2026-04-27T21:34:35Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/390072021-06-18T07:23:36Zcom_10324_38col_10324_787

Arribas Sánchez, Juan Ignacio García Gómez, Fernando Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación 2019-11-04T09:53:15Z 2019-11-04T09:53:15Z 2019 http://uvadoc.uva.es/handle/10324/39007 El estudio y estimación de las propiedades de los productos generados en la industria alimentaria de forma no intrusiva es una de las aplicaciones más utilizadas para evaluar la calidad del producto ofrecido. Dentro del conjunto de productos derivados de esta industria, cobran gran importancia la gran variedad de frutas que existen en el planeta, y en especial los cítricos, con la naranja como su máximo exponente, debido a su gran aporte de vitamina C. Una de las propiedades más importantes de la naranja es el grado de acidez (pH), que es indicativo del nivel de madurez de la fruta y también sirve de ayuda para diferenciar entre las distintas variedades que existen en el planeta. A partir de la segmentación y el análisis de un conjunto de imágenes capturadas de diferentes variedades de naranjas, es posible la extracción de características que definan cada imagen. Utilizando una serie de mecanismos de aprendizaje automático se tendrá la capacidad de estimar el grado de acidez de cada naranja disponible y de realizar una comparativa entre este pH estimado y el pH real medido de tal forma que se seleccione el mecanismo que mejor rendimiento ofrezca a la hora de estimar correctamente el grado de acidez de cada naranja analizada. Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática Máster en Ingeniería de Telecomunicación application/pdf spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 Internacional Cítricos Máquina de vectores soporte Perceptrón multicapa Técnicas de visión por ordenador para la estimación automática y no intrusiva del grado de acidez en cítricos info:eu-repo/semantics/masterThesis