Ulteriori informazioni
Los objetivos del presente estudio eran desarrollar un protocolo de análisis de imágenes para derivar descriptores matemáticos adecuados para detectar la adulteración del ghee de vaca con grasa vegetal y desarrollar un modelo para predecir los niveles de adulteración. Los parámetros de intensidad de píxeles, morfología, color, textura y esqueleto se obtuvieron aplicando el protocolo desarrollado a las imágenes adquiridas mediante un escáner plano y se analizaron con el programa ImageJ. Estos parámetros se midieron en el caso del ghee de vaca puro y se compararon con los del ghee adulterado con un 5%, 10%, 15% y 20% de grasa vegetal. Tras un cuidadoso examen de la intercorrelación entre los parámetros textuales y físicos, se seleccionaron la intensidad de píxel, las ramas, la luminancia y el diámetro equivalente para desarrollar el modelo de predicción. La capacidad potencial de los parámetros seleccionados para detectar los niveles de adulteración se evaluó mediante un análisis discriminante. Los niveles de adulteración de las muestras se clasificaron correctamente en un 92,2% y el valor R2 ajustado para el modelo de predicción desarrollado fue de 0,94. Además, el modelo de predicción se validó mediante un análisis discriminante. Además, el modelo de predicción se validó utilizando un nuevo conjunto de datos que incluía una muestra de ghee comercialmente popular en el mercado y resultó ser bueno.
Info autore
Prashant Wasnik ha conseguito un master in ingegneria dei processi agricoli e un dottorato in ingegneria lattiero-casearia presso l'ICAR - National Dairy Research Institute, Karnal, India. Ha iniziato la sua carriera come ingegnere di officina nel 1992 presso l'istituto ICAR e ora lavora come preside associato presso il MAFSU - College of Dairy Technology, Udgir, India.
