72 ción de un sistema de inspección visual automatizado se presenta como una alternativa competitiva de mejora de la calidad del producto final, ofreciendo un acabado en la inspección más homogéneo que el ofrecido por inspec- tores humanos, a lo que hay que añadir las altas veloci- dades a las que pueden llegar a trabajar y reducción de costes de producción. La apariencia visual es un atributo sensorial muy impor- tante en el sector alimentario, con gran impacto en su valor en el mercado. La mayor parte de las veces, la eva- luación de calidad basada en el aspecto visual conlleva un análisis del color, la textura, el tamaño, la forma, a la par que los posibles defectos visuales. La evaluación de todas estas propiedades mediante inspección visual suele ser una tarea que demanda un considerable tiem- po, y tiene ciertas connotaciones subjetivas derivadas de la impresión del operador que desarrolla las tareas de ins- pección. A lo largo de los últimos años se han dedicado una gran cantidad de esfuerzos para la automatización de tareas de inspección dentro del sector agroalimentario. Sin em- bargo, la tasa de implementación de estos sistemas no ha sido tan elevada como la que presentan otros sectores como pueda ser el automovilístico. Esto es debido a que los productos agroalimentarios presentan una variabilidad intrínseca que hace que el proceso de inspección de cier- tos parámetros, como por ejemplo la forma, no sea sen- cillo. Los productos agroalimentarios, y en especial los gajos de mandarina en conserva, no presentan una mé- trica constante y los sistemas dedicados a su inspección deben tener en cuenta esta variabilidad para poder llevar a cabo la tarea con éxito. Un exhaustivo detalle de la evo- lución y las técnicas para la aplicación de la visión por computador en la evaluación de la calidad en frutas y hor- talizas puede encontrarse en la revisión realizada por Zhagn (Zhagn et al., 2014). Asimismo, en Costa et al. (2011) puede encontrarse un análisis más detallado de los procedimientos para la inspección de formas median- te visión por computador. Por otra parte, el desarrollo a lo largo de los últimos años de los avances en la potencia de los sistemas informáti- cos y los computadores, ha permitido una implementa- ción más rápida y eficaz de algoritmos de procesamiento cada vez más inteligentes. Entre estos algoritmos, aque- llos basados en redes neuronales han demostrado ofre- Figura 2: Inspección visual de gajos de mandarina en conserva realizada de forma manual. cer una mayor robustez en la inspección automatizada de formas con variabilidad natural (Serhad y Hakki, 2011) (Shafiee et al., 2014). Este artículo describe una solución que usa redes neuro- nales para el proceso de inspección visual automatizada de frutas en conserva basado en el concepto de firma. Dicho sistema presenta una mejora sobre un otro similar presentado por los autores (Fernández et al., 2002), donde frente a una solución basada en perceptrón multi- capa con backpropagation, se han desarrollado otras al- ternativas que mejoran los resultados, como son las Feed Forward, Elman y Radial Basis. La Feed Forward es una red del tipo Backpropagation; la Elman es una red más nueva, que sigue utilizando el algoritmo Backpropagation, pero mejora algunas características de las anteriores. La Radial Basis es la más eficiente, debido a su sencillez, po- tencia y rapidez. Descripción del sistema La Figura 3 muestra el prototipo desarrollado, basado en una estructura mecánica fácilmente integrable en la línea de producción de una fábrica. La figura 4 esquematiza su estructura funcional. Según esta estructura, considera- mos los siguientes subsistemas: • Sistema Electromecánico (SEM): Su cometido es ali- near y separar los gajos de mandarina procedentes de las etapas de desgajado y pelado. Los elementos prin- poscosecha