Estudio, aplicación y propuesta de automatización del procesamiento de imágenes por resonancia magnética para la evaluación y detección de defectos internos de calidad en cítricos y melocotones

Aunque en numerosas investigaciones se han obtenido resultados bastante prometedores con Imagenes de Resonancia Magnetica (RMI) para la determinacion de la calidad interna de las frutas y hortalizas, todavia existen problemas por resolver para alcanzar el uso comercial de la misma. Ademas, en general, se han utilizado equipos que tienen elevadisimos costes de inversion y de mantenimiento. La RMI basada en equipos de baja intensidad de campo magnetico es en una interesante alternativa por su menor coste. En este trabajo se utilizaron tecnicas RMI con un equipo de bajo campo (0,18 T) y se desarrollaron y evaluaron algoritmos para el procesamiento digital de las imagenes obtenidas de melocotones y las naranjas, con el objetivo de detectar automaticamente diferentes danos internos, no apreciables mas que con metodos destructivos convencionales. Se estudiaron diferentes secuencias RMI y, mediante seis criterios de calidad desarrollados en esta tesis, se seleccionaron aquellas que permitieron obtener la mejor calidad de imagen del interior de los frutos. Dos secuencias eco espin, una ponderada en T1, y otra ponderada en T2, permitieron obtener imagenes RMI de alta calidad en los planos ecuatorial y longitudinal, tanto de melocotones como de naranjas, visualizando en ellas otros tipos de defectos internos. En melocotones, los algoritmos desarrollados detectaron el 98% de frutos afectados por un hongo saprofito, con una falsa deteccion en fruta sana del 21%. La deteccion de fruta con picadura de mosca fue del 71%, con una alta falsa asignacion de fruta sana con dano (42%). Para el dano por frio, los algoritmos detectaron mas del 98% de la fruta con dano almacenada durante 32 dias a 5oC, desde el dia 22 cuando este ocurrio y con dos dias de antelacion a la valoracion realizada con metodos destructivos. En naranjas, los algoritmos para detectar danos por hongos permitieron discriminar mas del 80% de frutos afectados, con una falsa asignacion de fruta sana como danada meno