Análisis de imágenes hiperespectrales de maní contaminado con aflatoxinas

Abstract

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 𝜇𝑔⁄𝑘𝑔) y una mezcla de aflatoxinas (MIX, 26.9725 𝜇𝑔⁄𝑘𝑔 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.