JAMÓN ii) de clasi cación (Arboles de decisión –AD– y Sistemas basados en reglas –SBR–) (Caballero y col., 2016a) y iii) predictivas (RLM y Regresión isotónica –RI–) (Caballero y col. 2016b; 2017c; 2017d; 2018b; 2018c; Pérez-Palacios y col. 2017). La Figura 1 muestra el procedimiento seguido por la metodología propuesta. Resultados y discusión En relación a las secuencias de adquisición de imágenes que se pro- baron para el lomo, los mejores resultados se obtuvieron aplicando la secuencia SE (Pérez-Palacios y col., 2017). La Figura 2 muestra imágenes MRI de lomos frescos y curados (Figura 2A y 2B), y de jamones frescos y curados (Figura 2C y 2D). En ambos casos se pueden apreciar diferencias visuales entre las imágenes de los productos frescos y curados fundamentalmente debidas a las dife- rencias en el contenido acuoso entre ambas fases de procesado. En relación al bloque de análisis de MRI, los resultados obtenidos con los algoritmos de texturas computacionales (GLCM, GLRLM y NGLDM) presentan correlaciones elevadas con la mayoría de los parámetros de calidad evaluados. Además de estos algoritmos clásicos de análisis de textura de las imágenes, se han desarrollado en este estudio dos algoritmos de características de dimensiones fractales, FTA (Caballero y col., 2017a) y OPFTA (Caballero y col., 2017b). Estos últimos muestran correlaciones ligeramente supe- riores a los algoritmos de características de textura clásicos, y entre ellos es el OPFTA el óptimo, por su simplicidad y su bajo coste computacional. Considerando, las técnicas de minería de datos utilizadas, RLM fue la más apropiada para deducir parámetros físico-químicos del jamón (Pérez-Palacios y col., 2014) concretamente se obtuvieron valores de R superiores a 0.90, y AD para clasi car jamones en función de su contenido en sal (Caballero y col., 2016a), alcan- zando porcentajes de clasi cación correcta superiores al 75 %. Teniendo en cuenta las técnicas predictivas, RLM permite obtener ecuaciones para determinar características físico-químicas y atri- butos sensoriales del jamón Ibérico (Caballero y col., 2016b) con un coe ciente de correlación superior a 0,75 tanto para el producto en fresco como en curado. La predicción de las características de calidad (físico-químicas y sensoriales) del lomo (Caballero y col., 2017c; 2017d; 2018b; 2018c; Pérez-Palacios y col. 2017) obtuvo resultados similares aplicando RLM y RI (R>0,75), destacando RLM por su mayor precisión. La gura 3 muestra el ajuste entre los valores obtenidos para la humedad de los lomos curados mediante análisis físico-químicos (color negro) y mediante la metodología propuesta (color gris) aplicando la mejor combinación para prede- cir, es decir, SE como secuencia de adquisición de imágenes, OPFTA como algoritmo de análisis de imágenes y RLM como técnica de predicción. Conclusiones La principal conclusión de este estudio ha sido la propuesta de una metodología de análisis para determinar las características de calidad de los productos cárnicos (lomos y jamones Ibéricos) de manera no destructiva. La precisión del análisis depende de la secuencia de adquisición de MRI, del algoritmo de análisis de imagen utilizado y de la técnica de minería de datos aplicada. En particular, la aplicación consiste en el uso de SE como secuencia de adquisición de MRI, GLCM u OPFTA como algoritmos de análisis de imágenes y RLM como técnica de minería de datos para obte- ner ecuaciones de predicción de características físico-químicas y atributos sensoriales del lomo y el jamón Ibérico con un alto grado de abilidad. De esta manera, la calidad de estos productos se determina de manera rápida, precisa y no destructiva. La integra- ción de todos los algoritmos desarrollados en un software en los ordenadores de los dispositivos de resonancia magnética, permiti- ría la obtención de los resultados en tiempo real sin llevar a cabo la destrucción de la pieza cárnica.• 21 Para consultar los datos bibliográficos del artículo, visite: www.interempresas.net/A215953 Figura 3. Ajuste entre los valores de grasa de lomos curados obtenidos mediante el análisis físico-químico (——) y la nueva metodología (——).