Experimentación numérica del cambio de color en naranjilla (S. Quitoense Lam) almacenada en atmósferas modificadas

Modelar el cambio de color en la naranjilla almacenada en atmósferas modificadas a través de modelos de regresión y redes neuronales para la simulación y predicción de su comportamiento.

El color y su cambio gradual durante el almacenamiento es uno de los indicadores más relevantes en la maduración de productos de origen vegetal. Este estudio se enfocó en modelar el cambio de color de la naranjilla en función del tiempo de almacenamiento en atmósferas modificadas bajo cinco temperaturas de refrigeración (2, 6, 10, 14 y 18°C), empleando modelos de regresión y redes neuronales para simular y predecir su comportamiento. Se utilizaron más de 100 unidades experimentales, distribuidas en distintas condiciones de almacenamiento, y se registraron datos del cambio de color cada dos días durante un periodo de 15 días mediante imágenes digitales y la aplicación RGB Detector, la cual proporcionó las coordenadas RGB de cada color. Los datos recopilados fueron procesados en MATLAB usando las herramientas Regression Learner y Neural Net Fitting, para analizar cuatro indicadores clave (R², MSE, RMSE y AIC) e identificar el modelo más representativo. Asimismo, se desarrolló una aplicación con App Designer que permite predecir este cambio mediante el ingreso de los datos de almacenamiento, brindando una herramienta útil para productores y exportadores. Los resultados revelaron que el tiempo de almacenamiento fue el principal factor que influyó en el cambio de color, por encima de las concentraciones de gases, siendo el modelo Best LevenbergMarquard, trabajado con 5 neuronas en Neural Net Fitting, el que mejor representó este fenómeno, con un ajuste a la variabilidad de datos del 96%. Finalmente, a pesar de que no se implementó la supervisión visual en tiempo real por limitaciones tecnológicas, la aplicación ofrece predicciones precisas basadas en datos numéricos.

Ingeniería