Algoritmos de extracción de características a partir de imágenes de resonancia magnética para evaluar parámetros de calidad en productos cárnicos mediante minería de datos

Abstract

En esta tesis doctoral se propone una metodología para determinar características de calidad de productos cárnicos (jamón y lomo Ibérico) de forma no destructiva, mediante imágenes de resonancia magnética (MRI) y algoritmos de visión por computador. En primer lugar se obtienen MRI de los productos cárnicos, evaluando tres secuencias de adquisición (Spin Echo, (SE) Gradiente Echo (GE) y Turbo 3D (T3D)). Posteriormente, las MRI se analizan mediante algoritmos de texturas (GLCM, GLRLM y NGLDM) y de fractales (CFA, FTA y OPFTA); los dos últimos desarrollados en esta tesis doctoral. Esto que permite la extracción de una serie de características computacionales. Los productos cárnicos también se analizan mediante técnicas físico-químicas y sensoriales. Finalmente, sobre todos los datos obtenidos se aplican técnicas de minería de datos: deductivas (Regresión Lineal Múltiple, MLR), de clasificación (árboles de decisión, DT y Sistemas basados en reglas, SBR) y predictivas (MLR y Regresión Isotónica, IR). La secuencia de adquisición, el algoritmo y la técnica de minería de datos influyen sobre la eficacia del análisis de los parámetros de calidad. Podría indicarse el empleo de SE como secuencia de adquisición y GLCM o OPFTA como algoritmos de análisis de imágenes. Como técnicas de minería de datos, MLR y DT son apropiados, respectivamente, para deducir parámetros físico-químicos y clasificar en función del contenido en sal. Como técnica predictiva se puede indicar MLR, que permite obtener ecuaciones fiables para los parámetros de calidad, y así determinar la calidad de los productos cárnicos de forma no destructiva, eficiente, efectiva y precisa.