Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas

Autores
Vranic, María Laura; Martínez Vargas, Steven; Cristos, Diego Sebastián; Pesquero, Natalia Victoria; Vorobioff, Juan; Delrieux, Claudio A.
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Las aflatoxinas son subproductos naturales producidos por hongos, principalmente Aspergillus flavus y Aspergillus parasiticus, presentes en los cereales y otros cultivos, en particular el maíz y el maní. Medir los niveles de aflatoxinas en productos de grano es complicado debido a la distribución extremadamente sesgada de las micotoxinas. Las aflatoxinas poseen propiedades significativas de absorción de luz ultravioleta (UV) y fluorescencia. La aplicación del análisis de imágenes en el control de calidad para detectar la presencia de aflatoxinas en granos de maní ofrece varias ventajas significativas frente al muestreo y análisis químico, merecen destacarse que la técnica no es destructiva y se puede controlar todo el lote. Si el análisis de imágenes, se integra con algoritmos de aprendizaje automático, pueden procesarse grandes volúmenes de muestras rápidamente. El objetivo del presente trabajo es seleccionar algoritmos de aprendizaje supervisado que permitan detectar la presencia de aflatoxinas en imágenes hiperespectrales de maní. Se evaluaron muestras de maní sin contaminar, contaminado con Aflatoxina B1 (B1, 6.2426 ⁄) y una mezcla de aflatoxinas (MIX, 26.9725 ⁄ totales). Con una precisión global de 0.98 el algoritmo de Random Forest (RF) y Máquinas de Vectores de Soporte (SVM) permitieron clasificar correctamente los 3 grupos.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Aflatoxinas
maní
Imágenes hiperespectrales
métodos de clasificación
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:10915/176868
Acceder
id SEDICI_8351ef1bfe098021a287d62ac935c55f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/176868
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinasVranic, María LauraMartínez Vargas, StevenCristos, Diego SebastiánPesquero, Natalia VictoriaVorobioff, JuanDelrieux, Claudio A.Ciencias InformáticasAflatoxinasmaníImágenes hiperespectralesmétodos de clasificaciónLas aflatoxinas son subproductos naturales producidos por hongos, principalmente Aspergillus flavus y Aspergillus parasiticus, presentes en los cereales y otros cultivos, en particular el maíz y el maní. Medir los niveles de aflatoxinas en productos de grano es complicado debido a la distribución extremadamente sesgada de las micotoxinas. Las aflatoxinas poseen propiedades significativas de absorción de luz ultravioleta (UV) y fluorescencia. La aplicación del análisis de imágenes en el control de calidad para detectar la presencia de aflatoxinas en granos de maní ofrece varias ventajas significativas frente al muestreo y análisis químico, merecen destacarse que la técnica no es destructiva y se puede controlar todo el lote. Si el análisis de imágenes, se integra con algoritmos de aprendizaje automático, pueden procesarse grandes volúmenes de muestras rápidamente. El objetivo del presente trabajo es seleccionar algoritmos de aprendizaje supervisado que permitan detectar la presencia de aflatoxinas en imágenes hiperespectrales de maní. Se evaluaron muestras de maní sin contaminar, contaminado con Aflatoxina B1 (B1, 6.2426 ⁄) y una mezcla de aflatoxinas (MIX, 26.9725 ⁄ totales). Con una precisión global de 0.98 el algoritmo de Random Forest (RF) y Máquinas de Vectores de Soporte (SVM) permitieron clasificar correctamente los 3 grupos.Red de Universidades con Carreras en Informática2024-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1098-1107http://sedici.unlp.edu.ar/handle/10915/176868spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2428-5info:eu-repo/semantics/reference/hdl/10915/172755info: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:UNLP2025-09-03T11:19:20Zoai:sedici.unlp.edu.ar:10915/176868Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:19:20.991SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
title Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
spellingShingle Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
Vranic, María Laura
Ciencias Informáticas
Aflatoxinas
maní
Imágenes hiperespectrales
métodos de clasificación
title_short Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
title_full Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
title_fullStr Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
title_full_unstemmed Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
title_sort Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas
dc.creator.none.fl_str_mv Vranic, María Laura
Martínez Vargas, Steven
Cristos, Diego Sebastián
Pesquero, Natalia Victoria
Vorobioff, Juan
Delrieux, Claudio A.
author Vranic, María Laura
author_facet Vranic, María Laura
Martínez Vargas, Steven
Cristos, Diego Sebastián
Pesquero, Natalia Victoria
Vorobioff, Juan
Delrieux, Claudio A.
author_role author
author2 Martínez Vargas, Steven
Cristos, Diego Sebastián
Pesquero, Natalia Victoria
Vorobioff, Juan
Delrieux, Claudio A.
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aflatoxinas
maní
Imágenes hiperespectrales
métodos de clasificación
topic Ciencias Informáticas
Aflatoxinas
maní
Imágenes hiperespectrales
métodos de clasificación
dc.description.none.fl_txt_mv Las aflatoxinas son subproductos naturales producidos por hongos, principalmente Aspergillus flavus y Aspergillus parasiticus, presentes en los cereales y otros cultivos, en particular el maíz y el maní. Medir los niveles de aflatoxinas en productos de grano es complicado debido a la distribución extremadamente sesgada de las micotoxinas. Las aflatoxinas poseen propiedades significativas de absorción de luz ultravioleta (UV) y fluorescencia. La aplicación del análisis de imágenes en el control de calidad para detectar la presencia de aflatoxinas en granos de maní ofrece varias ventajas significativas frente al muestreo y análisis químico, merecen destacarse que la técnica no es destructiva y se puede controlar todo el lote. Si el análisis de imágenes, se integra con algoritmos de aprendizaje automático, pueden procesarse grandes volúmenes de muestras rápidamente. El objetivo del presente trabajo es seleccionar algoritmos de aprendizaje supervisado que permitan detectar la presencia de aflatoxinas en imágenes hiperespectrales de maní. Se evaluaron muestras de maní sin contaminar, contaminado con Aflatoxina B1 (B1, 6.2426 ⁄) y una mezcla de aflatoxinas (MIX, 26.9725 ⁄ totales). Con una precisión global de 0.98 el algoritmo de Random Forest (RF) y Máquinas de Vectores de Soporte (SVM) permitieron clasificar correctamente los 3 grupos.
Red de Universidades con Carreras en Informática
description Las aflatoxinas son subproductos naturales producidos por hongos, principalmente Aspergillus flavus y Aspergillus parasiticus, presentes en los cereales y otros cultivos, en particular el maíz y el maní. Medir los niveles de aflatoxinas en productos de grano es complicado debido a la distribución extremadamente sesgada de las micotoxinas. Las aflatoxinas poseen propiedades significativas de absorción de luz ultravioleta (UV) y fluorescencia. La aplicación del análisis de imágenes en el control de calidad para detectar la presencia de aflatoxinas en granos de maní ofrece varias ventajas significativas frente al muestreo y análisis químico, merecen destacarse que la técnica no es destructiva y se puede controlar todo el lote. Si el análisis de imágenes, se integra con algoritmos de aprendizaje automático, pueden procesarse grandes volúmenes de muestras rápidamente. El objetivo del presente trabajo es seleccionar algoritmos de aprendizaje supervisado que permitan detectar la presencia de aflatoxinas en imágenes hiperespectrales de maní. Se evaluaron muestras de maní sin contaminar, contaminado con Aflatoxina B1 (B1, 6.2426 ⁄) y una mezcla de aflatoxinas (MIX, 26.9725 ⁄ totales). Con una precisión global de 0.98 el algoritmo de Random Forest (RF) y Máquinas de Vectores de Soporte (SVM) permitieron clasificar correctamente los 3 grupos.
publishDate 2024
dc.date.none.fl_str_mv 2024-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
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/10915/176868
url http://sedici.unlp.edu.ar/handle/10915/176868
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2428-5
info:eu-repo/semantics/reference/hdl/10915/172755
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
1098-1107
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_ 1842260698775683072
score 13.13397

Publicaciones similares