Aplicación de la técnica de segmentación de imagen para la determinación del contenido de grasa y magro en lonchas de lomo de cerdo y salmón

UNIVERSITAT POLITÈCNICA DE VALÈNCIA ESCOLA TÈCNICA SUPERIOR D´ENGINYERIA AGRONÒMICA I DEL MEDI NATURAL APLICACIÓN DE LA TÉCNICA DE SEGMENTACIÓN DE IMAGEN PARA LA DETERMINACIÓN DEL CONTENIDO DE GRASA Y MAGRO EN LONCHAS DE LOMO DE CERDO Y SALMÓN TRABAJO FIN DE MÁSTER EN GESTIÓN DE LA SEGURIDAD Y CALIDAD ALIMENTARIA ALUMNO/A: Rocío Moline o Sáez TUTOR/A ACADÉMICO: Raúl G au Meló y José M. Ba a Ba ie a DIRECTOR EXPERIMENTAL: Samuel Ve dú Ama Cu so Académico: 2016-2017 VALENCIA, eb e o de 2017 1 APLICACIÓN DE LA TÉCNICA DE SEGMENTACIÓN DE IMAGEN PARA LA DETERMINACIÓN DEL CONTENIDO DE GRASA Y MAGRO EN LONCHAS DE LOMO DE CERDO Y SALMÓN Au o : Rocío Moline o Sáez Tu o académico: Raúl G au Meló 1 ; José M. Ba a Ba ie a 1 Di ec o expe imen al: Samuel Ve dú Ama 1 RESUMEN El p esen e abajo se cen a en el es udio de la écnica de segmen ación de imagen pa a la de e minación del con enido en g asa y mag o en lonchas de lomo de ce do y salmón. Pa a ello se cap u a on imágenes en ambas ca as de las lonchas, las cuales ue on pos e io men e analizadas ísicoquímican e a in de de e mina su composición median e mé odos no malizados. Po o o lado, las imágenes cap adas ue on umb alizadas con la inalidad de ob ene el ono de g is a pa i del cual se deduce el es o de onos que pueden se ca ac e ís icos del ejido g aso de las mues as. Una ez ob enidos dichos onos y modelizados pa a p edeci la can idad de g asa eó ica de las mues as, y una ez e aluada la p edicción, se p ocedió a de e mina ambién la can idad eó ica de agua y p o eína de és as. El análisis de los esul ados ha mos ado la capacidad de la écnica pa a cuan i ica ejido mag o y g aso, pues o que han podido se co elacionados con la can idad o al de g asa, agua y p o eína de las mues as, si bien la p edicción no es an exac a pa a las mues as de salmón como consecuencia de la p esencia de g asas poliinsa u adas, las cuales no pueden se cap adas en las imágenes al no o ma es uc u as sólidas. Palab as cla e: écnica de segmen ación de imagen, g asa, mag o, lomo de ce do, salmón. RESUM El p esen eball es cen a en l'es udi de la ècnica de segmen ació d'ima ge pe a la de e minació del con ingu en g eix i mag e en alls de llom de po c i salmó. Pe a això es an cap u a ima ges en les dues ca es de les llesques, les quals an se pos e io men anali zades isicoquímicamen a i de de e mina la seua composició mi jançan mè odes no mali za s. D'al a banda, les ima ges cap ades an se umb alizades amb la inali a d'ob eni el o de g is a pa i del qual es dedueix la es a de ons poguessin se ca ac e ís ics del eixi g as de les mos es. Un cop ob ingu s aques s ons i modeli za s pe p edi la quan i a de g eix eò ica de les mos es, i un cop 1 El di ec o y el di ec o expe imen al ambos pe enecen a la Uni e sidad Poli écnica de Valencia, Camino de Ve a, s/n 46022 Valencia 2 a aluada la p edicció, es a p ocedi a de e mina ambé la quan i a eò ica d'aigua i p o eïna d'aques es. L’anàlisi dels esul a s ha mos a la capaci a de la ècnica pe a quan i ica eixi mag e i g as, ja que han pogu se co elaciona s amb la quan i a o al de g eix, aigua i p o eïnes de les mos es, si bé la p edicció no és an exac a pe a les mos es de salmó com a conseqüència de la p esència de g eixos poliinsa u a s, els quals no poden se cap a s en les ima ges al no o ma es uc u es sòlides. Pa aules clau: ècnica de segmen ació d'ima ge,g assa, mag e, llom de po c, salmó. ABSTRACT The p esen wo k aims he s udy o he segmen a ion image echnique o de e mina e he con en o a and lean on slices o po k loin and salmon. Fo his pu pose, images we e cap u ed on bo h sides o he slices, which we e subsequen ly analyzed by physicochemical es s o de e mine hei composi ion h ough s anda dized me hods. On he o he hand, he images cap u ed we e h esholded in o de o ob ain he g ey one om which he es o ones ha could be cha ac e is ic o he a y issue o he samples a e deduced. Once hese ones we e ob ained and modeled o p edic he amoun o heo e ical a in he samples, and once he p edic ion was e alua ed, he heo e ical quan i y o wa e and p o ein we e also de e mined. The analysis o he esul s ha e shown he echnique capabili y o quan i y lean and a issue, since hey ha e been co ela ed wi h he o al amoun o a , wa e and p o eins in he samples, al hough he p edic ion is no so accu a e o salmon samples as a consequence o he p esence o polyunsa u a ed a s, which can no be cap u ed in he images by no o ming solid s uc u es. Keywo ds: segmen a ion image echnique, a , lean, po k loin, salmon. 3 1. INTRODUCCIÓN La indus ia alimen a ia desempeña un papel cla e en el conjun o de los sec o es económicos, ocupando un p ime luga en la ama indus ial. Es á con inuamen e inno ándose, ein en ándose y adap ándose a las nue as ecnologías y cos umb es, así como a las nue as exigencias de los consumido es. De es a o ma, la segu idad alimen a ia se ha con e ido en un aspec o muy impo an e en un mundo globalizado donde en la mayo ía de las ocasiones p iman los bene icios económicos en pos de la calidad e inocuidad alimen a ia. Un cla o ejemplo de es o, son las úl imas c isis alimen a ias que han enido luga a ni el mundial. La ines abilidad económica p esen e en los úl imos años unida al in e és de ga an iza una alimen ación adecuada, hace que sea una necesidad aumen a el endimien o de la p oducción y con ello mejo a el ap o echamien o de las ma e ias p imas pa a así o ece al me cado p oduc os con una calidad higiénica, nu icional y o ganolép ica aco de a la demandada (Huang, 2001). Pa a ga an iza la sos enibilidad del sis ema alimen a io, es de no able impo ancia el campo de desa ollo ela i o a écnicas de análisis y con ol de calidad an es, du an e y después del p oceso p oduc i o. Así pues, uno de los obje i os ha sido el desa ollo de nue os mé odos de con ol de calidad que mejo e a los adicionales en elocidad, p ecisión y exac i ud (Caldwell, 2013). En es e sen ido, se p e ie en écnicas ápidas, no des uc i as, p edominan emen e con capacidad de abajo en con inuo a pie de línea. La elocidad de inspección es una g an en aja dado que pe mi e alcanza una al a asa de mues as analizadas po unidad de iempo, pe mi iendo ecoge in o mación de lo es en e os, mues a po mues a. El hecho de ob ene in o mación de mane a con inua de cada mues a pe mi e aumen a la p ecisión en las ope aciones de inspección, mejo ando pos e io men e los abajos au omá icos como la clasi icación, el co e en lonchas, el en asado, el e ique ado, el almacenamien o, e c. En es e sen ido, una de las á eas más p oduc i as den o del con ol y moni o eo no des uc i o de p oduc os escos ha sido el análisis de imágenes. Algunas de las écnicas de imagen más empleadas se basan en imágenes isibles en 2D, imágenes espec ales, imágenes de ayos X en e o as. Son nume osos los es udios ealizados en los que el análisis de imagen ha enido un papel ele an e. En e es os, y más conc e amen e ealizados sob e p oduc os cá nicos y de la pesca, encon amos aquellos en los que se han clasi icado jamones, e aluado la sensibilidad de canales de acuno, con olado la escu a de do ada a pa i de cambios en el colo de las b anquias y los ojos, de ec ado au omá icamen e espinas de pescado, e c., (Dowla i e al., 2013; I o a e al., 2016; Jackman e al., 2012; Konda Nagana han e al., 2015; Me y e al., 2011). El análisis de imagen isible es una de las écnicas más accesibles, de las que se ha epo ado un amplio núme o de es udios que han enido esul ados exi osos en di e sos ámbi os de in es igación en elación con la e sa ilidad y las meno es posibilidades de cos es. En es a écnica se incluye el análisis po segmen ación de imágenes digi ales la cual se basa en analiza la ma iz de píxeles que con o man la imagen, de e minando sus 4 colo es y onos, dependiendo del espacio de colo u ilizado y la can idad de in o mación de cada imagen. A pa i de es a in o mación se localizan á eas, ci cun e encias, con o nos, pe íme os y o mas, las cuales co esponden a umb ales de colo de e minados, log ando de es a mane a di idi la ma iz en segmen os en unción de la in o mación eque ida. Es a écnica ha dado buenos esul ados en unciones como la de e minación del amaño y dis ibución de bu bujas en pan du an e la e men ación y ho neado (Lassoued e al., 2007; Pé ez-Nie o e al., 2010). El desa ollo de es as he amien as no in asi as en ocadas a la clasi icación, pe o en la ac ualidad y cada ez más a la capacidad de cuan i ica , es á de acue do con la endencia de la no ma i a alimen a ia ecien e (UE) nº 1169/2011 del Pa lamen o Eu opeo sob e la in o mación alimen a ia suminis ada a los consumido es, lo que es á obligando al p oduc o de alimen os, en la mayo ía de los alimen os p ocesados, a la inclusión en el e ique ado el denominado e ique ado nu icional. Así pues en el p esen e es udio se p e ende, median e el uso de la écnica de segmen ación de imagen como he amien a de análisis no des uc i a, la inspección de ejidos de alimen os escos loncheados de di e en e na u aleza (lomo de ce do y salmón), haciendo hincapié en la cuan i icación de la acción de g asa y agua de és as. 2. MATERIALES Y MÉTODOS 2.1 Ma e ia P ima Pa a la ealización del p esen e es udio se u iliza on 18 ile es de lomo de ce do y 10 ile es ans e sales de salmón. Toda la ma e ia p ima ue adqui ida en el mismo supe me cado local, empleándose dis in os lo es de p oduc o de sucesi os días. Ambos casos, ca ne y pescado, p ocedían de bandejas en asadas en a mós e a modi icada, p epa adas con 6 - 5 piezas co adas según cada caso con un espeso ap oximado de 1±0,5 cm. 2.2 De e minación de la can idad de agua, g asa y p o eína median e la écnica de p ocesado de imagen po segmen ación Pa a la de e minación eó ica, median e la écnica de imagen de segmen ación, se siguió el p o ocolo mos ado en la igu a 1. Una ez ob enidas las mues as se cap u a on imágenes en colo de és as, las cuales ue on pos e io men e con e idas a escala de g ises y segmen adas. Po o o lado, las mues as ue on analizadas isicoquímicamen e, de e minándose la can idad de agua y de g asa median e mé odos no malizados. Median e el empleo de los da os eales de g asa y los ob enidos de la segmen ación se p ocedió a ealiza la umb alización de es os úl imos con la inalidad de busca el ono de g is óp imo a pa i del cual la imagen esul e segmen ada en g asa y mag o. Una ez localizado el ono de g is más a o able, se ob u o la p opo ción de imagen que ep esen a g asa. 5 Después de de e mina eó icamen e és a, se ealizó el cálculo eó ico de la can idad de agua y p o eína. Finalmen e se e aluó el e o al compa a es os alo es con los de e minados en el labo a o io. FIGURA 1. Esquema del p oceso seguido pa a la de e minación de la can idad de agua, g asa y p o eína median e la écnica de a amien o de imagen po segmen ación. 2.2.1 CAPTURA DE IMAGEN La ca ac e ización del ejido g aso y mag o se lle ó a cabo median e la écnica de segmen ación de imagen 2D. El sis ema es á o mado po una cáma a (HD webcam C615 (Logi ech)) p epa ada pa a la oma de imágenes y un ondo neg o con el obje i o de e i a posibles e lejos. Como iluminan e se u ilizó una lámpa a LED (lamp IP20 5W). La cáma a ue si uada a una dis ancia cons an e de 40cm de la mues a a in de consegui siemp e el mismo amaño de imagen. Los amaños de imagen así conseguidos ue on de 3264×2448 píxeles en o ma o JEPG. 2.2.2 PROCESADO DE IMAGEN Una ez ob enidas las imágenes se p ocedió a su p ocesado pa a la de e minación eó ica de la g asa. Pa a ello, y con la inalidad de educi el olumen de in o mación de cada una de ellas y así hace más ágil su p ocesado, cada píxel de las imágenes omada en o ma o RGB (Red, G een and Blue), ue ans o mado a 8 bi s (escala de g ises de 255 onos) donde el ono 0 exp esa la o alidad del neg o y el ono 255 la del blanco. A in de e alua el ono de g is a pa i del cual la imagen esul e segmen ada en g asa y mag o ( igu a 2), y es a exp esión pueda se u ilizada pa a ob ene eó icamen e el con enido en g asa y agua de las P epa ación de las mues as Salmon Lomo de ce do Cap u a de imágenes De e minación de la composición de las mues as Xg; Xw Segmen ación de imagen Umb alización del ono de la imagen que mejo exp ese la elación con la g asa (Xg). Ob ención de la elación pixeles g asa / pixeles mues a (Pg/p ) Ob ención de la can idad eó ica de agua (Xw ) De e minación del e o P ocesado de imagen 6 mues as, se lle ó a cabo una umb alización. Así los píxeles con alo es supe io es al ono umb al, los cuales se ex ienden hacia el blanco, se clasi ica on como g asa. Es a umb alización se epi ió pa a a ios onos de g ises en odas las mues as. Pa a e alua cuál de odas las umb alizaciones ue la idónea, p ime o se ealizó el cocien e en e los píxeles de inidos como g asa (Pg) y los ob enidos con el suma o io de odos los píxeles de la mues a (P ). Pos e io men e pa a dos e cios de las mues as, an o de lomo de ce do como de salmón, la elación (Pg/P ) se co elacionó con la can idad eal de g asa de las mues as (Xg), de o ma que la co elación con mejo coe icien e se ía aquella que mues a el ono de g is umb al idóneo pa a di e encia en e g asa y mag o. El e cio de mues as es an es se u ilizó pa a comp oba la bondad de la co elación, ob eniéndose la can idad eó ica de g asa (Xg ) de és as median e la ecuación ob enida a a és de los dos e cios de las mues as que mos a on mejo ajus e. La e aluación de la bondad se ealizó median e la co elación en e los alo es eó icos (Xg ) y los eales (Xg). FIGURA 2. Segmen ado de una loncha de lomo. A: Imagen o iginal p ocesada a 8 bi s. B: Imagen segmen ada a ono de g is 44. C: Imagen segmen ada a ono de g is 35. D: Imagen segmen ada a ono de g is 30. 2.2.3 OBTENCIÓN DE LA CANTIDADTEÓRICA DE AGUA Y PROTEÍNA La ob ención de la can idad eó ica de agua en las mues as (Xw ) se consiguió aplicando la ecuación 1, donde Xg es la g asa eó ica ob enida po imagen, Xw el agua eó ica a calcula y Xp la p o eína eó ica la cual se dedujo a pa i de la elación eó ica 0,27 exis en e en e p o eína y agua (ecuación 2) según la base de da os Bedca.ne . La bondad de la p edicción ob enida se ealizó median e la co elación en e la can idad de agua eal (Xw), de e minada median e análisis ísico-químico, y la p edicha (Xw ). Con la inalidad de e alua cuál es el e o que se come e al aplica la elación eó ica 0,27 en ambas mues as, la ecuación 1 se ol ió a aplica pe o en es e caso u ilizando los alo es de g asa y agua medidos en labo a o io, ob eniendo así la can idad de p o eína y a pa i de és a la elación exis en e con el agua. De es a o ma, con los alo es eales del a io p o eína / agua se aplicó nue amen e la ecuación 1 y u ilizando una ez más los alo es eó icos de g asa po imagen, se ob u ie on los nue os alo es de agua (Xw 2). Finalmen e, a modo de e alua el e o come ido se calcula on las di e encias exis en es en cada una de las acciones en e el alo analizado po el mé odo isicoquímico y el calculado median e la écnica de imagen, exp esado en 100 g amos de mues a. AD A BC 7 Xg + Xw + Xp = 1 (ec. 1) Donde: Xg = g asa eó ica; Xw = agua eó ica; Xp = p o eína eó ica   = 0,27 (ec. 2) Donde: Xp = p o eína eó ica; Xw = agua eó ica; 0,27 = alo bibliog á ico de la elación p o eína / agua. 2.3 Análisis Físico-Químico 2.3.1 DETERMINACIÓN DE HUMEDAD La humedad se de e minó median e el mé odo de la AOAC 950.46 (1997). Los pesasus ancias con a ena de ma y a illa de id io se seca on en es u a (Se ice Binde ) a 103 ± 2ºC du an e 24 ho as. A con inuación, se a empe a on en un desecado y se pesa on en una balanza analí ica (m 0 ). Se añadie on 10g de mues a i u ada y se pesó de nue o el pesasus ancias con a illa, a ena y mues a (m 1 ). Con ayuda de la a illa de id io, se homogenizó la mues a con la a ena de ma , a o eciéndose la salida de agua del p oduc o. Las mues as se man u ie on en es u a a 103 ± 2ºC du an e 24 ho as, pe íodo as el cual, los pesasus ancias se a empe a on en desecado y se omó el peso de és os (m 2 ). El po cen aje de humedad exp esado como g amos de agua po 100g de mues a, se calculó median e la siguien e ecuación: Humedad(Xw ) = (    )    (ec. 3) Donde: m 0 = masa del pesasus ancias con a ena y a illa (g); m 1 = masa del pesasus ancias con a ena y a illa an es de la desecación (g); m 2 = masa del pesasus ancias con a ena y a illa después de la desecación (g) 2.3.2 DETERMINACIÓN DE GRASA El con enido en g asa se de e minó de acue do con el mé odo, 991.36 de la (AOAC, 1997). Pa a el análisis se u iliza on las mues as p e iamen e secadas pa a la de e minación de la humedad. La ex acción de la g asa de las mues as se lle ó a cabo median e un Shoxle u ilizando el equipo (Foss Sox ec TM 2055) y 90mL de é e de pe óleo como disol en e. Las mues as p e iamen e secadas se deposi a on en las cube as del equipo (que ambién habían sido an e io men e pesadas acías) y se inició la ex acción. Cuando inalizó la úl ima ase, las cube as se in oduje on en la es u a a 103ºC du an e 30 minu os pa a elimina los es os de disol en e, después se deposi a on en el desecado has a consegui un peso cons an e y se pesa on en la báscula. Pa a ob ene el po cen aje de g asa en la mues a se igualó el peso inicial a 1g con el obje i o de ene unos esul ados 8 compa a i os en los que se exp esase los g amos de g asa po cada g amo de mues a. Las ecuaciones u ilizadas ue on las siguien es: P₂ = P₁ - Pₒ (ec. 4) Donde: P 2 = g amos de g asa en la mues a; P 1 = peso de la cube a + g asa; Pₒ = peso de la cube a acía Xg = ₂  (ec. 5) Donde: Xg = g amos de g asa en 1g de mues a; P i = g amos de mues a inicial. 2.4 Análisis Es adís icos La co elación exis en e en e los alo es p oceden es de la écnica de segmen ación de imagen y los ob enidos median e los análisis ísico- químicos, se ha e aluado median e la ealización de eg esiones lineales con un ni el de signi icación del 95%. Pa a ello se ha u ilizado el p og ama es adís ico S a g aphics Cen u ion XVI. 3. RESULTADOS Y DISCUSIÓN 3.1 Resul ado del Análisis median e la Técnica de Segmen ación de Imagen Una ez ob enida la imagen y ans o mada a 8 bi s se p ocedió al es udio de segmen ación po umb alización buscando el ono de g is a pa i del cual los píxeles se pueden conside a que mues an ejido g aso. En la igu a 3, a modo de ejemplo, se mues a una loncha de lomo de ce do y la ep esen ación g á ica de los onos de g ises pa a una línea de píxeles (línea ama illa). En es e caso, al de ini un ono umb al (línea oja discon inua), odos los píxeles supe io es a es e se conside a ían que ep esen an ejido g aso. Po consiguien e, si se aplica no solo a la línea de píxeles, sino a los píxeles de oda la loncha, se pe mi e de ini el ejido g aso de és a y de igual o ma sucede con el de es o de lonchas. Es e mismo p ocesado se epi ió pa a a ios alo es de ono de g ises, ob eniéndose pa a cada uno de ellos la can idad de píxeles que ep esen an ejido g aso (Pg). Una ez ob enidos los alo es de Pg pa a cada ono es udiado, es os ue on elacionados con los píxeles o ales de cada loncha (P ) ob eniéndose así la elación píxeles g asa po píxeles mues a (Pg/P ). Es e cocien e inalmen e ue co elacionado con los alo es de g asa de e minados en el labo a o io (Xg) median e una eg esión lineal. 15 se mues an las e ique as pa a las mues as de salmón, si bien en es e caso, a pa e de la e ique a con los alo es de análisis en labo a o io y los ob enidos median e la elación Xp/Xg igual a 0,27 (e ique a cen al), ambién se mues an pa a el alo de 0,34 (e ique a de la de echa). Po o o lado, como se explica en el caso del lomo de ce do, la di e encia en el alo caló ico, calculado eó icamen e a pa i del apo e caló ico de la g asa (9 Kcal/g) y p o eína (4 Kcal/g) (Ca bajal, 2013), ue mínima, siendo de 209 Kcal y 198 Kcal espec i amen e, y undamen almen e apo ada po la di e encia de un g amo y medio de g asa en los 100 g amos de lomo de ce do. FIGURA 9. E ique adas elabo adas a pa i de los alo es de g asa y agua ob enidos en el labo a o io de análisis ísico-químicos (izquie da) y median e la écnica de imagen (de echa) pa a mues as de lomo de ce do. En el caso del salmón, las di e encias ue on lige amen e mayo es, sob e odo en el e ique ado que se ealiza empleando los alo es ob enidos con la elación bibliog á ica Xw/Xp = 0,27. De es a o ma, se pasa de un alo caló ico de 250 Kcal pa a el e ique ado, a pa i de los esul ados de e minados en el labo a o io, a 218 Kcal cuando los alo es se ob ienen empleando la elación 0,27 y de 232 Kcal cuando se hace u ilizando los da os a pa i de la elación 0,34. Es a a iación supone, pa a ambas p edicciones, no habe p edicho 1,6 g amos de g asa po cada 100 g amos de salmón y un mayo desequilib io en el balance p o eína / agua pa a las mues as calculadas con el alo de 0,27. Moline o Sáez Lomo de ce do P oduc o Peso ne o 214 0,500 Kg P ecio po Kg 3.90 € P.V.P Fecha de caducidad 1,95 € 18.07.17 Composición ap oximada (100g). Conse a de 0ºC a 5ºC 209 Kcal 15,2 g G asa 18,3 g P o eína 67,5 g Agua ΜΣ Conse a de 0ºC a 5ºC Moline o Sáez Lomo de ce do P oduc o Peso ne o 214 0,500 Kg P ecio po Kg 3.90 € P.V.P Fecha de caducidad 1,95 € 18.07.17 Composición ap oximada (100g). Conse a de 0ºC a 5ºC 198 Kcal 13,8 g G asa 18,3 g P o eína 67,9 g Agua ΜΣ 16 FIGURA 10. E ique adas elabo adas a pa i de los alo es de g asa y agua ob enidos en el labo a o io de análisis ísico-químicos (izquie da) y median e la écnica de imagen empleando el a io agua/p o eína = 0,27 (cen al) y 0,34 (de echa) pa a mues as de salmón. 4. CONCLUSIÓN La aplicación de la écnica de a amien o de imagen po segmen ación se ha mos ado como una he amien a álida pa a la cuan i icación de la can idad de ejido mag o y g aso exis en e en mues as loncheadas de lomo de ce do y de salmón, los cuales se han podido co elaciona con la can idad de g asa, agua y p o eínas de las mues as. La de e minación de la g asa del salmón, a pa i de la cuan i icación de ejido g aso ob enido po la écnica de imagen, conlle a un mayo e o que la ealizada pa a el lomo de ce do como consecuencia de la p esencia de g asas poliinsa u adas las cuales no pueden se egis adas median e la écnica de imagen. Aun así, el e o come ido en el peo de los casos es in e io al 2%. La écnica de segmen ación de imagen se ha mos ado más e icaz cuan o más egula y mayo homogeneidad p esen aba el pe il ans e sal de las mues as, lo que ha sido acili ado con la cap u a de imágenes en ambas ca as de las mismas. Es udios con mayo núme o de mues as y o as écnicas de a amien o de imagen pueden se inco po ados a es e p oyec o a in de pode consegui mejo es esul ados, siemp e que espe en el empleo de equipos básicos y écnicas de p ocesado poco complejas que pe mi an pode desa olla me odologías de análisis pensadas pa a se inco po adas en línea po emp esas o u ilizadas po consumido es. Moline o Sáez File e de salmón P oduc o Peso ne o 214 0,500 Kg P ecio po Kg 14,90 € P.V.P Fecha de caducidad 7,45 € 18.07.17 Composición ap oximada (100g). 250 Kcal 18 g G asa 22 g P o eína 60 g Agua ΜΣ Moline o Sáez File e de salmón P oduc o Peso ne o 214 0,500 Kg P ecio po Kg 14,90 € P.V.P Fecha de caducidad 7,45 € 18.07.17 Composición ap oximada (100g). 218 Kcal 16,4 g G asa 17,8 g P o eína 65,8 g Agua ΜΣ Moline o Sáez File e de salmón P oduc o Peso ne o 214 0,500 Kg P ecio po Kg 14,90 € P.V.P Fecha de caducidad 7,45 € 18.07.17 Composición ap oximada (100g). 232 Kcal 16,4 g G asa 21,2 g P o eína 62,4 g Agua ΜΣ 17 5. REFERENCIAS A.O.A.C., Associa ion o O icial Analy ical Chemis (1997). O icial Me hods o Analysis, 16 h . Ed. Associa ion o O icial Analy ical Chemis . A ling on, Vi ginia, USA. Bedca.ne . Base de da os Española de Composición de Alimen os. Di ección URL: <h p://www.bedca.ne > [Consul a: 07 Dic. 2016]. Caldwell, D., Robo ics and Au oma ion in he Food Indus y (2013), Woodhead Publishing L d., Abing onHall, Camb idge CB21 6AH, UK. Ca ajal, A. (2013). Manual de Nu ición y Die é ica. Depa amen o de Nu ición Facul ad de Fa macia Uni e sidad Complu ense de Mad id. Pág. 34. Dowla i, M., Moh asebi, S. S., Omid, M., Raza i, S. H., Jamzad, M., & De La Gua dia, M. (2013). F eshness assessmen o gil head sea b eam (Spa us au a a) by machine ision based on gill and eye colo changes. Jou nal o Food Enginee ing, 119, 277–287. FoodComp.dk. Danish Food Composi ion Da abank - ed. 7.01. Technical Uni e si y o Denma k (DTU). Di ección URL: <h p://www. ida. oodda a.dk> [Consul a: 07 Dic. 2016]. Go .uk. Composi ion o oods in eg a ed da ase (CoFID). McCance and Widdowson's composi ion o oods in eg a ed da ase . Di ección URL: <h p://www. ood.go .uk > [Consul a: 07 Dic. 2016]. Huang, Y. Au oma ion o ood enginee ing: ood quali y quan iza ion and p ocess con ol. CRC se ies in con empo a y ood science, (2001). I o a, E., Ve dú, S., Sánchez, A. J., G au, R., & Ba a , J. M. (2016). P edic ing Gil head Sea B eam (Spa us au a a) F eshness by a No el Combined Technique o 3D Imaging and SW-NIR Spec al Analysis. Senso s (Basel, Swi ze land), 16(10). Jackman, P., Sun, D.-W., & Elmas y, G. (2012). Robus colou calib a ion o an imaging sys em using a colou space ans o m and ad anced eg ession modelling. Mea Science, 91(4), 402–7. Konda Nagana han, G., Clu , K., Samal, A., Calkins, C. R., Jones, D. D., Lo enzen, C. L., & Subbiah, J. (2015). A p o o ype on-line AOTF hype spec al image acquisi ion sys em o ende ness assessmen o bee ca casses. Jou nal o Food Enginee ing, 154, 1–9. Lassoued, N., Babin, P., Della Valle, G., De aux, M. F., & Régue e, A.L. (2007). G anulome y o b ead c umb g ain: Con ibu ions o 2D and 3D image analysis a di e en scale. Food Resea ch In e na ional, 40(8), 1087–1097. Me y, D., Lillo, I., Loebel, H., Ri o, V., So o, A., Cip iano, A., & Aguile a, J. M. (2011). Au oma ed ish bone de ec ion using X- ay imaging. Jou nal o Food Enginee ing, 105, 485–492. Pé ez-Nie o, A., Chanona-Pé ez, J. J., Fa e a-Rebollo, R. R., Gu ié ez-López, G. F., Alamilla-Bel án, L., & Calde ón-Domínguez, G. (2010). Image analysis o s uc u al changes in dough du ing baking. LWT - Food Science and Technology, 43(3), 535–543. Sopo e Mini ab 17. So wa e in o má ico de es adís ica. Di ección URL: <h p://www.suppo .mini ab.com > [Consul a: 15 Dic. 2016]. USDA. Uni ed S a es Depa men o Ag icul u e Ag icul u al Resea ch Se ice Na ional Nu ien Da abase o S anda d Re e ence Release 28. Di ección URL: <h p://www.usda.go > [Consul a: 07 Dic. 2016].