistema; la 2º permite el cálculo de los parámetros de color de una muestra, dando la información para cada pixel o como el promedio de la región de interés; la 3º permite ingresar valores de L*a*b*, convertirlos a RGB y mostrar una imagen del colorde la muestra; la 4º y 5º permiten trabajar con líquidos o materiales translúcidos, incluyendo la posibilidad de predecir el color característico, definido como el color a profundidad infinita; la 6º permite leer espectros de absorción-transmisión, y realiza el cálculo de color de forma tradicional. Para validar este sistema se realizaron mediciones de color de 40 muestras de diferentes alimentos sólidos (carnes, frutas, verduras, galletitas glaseadas, etc.) con un colorímetro MINOLTA (CR-400, Japón) y con el SVC desarrollado. Las muestras cubrieron un amplio rango de variabilidad: L* entre 25 y 86, a* entre -23 y 41, b* entre -14 y 69. Los coeficientes de correlación entre ambos dispositivos fueron de 0,971, 0,956 y 0,977, para L*, a* y b*, respectivamente, pero la diferencia de color total promedio fue 5,88, la cual es suficiente para ser detectada visualmente. La máxima diferencia de color total (13,47) fue para una muestra de pechuga de pollo; el color obtenido con el colorímetro es un gris-marrón claro (L*: 49,3; a*: 3; b*: 5,7), y con el CVS es rosado-marrón claro (L*: 59,1; a*: 11,9; b*: 8,2), que se asemeja mucho más a la muestra real. En general, los resultados obtenidos con el SVC condujeron a mejores predicciones de color, evaluadas visualmente. Para los líquidos translúcidos se emplearon 13 muestras (jugos, vinos, etc.) y se determinó el color característico a partir de imágenes, y el color a partir de espectros de absorción empleando celdas de 1 cm. En este caso las diferencias de color total promedio son mayores a 50, dado las diferencias en el camino óptico de cada sistema. El software desarrollado está disponible libremente para cualquier potencial usuario, quien sí deberá contar o construir su propio SVC, lo cual es relativamente simple.Centro de Investigación y Desarrollo en Criotecnología de Alimentos2018info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/154510spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-46333-1-6info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:40:03Zoai:sedici.unlp.edu.ar:10915/154510Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:40:03.512SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Un software simple para realizar mediciones de color de alimentos a partir de imágenes
title Un software simple para realizar mediciones de color de alimentos a partir de imágenes
spellingShingle Un software simple para realizar mediciones de color de alimentos a partir de imágenes
Segura, Luis Ignacio
Ciencias Exactas
Visión computacional
CIELAB
sólidos
líquidos
title_short Un software simple para realizar mediciones de color de alimentos a partir de imágenes
title_full Un software simple para realizar mediciones de color de alimentos a partir de imágenes
title_fullStr Un software simple para realizar mediciones de color de alimentos a partir de imágenes
title_full_unstemmed Un software simple para realizar mediciones de color de alimentos a partir de imágenes
title_sort Un software simple para realizar mediciones de color de alimentos a partir de imágenes
dc.creator.none.fl_str_mv Segura, Luis Ignacio
Salvadori, Viviana Olga
Goñi, Sandro Mauricio
author Segura, Luis Ignacio
author_facet Segura, Luis Ignacio
Salvadori, Viviana Olga
Goñi, Sandro Mauricio
author_role author
author2 Salvadori, Viviana Olga
Goñi, Sandro Mauricio
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Exactas
Visión computacional
CIELAB
sólidos
líquidos
topic Ciencias Exactas
Visión computacional
CIELAB
sólidos
líquidos
dc.description.none.fl_txt_mv El objetivo del presente trabajo es presentar un software para determinarel color de alimentos a partir de imágenes. Generalmente el color de alimentos se mide usando colorímetros, los cuales tienen un sistema de calibración simple, son portátiles y fáciles de usar, pero entre otras desventajas presentan un área de medición reducida, un alto costo de adquisición y reparación, y deben estar en contacto directo con la superficie a medir. En los últimos años se ha avanzado en la medición de color a partir de imágenes. Para esto se requiere un sistema de visión computacional (SVC) para obtener las imágenes según una metodología estandarizada (formado por un gabinete de adquisición, un sistema de iluminación y una cámara digital), y un software para procesar las mismas. El software realiza la conversión del espacio de color RGB de la imagen al espacio CIELAB, el cual es un estándar industrial y en investigación. El sistema emplea un patrón de color ColorChecker para la calibración entre ambos espacios de color. El software consta de 6 interfaces gráficas: la 1º se usa para calibrar el sistema; la 2º permite el cálculo de los parámetros de color de una muestra, dando la información para cada pixel o como el promedio de la región de interés; la 3º permite ingresar valores de L*a*b*, convertirlos a RGB y mostrar una imagen del colorde la muestra; la 4º y 5º permiten trabajar con líquidos o materiales translúcidos, incluyendo la posibilidad de predecir el color característico, definido como el color a profundidad infinita; la 6º permite leer espectros de absorción-transmisión, y realiza el cálculo de color de forma tradicional. Para validar este sistema se realizaron mediciones de color de 40 muestras de diferentes alimentos sólidos (carnes, frutas, verduras, galletitas glaseadas, etc.) con un colorímetro MINOLTA (CR-400, Japón) y con el SVC desarrollado. Las muestras cubrieron un amplio rango de variabilidad: L* entre 25 y 86, a* entre -23 y 41, b* entre -14 y 69. Los coeficientes de correlación entre ambos dispositivos fueron de 0,971, 0,956 y 0,977, para L*, a* y b*, respectivamente, pero la diferencia de color total promedio fue 5,88, la cual es suficiente para ser detectada visualmente. La máxima diferencia de color total (13,47) fue para una muestra de pechuga de pollo; el color obtenido con el colorímetro es un gris-marrón claro (L*: 49,3; a*: 3; b*: 5,7), y con el CVS es rosado-marrón claro (L*: 59,1; a*: 11,9; b*: 8,2), que se asemeja mucho más a la muestra real. En general, los resultados obtenidos con el SVC condujeron a mejores predicciones de color, evaluadas visualmente. Para los líquidos translúcidos se emplearon 13 muestras (jugos, vinos, etc.) y se determinó el color característico a partir de imágenes, y el color a partir de espectros de absorción empleando celdas de 1 cm. En este caso las diferencias de color total promedio son mayores a 50, dado las diferencias en el camino óptico de cada sistema. El software desarrollado está disponible libremente para cualquier potencial usuario, quien sí deberá contar o construir su propio SVC, lo cual es relativamente simple.
Centro de Investigación y Desarrollo en Criotecnología de Alimentos
description El objetivo del presente trabajo es presentar un software para determinarel color de alimentos a partir de imágenes. Generalmente el color de alimentos se mide usando colorímetros, los cuales tienen un sistema de calibración simple, son portátiles y fáciles de usar, pero entre otras desventajas presentan un área de medición reducida, un alto costo de adquisición y reparación, y deben estar en contacto directo con la superficie a medir. En los últimos años se ha avanzado en la medición de color a partir de imágenes. Para esto se requiere un sistema de visión computacional (SVC) para obtener las imágenes según una metodología estandarizada (formado por un gabinete de adquisición, un sistema de iluminación y una cámara digital), y un software para procesar las mismas. El software realiza la conversión del espacio de color RGB de la imagen al espacio CIELAB, el cual es un estándar industrial y en investigación. El sistema emplea un patrón de color ColorChecker para la calibración entre ambos espacios de color. El software consta de 6 interfaces gráficas: la 1º se usa para calibrar el sistema; la 2º permite el cálculo de los parámetros de color de una muestra, dando la información para cada pixel o como el promedio de la región de interés; la 3º permite ingresar valores de L*a*b*, convertirlos a RGB y mostrar una imagen del colorde la muestra; la 4º y 5º permiten trabajar con líquidos o materiales translúcidos, incluyendo la posibilidad de predecir el color característico, definido como el color a profundidad infinita; la 6º permite leer espectros de absorción-transmisión, y realiza el cálculo de color de forma tradicional. Para validar este sistema se realizaron mediciones de color de 40 muestras de diferentes alimentos sólidos (carnes, frutas, verduras, galletitas glaseadas, etc.) con un colorímetro MINOLTA (CR-400, Japón) y con el SVC desarrollado. Las muestras cubrieron un amplio rango de variabilidad: L* entre 25 y 86, a* entre -23 y 41, b* entre -14 y 69. Los coeficientes de correlación entre ambos dispositivos fueron de 0,971, 0,956 y 0,977, para L*, a* y b*, respectivamente, pero la diferencia de color total promedio fue 5,88, la cual es suficiente para ser detectada visualmente. La máxima diferencia de color total (13,47) fue para una muestra de pechuga de pollo; el color obtenido con el colorímetro es un gris-marrón claro (L*: 49,3; a*: 3; b*: 5,7), y con el CVS es rosado-marrón claro (L*: 59,1; a*: 11,9; b*: 8,2), que se asemeja mucho más a la muestra real. En general, los resultados obtenidos con el SVC condujeron a mejores predicciones de color, evaluadas visualmente. Para los líquidos translúcidos se emplearon 13 muestras (jugos, vinos, etc.) y se determinó el color característico a partir de imágenes, y el color a partir de espectros de absorción empleando celdas de 1 cm. En este caso las diferencias de color total promedio son mayores a 50, dado las diferencias en el camino óptico de cada sistema. El software desarrollado está disponible libremente para cualquier potencial usuario, quien sí deberá contar o construir su propio SVC, lo cual es relativamente simple.
publishDate 2018
dc.date.none.fl_str_mv 2018
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Resumen
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/154510
url http://sedici.unlp.edu.ar/handle/10915/154510
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-46333-1-6
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616273793646592
score 13.070432