El mes pasado durante la defensa de un #TrabajoFinDeMáster #TFM en el que estaba de tribunal, me recriminaron después que no puse ningún tweet anunciando el evento. El motivo fue que desde el grupo de investigación @GIM_UEx ya estaba puesto:
TFM de #DataMining #computervision y #MRI de @juanptorresm, con @pablogarguez @jaricogallego y @Totemoheda de tribunal. #R, #WEKA y #Python empleados para predecir pic.twitter.com/387YP6mFCc
— GIM UEx (@GIM_UEx) July 19, 2019
En cualquier caso para compensar dicha situación, escribo esta entrada de blog, dedicada especialmente a mi estudiante, amigo, compañero y vecino @juanptorresm:
El mes pasado, el viernes 19 de julio (2019) a las 10h en la sala de la @CatedraVIEWNEXT @juanptorresm presentó su #TFM en el Máster de Ingeniería Informática #MI2 sobre #DataMining #computervision y #MRI con #R, #WEKA y #Python empleados para predecir. Dirigido por @_AndresCaro_ y #MarÁvila. De tribunal estaban: @pablogarguez @jaricogallego y @Totemoheda.
Partimos de que los algoritmos de visión por computador en conjunto con las Imágenes de Resonancia Magnética (MRI, Magnetic Resonance Imaging) se proponen en la literatura para la obtención de parámetros de calidad de jamones ibéricos, debido a la naturaleza no destructiva, no ionizante e inocua de este enfoque. Sin embargo, todas las propuestas se han basado en escáneres de alto campo, los cuales obtienen imágenes de mayor calidad pero con un coste económico mucho mayor. En este trabajo, se emplea un escaner MRI de bajo campo y tres algoritmos de texturas para predecir parámetros de calidad en jamones curados. Se obtuvieron características de texturas mediante los algoritmos de texturas GLCM (Gray Level Co-occurrence Matrix), GLRLM (Gray Level Run Length Matrix) y NGLDM (Neighbouring Gray Level Dependence Matrix), obteniéndose tres bases de datos que se corresponden con los tres músculos más comúnmente analizados (bíceps femoral, semimembranoso y semitendinoso). Tras ello, se aplicaron técnicas de minería de datos empleando la herramienta Weka, junto con técnicas de predicción usando la herramienta R para predecir los valores de los 31 caracteísticas seleccionadas, tanto físico-químicas como sensoriales. En los diferentes experimentos realizados se han alcanzado unos valores muy satisfactorios, ya que se han obtenido valores de correlación superiores a 0.7 para varios parámetros de calidad y, en general, mejores valores que Weka. Estos resultados, además de demostrar que se pueden utilizar escáneres de bajo campo para el análisis de características de calidad en jamones ibéricos curados, también presenta una alternativa para la industria cárnica a los métodos tradicionales, los cuales destruyen las muestras.
La motivación para el desarrollo de este trabajo se centra en la extracción de conocimiento desde las bases de datos creadas a partir de las muestras. Se pretende comprobar la validez del conjunto de regresores estadísticos seleccionados. Una vez conseguida la extracción de conocimiento se pretende complementar las técnicas actuales utilizadas en el ámbito de tecnología de los alimentos para la clasificación de los jamones curados.
Los objetivos principales de este trabajo fueron los siguientes:
- Estudio exhaustivo de diferentes regresores seleccionados de entre los más prometedores que se estudiaron en la tesis doctoral de #MarÁvila. Los regresores a estudiar son: LM, Penalized, BartMachine, Extreme Learning Machine, SVR, M5, BagEarth, RandomForest, CForest y Earth. Buscando obtener unos resultados más fieles a los valores reales que utilizando regresiones lineales.
- Estudiar el comportamiento de dichos regresores a la hora de predecir valores de diferentes características. Generando la posibilidad de elegir un regresor diferente para la predicción de cada parámetro de calidad, aumentando de esta forma la fiabilidad del sistema.
- Validar el uso de un escáner de bajo campo a la hora de realizar la predicción de parámetros de calidad en jamones ibéricos.
Finalmente, se ha confirmado que se puede realizar todo este proceso de análisis utilizando un escáner de bajo campo, el cual es mucho más económico que los utilizados en estudios similares que son de alto campo. Debido a esto, se puede plantear la introducción de este método en la industria cárnica para la caracterización de muestras de forma no destructiva.
