Optimización del Proceso de Deshidratación de Tomates a través de Redes Neuronales Artificiales: Un Enfoque Hacia la Sostenibilidad Alimentaria
Resumen
La deshidratación de frutas es una técnica ampliamente utilizada para extender la vida útil, reducir el desperdicio y mantener la calidad nutricional mediante la disminución del contenido de humedad, limitando la actividad enzimática y el crecimiento microbiano. Sin embargo, los métodos tradicionales de deshidratación suelen ser inconsistentes debido a la evaluación subjetiva, factores ambientales y tiempos prolongados de secado. Este estudio introduce un enfoque de inteligencia artificial (IA) para optimizar el proceso de deshidratación de tomates. Se emplea un modelo de red neuronal simple para predecir los niveles de humedad relativa durante el secado, con el objetivo de mejorar la calidad del producto, automatizar el proceso y reducir potencialmente el consumo de energía. Los experimentos de deshidratación a distintas temperaturas y espesores permitieron evaluar los efectos sobre las propiedades organolépticas y nutricionales, identificando una temperatura de secado óptima de 50°C. Los resultados respaldan la integración de IA en la deshidratación de alimentos para mejorar el control, la calidad y la sostenibilidad. Investigaciones futuras podrían centrarse en la integración de datos de consumo energético en tiempo real y datos multidimensionales en los modelos de IA para optimizar aún más este proceso. Los resultados mostraron que el modelo de IA predijo con precisión los parámetros óptimos de deshidratación, reduciendo las variaciones en el contenido de humedad final. Además, se observó una mejor conservación de nutrientes, como la vitamina C y los antioxidantes, en comparación con los métodos tradicionales. El sistema automatizado produjo tomates con mejores propiedades organolépticas y una calidad más uniforme. Este estudio demuestra el potencial de la IA para mejorar los procesos de deshidratación de frutas, optimizando su eficiencia y calidad nutricional. La futura implementación de estos algoritmos podría transformar la industria alimentaria al hacerla más precisa y consistente.
Descargas
Citas
Anaya, M. M. (2017). Estado actual de los desperdicios de frutas y verduras en Colombia. Memorias De Congresos UTP, 194-201. Recuperado a partir de https://revistas.utp.ac.pa/index.php/memoutp/article/view/1493
Benítez, R., Escudero, G., Kanaan, S., & Rodó, D.M. (2014). Inteligencia artificial avanzada. Editorial UOC. https://openaccess.uoc.edu/bitstream/10609/140427/8/Inteligencia%20artificial%20avanzada_M%C3%B3dulo%201_Inteligencia%20artificial%20avanzada.pdf
Doymaz, I. (2007). Air-drying characteristics of tomatoes. Journal of Food Engineering, 1291-1297. https://doi.org/10.1016/j.jfoodeng.2005.12.047
Degwale, A., Asrat, F., Eniyew, K., Asres, D., Tesfa, T., & Ayalew, A. (2022). Influence of Dehydration Temperature and Time on Physicochemical Properties of Tomato (Solanum lycopersicum L.) Powder. Frontiers in Sustainable Food Systems.
Espinosa, N. V.-C.-M.-B. (2023). Modelado dinámico y control del proceso de secado de productos agroindustriales. La Mecatrónica en México, 1-16. https://www.mecamex.net/revistas/LMEM/revistas/LMEM-V12-N02-01.pdf
Fuentes G., G. O. (2023). Aprovechando la inteligencia artificial como herramienta metodológica para la optimización del proceso de deshidratación de tomate. In Varios, Optimización, sustentabilidad y políticas públicas: un enfoque robusto (pp. 92-106). CENID. https://doi.org/10.23913/9786078830244
Gómez, M. (2019). Deshidratado de tomate saladette en un secador de charolas giratorias. [tesis Universidad tecnológica de la Mixteca ] Huajapan de León, Oaxaca, México. http://jupiter.utm.mx/~tesis_dig/10991.pdf
Gustavsson, J. C. (2011). J., Cederberg, C., Sonesson, U., Van Otterdijk, R., & Meybeck, A. (2011). Global food losses and food waste. Düsseldorf.
Khan, M. I. (2022). Application of machine learning-based approach in food drying: Opportunities and challenges. Drying Technology, 1051-1067. https://doi.org/10.1080/07373937.2020.1853152
Flórez, R., & Fernández, J. (2008). Las redes neuronales artificiales, fundamentos teoricos y aplicaciones practicas. España, Netbiblo.
Madhankumar, S., Viswanathan, K., Taipabu, M. I., & Wu, W. (2023). A review on the latest developments in solar dryer technologies for food drying process. Sustainable Energy Technologies and Assessments, 58, Article 103298. https://doi.org/10.1016/j.seta.2023.103298
Monsalve, J. &. (2007). Evaluación de dos métodos de deshidratación del tomate (Lycopersicom esculentum mill) variedad manzano. Multiciencias, 7(3), 256-265.
Mordor Intelligence. (n.d.). Dehydrated food market size. Retrieved October 28, 2024, from https://www.mordorintelligence.com/industry-reports/dehydrated-food-market/market-size
Secretaría de Agricultura y Desarrollo Rural. (s.f.). ¿A qué nos referimos con autosuficiencia alimentaria? Gobierno de México. Retrieved October 28, 2024, from https://www.gob.mx/agricultura/colima/articulos/a-que-nos-referimos-con-autosuficiencia-alimentaria-235470?idiom=es
Sengkhamparn, N. &. (2019). Phenolic compound extraction from industrial tomato waste by ultrasound-assisted extraction. Conference series: materials science and engineering (Vol. 639, No. 1), 012040. https://doi.org/10.1088/1757-899X/639/1/012040
Sullivan, V. K.-E. (2020). Dried fruit consumption and cardiometabolic health: a randomised crossover trial. . British Journal of Nutrition, 2020 Nov 14; 124(9), 912-921. https://doi.org/10.1017/S0007114520002007.
Yegrem, L., Mengestu, D., Legesse, O., Abebe, W., & Girma, N. (2022). Nutritional compositions and functional properties of New Ethiopian chickpea varieties: Effects of variety, grown environment and season. International Journal of Food Properties, 25(1), 1485–1497. https://doi.org/10.1080/10942912.2022.2087674
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Con el propósito de promover el desarrollo y divulgación de la investigación en educación en América Latina, en La Revista Iberoamericana para la Investigación y el Desarrollo Educativo (RIDE) se adhirió a la Iniciativa de Acceso Abierto de Budapest, por lo que se identifica como una publicación de acceso abierto. Esto significa que cualquier usuario puede leer el texto completo de los artículos, imprimirlos, descargarlos, copiarlos, enlazarlos, distribuirlos y usar los contenidos para otros fines. Las licencias Creative Cummons, permiten especificar los derechos de uso de una revista de acceso abierto disponible en Internet de tal manera que los usuarios conocen las reglas de publicación.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado
