Aplicación de técnicas de imagen para la evaluación de la madurez fenólica de semillas de uva
F. J. Rodríguez Pulido, M. L. González Miret. F. J. Heredia
Descargar artículo
Información básica
Volumen
V50 - N1 / 2017 Ordinario
Referencia
01-nov
DOI
http://doi.org/10.7149/OPA.50.1.49503
Idioma
Spanish
Etiquetas
Colorimetría, Análisis de Imagen, Semillas de uva, Análisis de imágenes hiperespectrales
Resumen
La calidad del vino depende en gran medida del estado en que se encuentren los diferentes componentes de la uva en el momento de la recolección y, en este sentido, las semillas afectan directamente a su astringencia, así como a la estructura y estabilidad del color del vino. En el presente trabajo se han evaluado semillas de uva de diferentes variedades aplicando distintas técnicas de análisis de imagen. En todos los casos se han desarrollado metodologías que implican la mínima preparación de muestra y la máxima rapidez del método, con el objeto de poder sustituir, en la medida de la posible, el análisis químico, que suele suponer largos y tediosos procesos que impiden un seguimiento rápido de la maduración. La metodología propuesta para la medición y evaluación del color y el espectro infrarrojo cercano ha dado resultados satisfactorios en la estimación del estado de madurez de las semillas de uva, y ha sido útil para establecer etapas de maduración a partir de sus propiedades ópticas.
Referencias
H. R. Schultz and G. V. Jones, "Climate Induced Historic and Future Changes in Viticulture," J Wine Res 21, 137–145 (2010). DOI
B. W. Zoecklein, Análisis y producción de vino. Zaragoza: Acribia, (2001).
B. Gordillo, F. J. Rodríguez-Pulido, M. L. Escudero-Gilete, M. L. González-Miret, and F. J. Heredia,"Comprehensive Colorimetric Study of Anthocyanic Copigmentation in Model Solutions. Effects of pH and Molar Ratio," J Agric Food Chem 60, 2896–2905 (2012). DOI
R. Ristic and P. G. Iland, "Relationships between seed and berry development of Vitis Vinifera L. cv Shiraz: Developmental changes in seed morphology and phenolic composition," Aust J Grape Wine Res 11, 43–58 (2005). DOI
F. Zamora-Marín, "El cambio climático, una amenaza para nuestra viticultura," Enólogos 29, 28–31(2006).
M. Gómez-Míguez, M. L. González-Miret, and F. J. Heredia, "Evolution of colour and anthocyanin composition of Syrah wines elaborated with pre-fermentative cold maceration," J Food Eng 79, 271–278 (2007). DOI
A. González Marcos, F. J. Martínez de Pisón Ascacíbar, A. V. Pernía Espinoza, F. Alba Elías, M. Castejón Limas, J. Ordieres Meré, and E. Vergara González, Técnicas y algoritmos básicos de visión artificial. Logroño, Spain: Universidad de La Rioja. Servicio de Publicaciones, (2006).
P. Jackman, D.-W. Sun, C.-J. Du, and P. Allen, "Prediction of beef eating qualities from colour, marblin and wavelet surface texture features using homogenous carcass treatment," Pattern Recognit 42, 751–763 (2009). DOI
C.-J. Du and D.-W. Sun, "Multi-classification of pizza using computer vision and support vector machine," J Food Eng 86, 234–242 (2008). DOI
S. Pacifici, "Análisis de densidades mamográficas en espacio RGB," Imagen Diagnóstica 3, 45–49 (2012). DOI
International Organization for Standardization, "Graphic technology and photography ? Colour characterisation of digital still cameras (DSCs) ? Part 1: Stimuli, metrology and test procedures," ISO 17321-1:2012, (1999).
J. Hutchings, "14 Calibrated colour imaging analysis of food," in Colour in food: improving quality, D. B. MacDougall, Ed. Cambridge: CRC Press, (2002).
K. León, D. Mery, F. Pedreschi, and J. León, "Color measurement in L*a*b* units from RGB digital images," Food Res Int 39, 1084–1091 (2006). DOI
T. Brosnan and D.-W. Sun, "Improving quality inspection of food products by computer vision–a review," J Food Eng 61, 3–16 (2004). DOI
R. Ferrer-Gallego, J. M. Hernández-Hierro, J. C. Rivas-Gonzalo, and M. T. Escribano-Bailón, "Feasibility study on the use of near infrared spectroscopy to determine flavanols in grape seeds," Talanta 82, 1778–1783 (2010). DOI
M. R. Luo, G. H. Cui, and Li.C;, "British Patent entitled Apparatus and method for measuring colour (DigiEye System), Derby University Enterprises Limited," (2001).
F. J. Rodríguez-Pulido, R. Ferrer-Gallego, M. Lourdes González-Miret, J. C. Rivas-Gonzalo, M. T. Escribano-Bailón, and F. J. Heredia, "Preliminary study to determine the phenolic maturity stage of grape seeds by computer vision," Anal Chim Acta 732, 78–82 (2012). DOI
F. J. Rodríguez-Pulido, J. M. Hernández-Hierro, J. Nogales-Bueno, B. Gordillo, M. L. González-Miret, and F. J. Heredia, "A novel method for evaluating flavanols in grape seeds by near infrared hyperspectral imaging," Talanta 122, 145–150 (2014). DOI
F. J. Rodríguez-Pulido, L. Gómez-Robledo, M. Melgosa, B. Gordillo, M. L. González-Miret, and F. J. Heredia, "Ripeness estimation of grape berries and seeds by image analysis," Comput Electron Agric 82, 128–133 (2012). DOI
F. J. Rodríguez-Pulido, B. Gordillo, M. Lourdes González-Miret, and F. J. Heredia, "Analysis of food appearance properties by computer vision applying ellipsoids to colour data," Comput Electron Agric99, 108–115 (2013). DOI
F. J. Rodríguez-Pulido, F. J. Heredia, J. M. Zaldívar-Cruz, and M. L. González-Miret, "Application of Image Analysis to the Color-Phenolic Composition Relationships of Grape Seeds," in Color in Food, CRC Press, 113–120 (2012). DOI
F. J. Rodríguez-Pulido, D. F. Barbin, D.-W. Sun, B. Gordillo, M. L. González-Miret, and F. J. Heredia, "Grape seed characterization by NIR hyperspectral imaging," Postharvest Biol Technol 76, 74–82 (2013). DOI
N. Vivas, Y. Glories, L. Lagune, C. Saucier, and M. Augustin, "Estimation du degré de polymérization des procyanidines du raisin et du vin par la méthode au p-dimethylaminocinnamaldéhyde," J Int Sci Vigne Vin 28, 319–336 (1994).