Identificación de daños mecánicos en la manzana cv. ́Fuji ́ mediante visión artificial hiperespectral/Identification of mechanical damage in the 'Fuji' apple cv. using artificial hyperspectral vision

Uno de los problemas en la poscosecha de las manzanas es el daño mecánico por impacto, su identificación evita problemas de calidad durante el almacenamiento. El objetivo fue identificar las longitudes de onda en las que se detecta el daño de manera temprana en manzanas del cultivar ‘Fuji’, simulado el daño con un golpe controlado y tomando imágenes hiperespectrales de 400 a 1700 nm. Se realizaron tres experimentos a diferentes temperaturas (4 y 20 °C) y tiempos de muestreo. Se encontró que en la zona del NIR comprendida entre 1050 y 1100 nm fue posible clasificar las zonas sanas y golpeadas a través de un análisis discriminante por mínimos cuadrados parciales (PLS-DA). Adicionalmente, la evolución del daño en el tiempo no resultó significativa para la clasificación de los píxeles (clases sana y golpeada), ya que se detectó el golpe desde el primer momento en cualquiera de los tres experimentos. One problem in the post-harvest phase of apples is the mechanical impact damage; its identification prevents quality issues during storage. The objective was to identify the wavelengths at which the damage is detected early in apples of the 'Fuji' cultivar, simulating the damage with a controlled stroke and taking hyperspectral images from 400 to 1700 nm. Three experiments were carried out at different temperatures (4 and 20 ° C) and with varying sampling times. It was found that in the NIR zone ranging between 1050 and 1100 nm, it was possible to classify healthy and bruised zones by means of a discriminant analysis by partial least squares (PLS-DA). Additionally, the evolution of the damage over time was not significant for the classification of the pixels (healthy and bruised classes), since bumps were detected in all three experiments from the first time.