Una investigación de CNTA concluye que la tecnología hiperespectral permite desarrollar modelos de predicción de vida útil en fruta

CNTA, Centro Nacional de Tecnología y Seguridad Alimentaria, ha llevado a cabo un proyecto de investigación en el que ha evaluado el potencial del uso de tecnologías de imagen espectral aplicadas a la determinación de diferentes parámetros de calidad en fruta fresca.

Fecha: 03-Dec-2020

Tags: CNTA , post cosecha

Dicha investigación muestra que la tecnología hiperespectral permite especificar parámetros de calidad complejos, como la percepción sensorial o la predicción de la vida útil del producto, además de la detección anticipada de algunos defectos en las piezas de fruta. Con el conocimiento adquirido mediante este proyecto de CNTA, se establecen las bases para el desarrollo de dispositivos de medición de parámetros de calidad en tiempo real, tanto portátiles como estáticos, cuya introducción en las líneas de producción permitiría una mejor gestión del stock de fruta fresca y, en consecuencia, contribuiría a la reducción del desperdicio alimentario.

Las tecnologías en las que se ha centrado CNTA dentro de este proyecto financiado por el Ministerio de Agricultura, Pesca y Alimentación (MAPA) han sido NIR (Infrarrojo Cercano) e hiperespectral, entre otras. Como señala Ma José Sáiz, responsable de Nuevas Aplicaciones Analíticas de I+D de CNTA, la evaluación del potencial de las mencionadas tecnologías “nos ha permitido avanzar de manera clara en nuestro aprendizaje sobre la predicción de vida útil. Además, con la tecnología hiperespectral hemos podido desarrollar un índice de calidad sensorial con el que es posible predecir la vida útil de las frutas en tiempo real; es decir, permite pronosticar los días que van a pasar hasta que una pieza concreta deje de tener una calidad aceptable para su consumo”, añade Sáiz.

El índice de calidad sensorial desarrollado incorpora mediciones que correlacionan directamente con el aspecto, la textura, el aroma y el sabor de las frutas. La información sobre esos parámetros permite gestionar de manera más eficiente los stocks de fruta fresca y reducir, de esta manera, el volumen de desperdicio alimentario. “Una imagen hiperespectral de la fruta tomada en un momento dado puede dar información al productor y al distribuidor sobre la calidad sensorial de esa fruta y sobre los días que va a durar con dicha calidad, con una exactitud que varía en un margen de más o menos 2 días”, explica Sáiz.

La investigación de CNTA ha determinado también que las tecnologías de imagen espectral son válidas para detectar ciertos parámetros de calidad de las frutas, como oBrix o acidez. Además, Sáiz añade que la tecnología de imagen hiperespectral, que analiza “toda la superficie de la fruta”, ha sido “capaz de detectar ciertos defectos de las frutas como pueden ser magulladuras, daños internos o aparición temprana de moho que no se aprecia todavía a simple vista”. “Esto supone un avance significativo con respecto a los sistemas de imagen lineal, que solo son capaces de detectar el defecto una vez que se hace evidente sobre la superficie”, argumenta la responsable de Nuevas Aplicaciones Analíticas de CNTA.

Para este estudio, CNTA ha centrado el uso de las tecnologías de imagen espectral en diferentes grupos de frutas de interés: frutas de hueso con corta duración de vida útil, fruta estacional de verano, una fruta tropical de alto valor como el mango y una fruta de alta distribución con Denominación de Origen protegida (DOP) como la pera de Rincón de Soto.

Esta investigación de CNTA permite seguir avanzando en la objetivación sensorial de los alimentos de cara al futuro. Gracias a ella se han sentado las bases para el desarrollo de dispositivos de medición no destructivos, en línea y en tiempo real. Estos desarrollos tienen una conexión clara con la tendencia de Calidad y Seguridad Alimentaria 4.0, ya que la monitorización y el tratamiento de los datos obtenidos con la medición pueden contribuir a la toma de decisiones más eficientes en cualquier punto de la cadena de suministro.