Predicción del color y contenido de humedad en café cerezo mediante redes neuronales y regresión de mínimos cuadrados parciales

La presente investigación se enfocó en el desarrollo de modelos de predicción del color en coordenadas CIELab y el contenido de humedad de café cerezo mediante la tecnología de imágenes hiperespectrales; comparando el ajuste por un modelo de regresión lineal múltiple – PLSR (Partialleastsquareregression) y un modelo no lineal (ANN – artiftial neural network). La muestra se conformó de 200 granos de café cerezo en diferentes estados de madurez, dividiéndola en 120 granos para calibración y 80 de validación.La muestra fue caracterizada mediante colorimetría en el espacio CIELab y determinación de la humedad. Posteriormente se adquirieron imágenes hiperespectrales de cada granos y se almacenaron en formato *.bil. El procesamiento de las imágenes se realizó mediante un sistema desarrollado e implementado en el software matemático Matlab 2010a, mediante funciones *.m e interfaces de usuario (GUIs). Se desarrollaron modelos de ajuste para cada una de las coordenadas de color y el contenido de humedad, calculándose los coeficientes de correlación en calibración y validación. Los resultados mostraron que las redes neuronales tienen un mayor ajuste en calibración con coeficientes de correlación superiores a 0,90 mientras que el PLSR genero coeficientes entre 0,42 y 0,48.