Revision: estimación de deficiencias en la calidad del huevo

Iván Camilo Nieto Sánchez, July Natalia Mora Alfonso

Resumen


En el siguiente artículo se realizará un análisis del estado del arte, respecto al uso de la tecnología para identificar factores que afectan la calidad del huevo, tales como fisuras en la cáscara, problemas asociados a sus condiciones de sostenimiento, alimentación, sistemas de recolección, entre otros. Para ello, fue necesario consultar diferentes publicaciones a nivel nacional e internacional, permitiendo una contextualización adecuada del sector donde se desarrolla el proyecto. Por otra parte, esta revisión encontró algunos casos de éxito a nivel nacional e internacional, relacionados con el tema objeto de esta investigación, identificando sus fortalezas, debilidades, problemas encontrados y soluciones planteadas, obteniendo como resultado referente válidos para el desarrollo del proyecto.

Palabras clave


calidad del huevo; cáscara de huevo; fisuras, ovoscopio, procesamiento digital de imágenes; salmonelosis; yema de huevo

Texto completo:

PDF HTML

Referencias


Abdullah, M, Nashat, S, Anwar, S & Abdullah, M 2017, ‘A framework for crack detection of fresh poultry eggs at visible radiation’, Computers and Electronics in Agriculture, 141, 81–95.

Abdullahi, H, Sheriff, R & Mahieddine, F 2017, ‘Convolution neural network in precision agriculture for plant image recognition and classification’, 2017 Seventh International Conference on Innovative Computing Technology (Intech), Ieee, Londrés, pp. 1–3.

Aguilera, M 2014, Determinantes del desarrollo en la avicultura en colombia: instituciones , organizaciones y tecnología, diciembre 2014, Banco de la República, Cartagena.

Arora, D, Singh, V & Singh, A 2016, ‘Modeling and simulation analysis of Salmonella typhimurium inside human epithelial cells: Host-pathogen relationship analysis by system biology’, 2016 International Conference on Bioinformatics and Systems Biology (BSB), Ieee, India, Allahabad, pp. 1–4.

Beltrán Lozano, J 2013, ‘Expertik: una experiencia con inteligencia artificial y computación móvil’, Revista Publicaciones e Investigación, 7, 61-68.

Berkan Aydilek, I 2017, ‘Approximate estimation of the nutritions of consumed food by deep learning’, 2017 International Conference on Computer Science and Engineering (Ubmk), Ieee, Turquia, pp. 160–164.

Bernal Saenz, L 2013, ‘Fssc22000-1. Una Visión del sistema de certificación en inocuidad de alimentos’ Revista Revista Publicaciones e Investigación, 8,151–159.

Boerjan, M 2015, Impacto en huevos con fisura delgadísima (tipo cabello) [Página web], consulado: 11 noviembre 2017, https://www.pasreform.com/es/academia/pergunta

Brainina, K, Kozitsina, A & Glazyrina, Y 2010, ‘Hybrid electrochemical/magnetic assay for salmonella typhimurium detection’, Ieee Sensors Journal, 10 (11), 1699–1704.

Castillo, M, Arturo, S, Anaya, C & Lucila, M 2013, ‘Desarrollo de aplicaciones WEB por componentes – código Libre’, Revista Publicaciones e Investigación, Unad, Vol. 7, 51.

Correa Rodríguez, A 2013, ‘Desarrollo de una aplicación móvil para revisar horarios de atención de tutores de la Unad’, Revista Publicaciones e Investigación, Unad, Vol. 7, 109–116.

Chaturvedi, O, Masupe, S & Masupe, T 2014, ‘A system to evaluate the presence of a diarrheal epidemic caused by Shigella and Salmonella’, Ieee-Embs International Conference on Biomedical and Health Informatics (BHI), Ieee-Embs, España, pp. 392–395.

El Sitio Avícola 2010, Una mejor manera de detectar grietas en el cascarón de huevo [Página web], consultado, 11 de noviembre 2017, www.elsitioavicola.com

Fang, W, Zuojun, T, Fei, C & Youxian, W 2013, ‘Detecting Cracks of preserved egg based on polarized light’, 2013 5th International Conference on Intelligent Human-Machine Systems and Cybernetics, Ieee, China, Hangzhou, pp. 66–69.

FAO 2017, Food and Agriculture Organization of the United Nations main page [Página web], consultado: 14 noviembre 2017, http://www.fao.org/home/en/

García, B 2016, Relación entre calidad de la cáscara del huevo y seguridad del producto [Página web], consultado: 11 de noviembre 2017, http://albeitar.portalveterinaria.com.

Gómez, D 2013, Huevos: generalidades [en línea], consultado: 11 de noviembre 2017, https://es.scribd.com/document/257702513/Huevos-Generalidades

González, A, Amarillo, G, Amarillo, M & Sarmiento, F 2016, ‘Drones aplicados a la agricultura de precisión›, Revista Publicaciones e Investigación, 10, 23–37.

Hong, Y, Park, S, Kwon, S & Min, J 2013, ‘Application of genetically engineered Salmonella typhimurium as tumor targeting agents’, 2013 13th International Conference on Control, Automation and Systems (Iccas 2013), Iccas, Corea, Gwangju, pp. 1504–1507.

Horikawa, S, Li, S, Chai, Y & Chin, B 2017, ‘Direct detection of Salmonella Typhimurium on fresh spinach leaves using phagebased magnetoelastic biosensors’, Sensors, 17 (2).

Icontec 1987, NTC1240, Icontec, Bogotá.

Islam, M, Dinh, A, Wahid, K & Bhowmik, P 2017, ‘Detection of potato diseases using image segmentation and multiclass support vector machine’, 2017 Ieee 30th Canadian Conference on Electrical and Computer Engineering (Ccece), Ieee, Canadá, Windsor, pp. 1–4.

Juarez-Caratachea, A, Gutiérrez-Vázquez, E, Segura-Correa, J & Santos-Ricalde, R 2010, ‘Calidad del huevo de gallinas criollas criadas en traspatio en Michoacán, México’, Tropical and Subtropical Agroecosystem, 12 (1), 109-115.

Jin, C, Xie, L & Ying, Y 2015, ‘Eggshell crack detection based on the time-domain acoustic signal of rolling eggs on a step-plate’, Journal Food Engineering, 153, 53–62.

La Vanguardia 2016, ‘Cámaras de móvil: no te fijes solo en los megapíxeles’ [en línea], La Vanguardia, 24 de abril 2016, consultado 11 noviembre 2017, http://www.lavanguardia.com/tecnologia/20160428/401424856578/caracteristicas-importantecamara-movil.html

Leguizamón Sierra, G 2014, ‘Estudio descriptivo mediante análisis multicriterio de la cadena agroalimentaria de la panela’, Revista Publicaciones e Investigación, 8, 161–183.

Li, P, Wang, Q, Zhang, Q, Cao, S, Liu, Y & Zhu, T 2012, ‘Nondestructive detection on the egg crack based on wavelet transform’, Ieri Procedia, 2, 372–382.

Mancera, A, Vázquez, J, Ontiveros, M, Durán, S, López, D & Tenorio, V 2005, ‹Identificación de Salmonella Enteritidis en huevo para consumo en la ciudad de México› Técnica Pecuaria, 43(2), 229–237.

Medina, J & Oñate, J 2014, Diseño e implementación de un prototipo que clasifique huevos de gallina según sus características, Universidad Autónoma del Caribe, Barranquilla.

Ministerio de la Protección Social 2011, Encuesta nacional de la situación nutricional en Colombia 2010 [en línea], consultado: 11 de noviembre 2017, https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/ED/GCFI/Base%20de%20datos%20ENSIN%20-%20Protocolo%20Ensin%202010.pdf

Minoi, J, Chiang, T, Lim, T, Yusoff, Z, Karim, A & Zulharnain, A 2016, ‘Mobile vision-based automatic counting of bacteria colonies’, 2016 International Conference on Information and Communication Technology (Icictm), Ieee, Kuala Lumpur, Malasia,

pp. 41–46.

Mutalib, S, Abdullah, M, Abdul-Rahman, S & Aziz, Z 2016, ‘A brief study on paddy applications with image processing and proposed architecture’, 2016 Ieee Conference on Systems, Process and Control (Icspc), Ieee, Malasia, pp. 124–129.

Nashat, S, Abdullah, A & Abdullah, M 2014, ‘Machine vision for crack inspection of biscuits featuring pyramid detection scheme’, Journal Food Engineering, 120, 233–247.

Navas, M & Vargas, R 2014, Diseño e implementacion de un sistema de ovoscopia con vision artificial para la detección de huevos fértiles para incubandina, Universidad de las Fuerzas Armadas, Ecuador, Latacunga.

Omid, M, Soltani, M, Dehrouyeh, M, Mohtasebi, S & Ahmadi, H 2013, ‘An expert egg grading system based on machine vision and artificial intelligence techniques’, Journal Food Engineering, 118 (1), 70–77.

Ortiz, A & Mallo, J 2000, ‘Factores que afectan a la calidad de imagen’, Actualidad Profesional, 18–19.

Parveen, Z, Alam, M & Shakir, H 2017, ‘Assessment of quality of rice grain using optical and image processing technique’, 2017 International Conference on Communication, Computing and Digital Systems (C-Code), Ieee, Pakistan, Islamabad, pp. 265–270.

Pouladzadeh, P, Shirmohammadi, S & Al-Maghrabi, R 2014, ‘Measuring calorie and nutrition from food image’, ieee Instrumentation and Measurement Society, 63 ( 8), 1947–1956.

Priyadumkol, J, Kittichaikarn, Cand & Thainimit, S 2017, ‘Crack detection on unwashed eggs using image processing’, Journal Food Engineering, 209, 76–82.

Quintana Fuentes, L, Gelvez Pinilla, M & Mendoza, L 2013, ‘Estandarizacion de la fase de fermentaciòn ‘fase i’ en la obtención de un licor de mandarina utilizando levadura ‘saccharomyces cerevisiae’, Revista Publicaciones e Investigación, Unad, Vol. 8, 139–149.

Rajan, R, Raj, N, Ghosh, A & Shirale, D 2013, ‘Anti-typhi immobilized Mwcnt-Pani nano sensor for salmonella typhi detection’, International Conference on Advanced Nanomaterials & Emerging Engineering Technologies, Ieee, India, Chenai, pp.

–386.

Salvarci, U & Ayten, U 2017, ‘Distance independent weight estimation of eggs from images using artificial neural networks’, 2017 25th Signal Processing and Communications Applications Conference (SIU), Ieee, Turquia, Antalya, pp. 1–4.

Sun, L, Bi, X, Lin, H, Zhao, J & Cai, J 2013, ‘On-line detection of eggshell crack based on acoustic resonance analysis’, Journal Food Engineering, 116 (1), 240–245.

Tichkule, S & Gawali, D 2016, ‘Plant diseases detection using image processing techniques’, 2016 Online International Conference on Green Engineering and Technologies (IC-GET), Ieee, pp. 1–6.

Viter, R, Kharanovskyy, V, Starodub, N, Ogorodniichuk, Y, Gevelyuk, S, Gertnere, Z, Poletaev , N, Yakimova, R, Erts, D, Smyntyna, V & Ubelis, A 2014 , “Application of room temperature photoluminescence from ZnO nanorods for salmonella detection’, Ieee Sensors Journal, 14 (6), 2028–2034.

Waiwijit, U, Juruwongrungsee, K, Chokesajjawatee, N, Prompjai, J, Lomas, T, Sritongkham, P & Tuantranont, A 2012, ‘QCM-Based DNA biosensor for Salmonella typhimurium detection,’, 2012 Ieee International Conference on Electron Devices and Solid State Circuit (Edssc), Ieee, Tailandia, Bangkok, pp. 1–3.

Wang, F & Wen, Y 2011, Detecting preserved eggshell crack using machine vision’, Proceedings - 2011 International Conference of Information Technology, Computer Engineering and Management Sciences, Ieee, China, vol. 3, pp. 62–65.

Wang, Y, Fang, S, Zhu, F, Kerr, D, Boushey, C & Delp 2016, ‘Food image analysis: The big data problem you can eat!’, 2016 50th Asilomar Conference on Signals, Systems and Computers, Ieee, USA, Grove, pp. 1263–1267.

Yao, L, Lu, L &. Zheng, R 2017, ‘Study on Detection Method of External Defects of Potato Image in Visible Light Environment’ 2017 10th International Conference on Intelligent Computation Technology and Automation (Icicta), Communication Reserch Institue of Changsha Univerisity of Science and Technology

and Hunan City College, China, pp. 118–122.

Zambrano Sánchez, N 2013, ‘Simulación de un sistema de desodorización de aceite vegetal por medio de un control industrial automatizado’, Revista Publicaciones e Investigación, 8, 119–125.

Una Visión del Sistema de Certificación en Inocuidad de Alimentos,” Publicaciones e Investig., vol. 8, no. 1, pp. 151–159, Mar. 2013.

“Cámaras de móvil: no te fijes solo en los megapíxeles.” [Online]. Available: http://www.lavanguardia.com/tecnologia/20160428/401424856578/caracteristicas-importante-camara-movil.html. [Accessed: 11-Nov-2017].




DOI: https://doi.org/10.22490/25394088.2250

Métricas de artículo

Vistas de resumen.
a description of the source 226




Cargando métricas ...


Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.

Licencia de Creative Commons
Revista Publicaciones e Investigación is licensed under a Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional License.