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

La presente investigacion se enfoco en el desarrollo de modelos de prediccion del color en coordenadas CIELab y el contenido de humedad de cafe cerezo mediante la tecnologia de imagenes hiperespectrales; comparando el ajuste por un modelo de regresion lineal multiple – PLSR (Partialleastsquareregression) y un modelo no lineal (ANN – artiftial neural network). La muestra se conformo de 200 granos de cafe cerezo en diferentes estados de madurez, dividiendola en 120 granos para calibracion y 80 de validacion.La  muestra fue caracterizada mediante colorimetria en el espacio CIELab y determinacion de la humedad. Posteriormente se adquirieron imagenes hiperespectrales de cada granos y se almacenaron en formato *.bil. El procesamiento de las imagenes se realizo mediante un sistema desarrollado e implementado en el software matematico 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, calculandose los coeficientes de correlacion en calibracion y validacion. Los resultados mostraron que las redes neuronales tienen un mayor ajuste en calibracion con coeficientes de correlacion superiores a 0,90 mientras que el PLSR genero coeficientes entre 0,42 y 0,48.