Análisis de imagen aplicada a propiedades morfológicas en galleta de trigo y avena

Autores/as

  • Samuel Verdú-Amat Departamento de Tecnología de Alimentos-Universidad Politécnica de Valencia. Camino de Vera s/n, Valencia, España. CP. 46022
  • María del Carmen Granados-Nevárez Coordinación de Tecnología de Alimentos de Origen Vegetal-Centro de Investigación en Alimentación y Desarrollo AC. Carretera Gustavo Astiazarán Rosas núm. 46, Col. La Victoria, Hermosillo, Sonora. CP. 83304
  • Nina Gisella Heredia-Sandoval Coordinación de Tecnología de Alimentos de Origen Vegetal-Centro de Investigación en Alimentación y Desarrollo AC. Carretera Gustavo Astiazarán Rosas núm. 46, Col. La Victoria, Hermosillo, Sonora. CP. 83304
  • Alma Rosa Islas-Rubio Coordinación de Tecnología de Alimentos de Origen Vegetal-Centro de Investigación en Alimentación y Desarrollo AC. Carretera Gustavo Astiazarán Rosas núm. 46, Col. La Victoria, Hermosillo, Sonora. CP. 83304
  • Francisco Vásquez-Lara Coordinación de Tecnología de Alimentos de Origen Vegetal-Centro de Investigación en Alimentación y Desarrollo AC. Carretera Gustavo Astiazarán Rosas núm. 46, Col. La Victoria, Hermosillo, Sonora. CP. 83304

DOI:

https://doi.org/10.29312/remexca.v16i5.3784

Palabras clave:

firmeza en galleta, grietas superficiales, segmentación de imágenes

Resumen

El presente estudio se realizó en el Centro de Investigación en Alimentación y Desarrollo en 2024. El análisis de imagen es una herramienta esencial que puede ser utilizada en el control de procesos alimentarios. Este estudio tuvo como objetivo analizar, mediante técnicas de imagen, las propiedades morfológicas de galletas elaboradas con trigo y avena en diferentes porcentajes y su relación con la firmeza de la galleta. Se determinó el perfil de textura en la masa obtenida de las diferentes formulaciones, así como el peso, diámetro, altura y firmeza de las galletas. Se realizó una caracterización morfológica de las galletas mediante análisis de imagen. Estas mediciones se enfocaron en el color de la superficie de forma global, así como las características de la textura superficial e interna de las galletas a través del análisis de la miga. Los resultados mostraron disminución de la firmeza (151.96 N a 103.17 N) a medida que aumentó el porcentaje de sustitución, un comportamiento similar se observó en el peso y la altura de la galleta, mientras que el diámetro no se vio afectado. En cuanto al análisis de imagen, se observó un mayor agrietamiento de la superficie de la galleta a medida que aumentó el porcentaje de sustitución. Se observaron cambios de color en la miga hacia zonas más claras, lo que indica una disminución de burbujas en la miga de galleta. El análisis de imágenes puede ser una alternativa importante para determinar la calidad de un producto terminado, en este caso, una galleta.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

AACC, 2000. Approved Methods of American Association of Cereal Chemists. 10th Ed. The Association, St. Paul, MN, USA. Methods 44-15, 46-13, 30-25, 08-01. Baking Quality of Cookie Flour Method 10-50D.

Abdollahi-Moghaddam, M. R.; Rafe, A. and Taghizadeh, M. 2015. Kinetics of color and physical attributes of cookies during Deep fat frying by image processing techniques. Journal of Food Processing and Preservation. 39(1):91-99. https://doi:10.1111/jfpp.12268.

Abdullah, M. Z.; Guan, L. C.; Lim, K. C. and Karim, A. A. 2004. The applications of computer vision system and tomographic radar imaging for assessing physical properties of food. Journal of Food Eng. 61(1):125-135. https://doi.org/10.1016/S0260-8774(03)00194-8.

Ahmed, J. and Basu, S. 2022. Advances in food rheology and its applications. development in food rheology. Woodhead Publishing, Second Edition. 1-4 pp.

Ataş, M.; Yardimci, Y. and Temizel, A. 2012. A new approach to aflatoxin detection in chili pepper by machine vision. Computers and Electronics in Agriculture. 87(8):129-141. https://doi.org/10.1016/j.compag.2012.06.001.

Bennedsen, B. S.; Peterson, D. L. and Tabb, A. 2005. Identifying defects in images of rotating apples. Comput. Electron. Agric. 48(2):92-102. https://doi:10.1016/j.compag.2005.01.003.

Blanco, M. S.; León, A. E. and Ribottaa, P. D. 2019. Incorporation of dietary fiber on the cookie dough. Effects on thermal properties and water availability. Food Chemistry. 271(2):309-317. https://doi.org/10.1016/j.foodchem.2018.07.146.

Blasco, J.; Aleixos, N.; Cubero, S.; Gomez-Sanchis, J. and Molto, E. 2009. Automatic sorting of satsuma (Citrus unshiu) segments using computer vision and morphological features. Comput. Electron. Agric. 66(1):1-8. https://doi.org/10.1016/j.compag.2008.11.006.

Brosnan, T. and Sun, D. W. 2004. Improving quality inspection of food products by computer vision: a review. Journal of Food Eng. 61(1):3-16. https://doi.org/10.1016/S0260-8774(03)00183-3.

Dammer, K. H.; Möller, B.; Rodemann, B. and Heppner, D. 2011. Detection of head blight (Fusarium ssp.) in winter wheat by colour and multispectral image analyses. Crop Protection. 30(4):420-428. https://doi:10.1016/j.cropro.2010.12.015.

Du, C. J. and Sun, D. W. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trends in Food Science and Technology. 15(5):230-249. https://doi.org/10.1016/j.tifs.2003.10.00.

Du, C. J. and Sun, D. W. 2006. Learning techniques used in computer vision for food quality evaluation: a review. Journal of Food Eng. 72(1):39-55. https://doi.org/10.1016/j.jfoodeng.2004.11.017.

Fustier, P.; Castaigne, F.; Turgeon, S. L. and Billaderis, C. G. 2009. Impact of commercial soft wheat flour streams on dough rheology and quality attributes of cookies. Journal of Food Engineering. 90(2):228-237. https://doi.org/10.1016/j.jfoodeng.2008.06.026.

Gerrard, D. E.; Gao, X. and Tan, J. 1996. Beef marbling and colour score determination by image processing. Journal of Food Science. 61(1):145-148. https://doi.org/10.1111/j.1365-2621.1996.tb14745.x.

Hoseney, R. C. and Rogers, D. E. 1994. Mechanism of sugar functionality in cookies: the science of cookie and cracker production. In: Faridi, H. Ed. 1st. St. Paul, MN. American Association of Cereal Chemists. 203-225 pp.

Inglett, G. E.; Chen, D. and Liu, S. 2015. Physical properties of gluten-free sugar cookies made from amaranth-oat composites. LWT-Food Science and Technology. 63(1):214-220. http://dx.doi.org/10.1016/j.lwt.2015.03.056.

Islas, A. R.; Preciado, R. E.; Granados, M. C.; Mercado, J. N. and Vásquez, F. 2012. Evaluación de textura en masas multigrano, maíz QPM y maíz blanco. Memorias 4to. Congreso Internacional de Nixtamalización. 77-81 pp.

Maldonado, R. and Pacheco, E. 2000. Elaboración de galletas con una mezcla de harina de trigo y de plátano verde. Archivos Latinoamericanos de Nutrición. 50(4):1-11. https://ve.scielo.org/scielo.php?script=sci-arttext&pid=S0004-06222000000400011.

Mendoza, L. and Aguilera, J. M. 2004. Application of image analysis for classification of ripening bananas. Journal Food Science. 69(9):471-477. https://doi.org/10.1111/j.1365-2621.2004.tb09932.x.

Munkevik, P.; Hall, G. and Duckett, T. 2007. A computer vision system for appearance based descriptive sensory evaluation of meals. Journal of Food Eng. 78(1):246-256. https://doi:10.1016/j.jfoodeng.2005.09.033.

Pace, B.; Cefola, M.; Renna, F. and Attolico, G. 2011. Relationship between visual appearance and browning as evaluated by image analysis and chemical traits in fresh-cut nectarines. Postharvest Biol. Technol. 61(2-3):178-183. https://doi:10.1016/j.postharvbio.2011.03.005.

Qiao, J.; Sasao, A.; Shibusawa, S.; Kondo, N. and Morimoto, E. 2004. Mobile fruit grading robot (part 1): development of a robotic system for grading sweet peppers. J. JSAM. 66(2):113-122. https://doi:10.11357/jsam1937.66.2-113.

Qiao, J.; Sasao, A.; Shibusawa, S.; Kondo, N. and Morimoto, E. 2005. Mapping yield and quality using the mobile fruit grading robot. Biosyst. Eng. 90(2):135-142. https://doi:10.1016/j.biosystemseng.2004.10.002.

Schindelin, J.; Arganda-Carreras, I. and Frise, E. 2012. Fiji: an open-source platform for biological-image analysis. Nat. Methods 9(7):676-682. https://doi.org/10.1038/nmeth.2019.

Shafiee, S. S.; Minaei, S.; Charkari, N. M.; Ghasemi-Varnamkhasti, M. and Barzegar, M. 2013. Potential application of machine vision to honey characterization. Trends Food Sci. Technol. 30(2):174-177.https://doi:10.1016/j.tifs.2012.12.004.

Serna-Saldívar, S. R. O. 2003. Manufactura y control de calidad de productos basados en cereales. AGT Editor, SA. 193-194 pp.

Szczesniak, A. S. 2002. Texture is a sensory property. Food quality and preference. 13(4):215-225. https://doi.org/10.1016/S0950-3293(01)00039-8.

Slade, L. and Levine, H. 1994. Structure-function relationships of cookie and cracker ingredients. In: Faridi, H. Ed. The Science of Cookie and Cracker Production. Chapman and Hall, London. 23-142 pp.

Torres, J. D.; Torres, R.; Acevedo, D. and Gallo, L. A. 2015. Evaluación instrumental de los parámetros de textura de galletas de limón. Revista Vector. 10(1):14-25.

Wang, L.; Ye, F.; Li, S.; Wei, F.; Chen, J. and Zhao, G. 2017. Wheat flour enriched with oat b-glucan: a study of hydration, rheological and fermentation properties of dough. Journal of Cereal Science. 75(3):143-150. http://dx.doi.org/10.1016/j.jcs.2017.03.004.

Zapotoczny, P. 2011. Discrimination of wheat grain varieties using image analysis and neural networks. Part I. Single kernel texture. Journal Cereal Science. 54(1):60-68. https://doi:10.1016/j.jcs.2011.02.012.

Descargas

Publicado

2025-07-21

Cómo citar

Verdú-Amat, Samuel, María del Carmen Granados-Nevárez, Nina Gisella Heredia-Sandoval, Alma Rosa Islas-Rubio, y Francisco Vásquez-Lara. 2025. «Análisis De Imagen Aplicada a Propiedades morfológicas En Galleta De Trigo Y Avena». Revista Mexicana De Ciencias Agrícolas 16 (5). México, ME:e3784. https://doi.org/10.29312/remexca.v16i5.3784.

Número

Vol. 16 Núm. 5 (2025)

Sección

Artículos

Licencia

Derechos de autor 2025 Revista Mexicana de Ciencias Agrícolas

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Los autores(as) que publiquen en Revista Mexicana de Ciencias Agrícolas aceptan las siguientes condiciones:

De acuerdo con la legislación de derechos de autor, Revista Mexicana de Ciencias Agrícolas reconoce y respeta el derecho moral de los autores(as), así como la titularidad del derecho patrimonial, el cual será cedido a la revista para su difusión en acceso abierto.

Los autores(as) deben de pagar una cuota por recepción de artículos antes de pasar por dictamen editorial. En caso de que la colaboración sea aceptada, el autor debe de parar la traducción de su texto al inglés.

Todos los textos publicados por Revista Mexicana de Ciencias Agrícolas -sin excepción- se distribuyen amparados bajo la licencia Creative Commons 4.0 atribución-no comercial (CC BY-NC 4.0 internacional), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.

Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en Revista Mexicana de Ciencias Agrícolas (por ejemplo incluirlo en un repositorio institucional o darlo a conocer en otros medios en papel o electrónicos) siempre que indique clara y explícitamente que el trabajo se publicó por primera vez en Revista Mexicana de Ciencias Agrícolas.

Para todo lo anterior, los autores(as) deben remitir el formato de carta-cesión de la propiedad de los derechos de la primera publicación debidamente requisitado y firmado por los autores(as). Este formato debe ser remitido en archivo PDF al correo: revista_atm@yahoo.com.mx; revistaagricola@inifap.gob.mx.

 

Esta obra está bajo una licencia de Creative Commons Reconocimiento-No Comercial 4.0 Internacional.