La presente invención concierne en general, a un procedimiento, un sistema y un programa de ordenador, para determinar la frescura del pescado basado en el procesamiento de imágenes oculares, y más en particular a un procedimiento que comprende determinar la frescura del pescado interpolando unos valores de parámetros del espacio CIELab de una imagen adquirida en una o más curvas de calibrado.

Estado de la técnica anterior

La frescura es el atributo más importante de la calidad de pescado. La frescura es un concepto complejo pero puede ser estimado como una combinación de varias propiedades sensoriales como apariencia, olor, sabor y textura. La evaluación sensorial de la frescura del pescado utiliza un esquema bien definido por el Método de índice de

Calidad (QIM) (Bogdanovic T, et al, 2012) aplicado por un panel entrenado de personas; este método permite dar una evaluación cuantitativa segura de la frescura. Sin embargo, tales paneles son caros, la instrucción de los mismos es crítica y el panel no es siempre accesible. Por consiguiente, para satisfacer la necesidad de medidas de calidad en la industria, el comercio o en el consumidor, los métodos instrumentales son necesarios hasta la fecha.

En el estado de la técnica se describen procedimientos para la determinación de la frescura del pescado basados en análisis químicos, bioquímicos o microbiológicos (a través de medidas físicas) o mediante análisis sensorial completo (ver las referencias al final del texto). También se han empleado imágenes fotográficas para evaluar parámetros biométricos de las muestras (longitud, peso) (Gümüs et al. 2011 ; Olafsdottir et al. 2004; Hosseini et al 2008) o como apoyo complementario a estudios sensoriales.

Existe una aplicación para iPhone (Howfreshisyourfish?) desarrollada por Nofima basada en un protocolo QIM, que incluye el empleo de fotos además de otras pruebas sensoriales, incluyendo el olor, textura y apariencia de los ojos, piel y branquias.

La solicitud EP2189789 A1 describe un procedimiento para comprobar la frescura de un pescado que comprende detectar el ojo mediante un algoritmo de detección de contornos e identificar el centro de la pupila como el acumulado de múltiples centroides. El dispositivo que lleva a cabo esta operación consiste en un túnel por donde pasa la bandeja de pescado en el que se sitúan dos fuentes de iluminación (unos tubos fluorescentes) a ambos lados de la bandeja que proporcionan una iluminación difusa, necesaria para evitar sombras que alterarían la medición. Un dispositivo de captura de imágenes, por ejemplo una cámara CCD, se sitúa verticalmente sobre la bandeja para capturar imágenes del ojo. La forma del ojo varía con el transcurso del tiempo desde su captura y esa variación de forma, correlacionada con otros procedimientos de evaluación de frescura, permite calibrar el procedimiento.

Muhamad et al., 2009 muestra la determinación de la frescura del pescado mediante la adquisición de, entre otras, una imagen del ojo del pescado y la determinación y el procesamiento de unos parámetros de color de la imagen adquirida. En concreto, evalúa la utilidad de un procedimiento para clasificar un pescado de acuerdo a su nivel de frescura que se basa en procesar imágenes del ojo y de las agallas utilizando técnicas de lógica difusa. Se tomaron muestras a lo largo de cinco días y se estudió la evolución de los parámetros de color de agallas y ojos, en particular de valores de índices de color RGB, de acuerdo a dos modelos o métodos para determinar cuál de ellos se ajustaba mejor a los resultados experimentales. Con ambos métodos los resultados obtenidos fueron muy deficientes, ya que incluso con el método que ofreció mejores resultados se obtuvo un error de un 44% frente al resultado esperado, concluyendo los propios inventores que la utilización de estos métodos basados en la lógica difusa implica demasiados errores en la determinación de la frescura del pescado.

Asimismo, en la determinación propuesta por Muhamad et al., 2009 se analizan los parámetros RGB de ambos, los ojos y las agallas del pescado, no proponiéndose realizar tal determinación únicamente sobre las imágenes oculares.

Por lo tanto Muhamad et al., 2009 constituye una enseñanza que induce al experto en la materia a alejarlo de la búsqueda de una solución encaminada a realizar tal determinación analizando parámetros de color de imágenes del pescado, que incluyan imágenes oculares, y en particular de soluciones basadas en el análisis de únicamente imágenes oculares.

Finalmente Mateo et al., 2006 describe un sistema para la inspección automatizada del color de la carne de atunes para determinar su calidad. El procedimiento se basa en automatizar la adquisición de imágenes de las piezas de carne mediante un dispositivo que consiste en una cámara cubierta de una estructura de campana en PVD en la que se emplaza la muestra que se ilumina mediante unas luces de LED o de tubo fluorescente. En perpendicular sobre la zona donde se ubica la muestra se sitúa una cámara CCD para recoger las imágenes. Estas son traducidas en términos de color de acuerdo al espacio de color CIELab. Los parámetros L, a y b son correlacionados con las puntuaciones que otorgaría un agente clasificador humano y se establecen unas curvas de calibración.

No se conoce ninguna propuesta para determinar la frescura del pescado basada en la determinación de los parámetros del espacio de color CIELab sobre imágenes del ojo del pescado, ni la utilización con curvas de calibración que no requieran de la intervención de un agente clasificador humano.

A la vista de los documentos del estado de la técnica más relevantes mencionados anteriormente, tanto individualmente como en combinación, la presente invención no resulta evidente. Muhamad et al. 2009, muestra la determinación de la frescura del pescado a partir de imágenes de ambos ojos de pescado basado en la determinación de los parámetros RGB, y no de CIELab, Éste método requiere la determinación de dichos parámetros no solo en imágenes de ambos ojos sino también de las agallas. Como se ha mencionado anteriormente, la conclusión de éste método es que la tasa de error es muy alta, por tanto, este documento disuade al experto en la materia a utilizar únicamente parámetros de color de la imagen del ojo para evaluar la frescura del pescado.

Por otra parte, aunque Mateo et al., 2006, muestra la determinación de los mismos parámetros que los usados en la presente invención, CIELab, las imágenes utilizadas no son de los ojos del pescado, y la enseñanza de dicho documento es que éstos parámetros permiten detectar la calidad y no la frescura del pescado, donde la calidad no viene definida solo por la frescura sino también por su contenido en grasas, el color externo y la ausencia de Ya/ce (término japonés de lo que se conoce como Burn Tuna Syndrome). Además dicho documento enseña que la técnica de análisis basada en estos parámetros debe ser usada en combinación con otras técnicas, tal como la consistente en un análisis estadístico de la co-ocurrencia de niveles de gris en los píxeles de la imagen.

En definitiva, a la vista de lo mostrado en el estado de la técnica, el experto en la materia no usaría solo los parámetros CIELab para determinar la frescura tal y como se muestra en la presente invención, y sobre todo no lo haría sobre únicamente imágenes oculares del pescado.

Asimismo, las propuestas citadas también adolecen de la falta de sistemas de calibración adecuados que permitan a un usuario no experimentado determinar la calidad de un pescado para cuya variedad exista una base de datos almacenada en memoria. Referencias:

BOGDANOVIC T, Simat V, Frka-Roic A, Markovic K., Development and Application of Quality IndexMethodScheme in a Shelf-LifeStudy of Wild and Fish FarmAffected Bogue (Boopsboops, L). Journal of Food Science. Febrero 2012. Volúmen 77, Issue 2, páginas S99-S106.

GÜMÜS, B, Balaban.M. Ó., Ünlüsayin, M. Machine VisionApplicationstoAquaticFoods: A Review. TurkishJournal of Fisheries and AquaticSciences 11 : 171-181.2011.

- OLAFSDOTTIR, G, Nesvadba, P, Di Natale, C, Careche, M, Oehlenschláger, J, Tryggvadóttir, R, Schubring, R, Kroeger, M, Heia, K, Esaiassen, M, Macagnano, A, Jorgensen, B. 2004. "Multi sensor for fish quality determination". Trends in Food Science & Technology 15, páginas 86 a 93.

- HOSSEINI.H.G., Luo, D, Xu, G, Liu, H, Benjamín D. 2008. Intelligent Fish Freshness Assessment. Journal of Sensors.

MUHAMAD F; Hashim H; Jarmin R; Ahmad A., "Fish freshness classification based on image processing and fuzzy logic". Proceedings on the 8th WSEAS International Conference on Circuits, Systems, Electronics, Control and Signal Processing (CSECS 2009), 2009, páginas.109 a 115.

- MATEOA; Soto F; Villarejo J A; Roca-Dorda J; De la Gándara F; García A., "Quality analysis of tuna meat using an automated color inspection system", Aquacultural Engíneering, Junio 2006, vol. 35, páginasl a 13.

Explicación de la invención

La presente invención aporta una alternativa al estado de la técnica que pretende mejorar los resultados obtenidos mediante las propuestas conocidas de determinación de la frescura del pescado basadas en el análisis de parámetros de color de imágenes oculares del mismo, tal como la descrita en el artículo "Fishfreshness classification based on image processing and fuzzylogic" cuyos pobres resultados son claramente mejorables.

Para ello, la presente invención concierne a un procedimiento para determinar la frescura del pescado basado en el procesamiento de imágenes oculares, que comprende:

a) la adquisición, bajo unas condiciones determinadas, de al menos una imagen del ojo de la muestra de un pescado objetivo; y b) la determinación y el procesamiento de uno o más parámetros de color de dicha imagen adquirida.

A diferencia de las propuestas conocidas, en el procedimiento propuesto por el primer aspecto de la invención, de manera característica, la etapa b) comprende:

b1 ) el procesamiento de los datos crudos de la imagen adquirida y la segmentación de la imagen para fijar el parámetro o parámetros de color del ojo de la muestra del pescado objetivo;

b2) la determinación en la imagen de la etapa b1 ) de al menos uno de los parámetros L ^* , a ^* y/o b ^* del espacio CIELab y de su valor correspondiente; y

b3) la interpolación del valor obtenido en la etapa b2) en como mínimo una curva de calibrado generada a partir de unos valores obtenidos con especímenes del mismo tipo, tras realizar una pluralidad de dichas etapas a), b1 ) y b2) para unas imágenes, adquiridas bajo dichas condiciones determinadas, de los ojos de distintas muestras de pescados de referencia de la especie a analizar, para diferentes valores de frescura.

El procedimiento comprende además una etapa c) de determinación de la frescura de la muestra del pescado objetivo a partir del valor interpolado en la etapa b3).

En la presente invención, se entiende por frescura el tiempo transcurrido desde la captura del pescado durante el cual el pescado se ha mantenido refrigerado a 0°C o por debajo de 0°C sin alcanzar su punto de congelación (que en general es de unos - 1 ,5°C). La frescura puede ser expresada en días, meses, horas, o cualquier otra medida temporal. Preferiblemente, la frescura se expresa en días.

Según un ejemplo de realización, el procedimiento comprende, en la etapa c), proporcionar el valor de la frescura determinada en términos de días en que el pescado se ha mantenido a 0 grados o por debajo de 0°C sin alcanzar su punto de congelación.

La curva de calibrado, según un ejemplo de realización, es una curva que relaciona al menos uno de los parámetros L*, a* y/o b* con días en que el pescado se ha mantenido a 0 grados o por debajo de 0°C sin alcanzar su punto de congelación.

El procedimiento comprende, para unos ejemplos de realización, determinar en la etapa b2) varios de los parámetros indicados, y utilizar, en la etapa b3), varias curvas de calibrado referentes a dichos parámetros.

Para otro ejemplo de realización, el procedimiento comprende utilizar en la etapa b3) curvas de calibrado referentes a combinaciones obvias de los parámetros citados, tal como L*+a*, a*- b*, etc., e interpolar los valores de los parámetros determinados en la etapa b2) tras combinarlos de la misma manera.

Preferentemente, las etapas b1 ), b2), b3) y c) se realizan automáticamente. Para un ejemplo de realización preferido, la etapa b) se realiza sobre la parte de la imagen adquirida correspondiente al iris del ojo del pescado.

Para un ejemplo de realización el procedimiento comprende generar y almacenar en memoria como mínimo dicha curva de calibrado.

Esta idea de la calibración y su almacenamiento en memoria no resulta evidente, a partir de las propuestas conocidas, para conseguir un sistema de determinación rápida de la frescura del pescado a través, exclusivamente, del tratamiento de imágenes, con preferencia digitales, obtenidas por personal no especializado.

Por lo que se refiere al almacenamiento en memoria de la curva de calibrado, éste hace referencia al almacenamiento en cualquier clase de memoria o dispositivo equivalente conocido, ya sea en un sistema local o bien en uno remoto, o una combinación de los mismos.

El procedimiento del primer aspecto de la invención permite la medida rápida de la frescura del pescado sin utilizar un panel entrenado de catadores ni métodos instrumentales. El procedimiento permite la determinación de la frescura del pescado a partir exclusivamente del procesamiento de diferentes parámetros de imágenes digitales (fotos) que se comparan con una biblioteca de datos.

Generalmente la apariencia de los ojos tiene buena relación con la frescura del pescado. Algunos de los factores que se consideran en la apariencia de los ojos son claridad, oscuridad, color y concentración de color. En el procedimiento de la presente invención se emplean imágenes de los ojos de los especímenes y mediante el procesamiento de la imagen digital se determina la frescura del pescado empleando parámetros simples y/o combinaciones de ellos.

La imagen adquirida es una imagen digital obtenida mediante una cámara digital, en condiciones determinadas que incluyen utilizar una distancia entre el ojo del pescado y la lente de la cámara en un intervalo entre 10-30 cm y utilizar una fuente de iluminación de entre 2500 y 6500 grados Kelvin de temperatura de color.

Para un ejemplo de realización preferido, los valores mediante los cuales se ha generado dicha curva de calibrado han sido obtenidos para unas imágenes de los ojos de las distintas muestras de pescados de referencia mantenidas a una temperatura de 0 grados Celsius o ligeramente por debajo de ésta.

Para un ejemplo de realización, el procesamiento de los datos crudos de la imagen de la etapa b1 ) incluye un pre-procesado o procesamiento inicial de los datos crudos de la imagen adquirida en la etapa a) para la corrección de deformaciones geométricas, eliminación de ruido, corrección del nivel de grises y corrección del enturbiado.

El procedimiento comprende, de acuerdo con un ejemplo de realización:

- realizar dicha segmentación de la etapa b1 ) sobre la imagen pre-procesada en una pluralidad de áreas de interés para fijar los parámetros de color con respecto al iris del ojo de la muestra de pescado;

- realizar una etapa de reconocimiento del ojo del pescado centrando la imagen sobre el mismo; y

- realizar la etapa b2) sobre dicha imagen centrada sobre el ojo del pescado. El método comprende, de acuerdo con un ejemplo de realización, comparar, de manera manual o automática, el valor de frescura determinado en la etapa c) con el valor de frescura real de la muestra del pescado objetivo para verificar si se ha mantenido la cadena de frío.

De acuerdo con un ejemplo de realización, el procedimiento del primer aspecto de la invención comprende:

i) adquirir, un usuario, una imagen del ojo de la muestra del pescado objetivo bajo dichas condiciones determinadas, mediante un dispositivo de computación portátil con cámara digital y capacidad de comunicaciones;

ii) enviar, dicho usuario, dicha imagen adquirida o información asociada a ia misma, desde dicho dispositivo de computación portátil hasta un dispositivo de computación remoto con acceso a la curva o curvas de calibrado;

iii) realizar, por parte del dispositivo de computación remoto, al menos dichas etapas b3) y c); y

¡v) enviar, desde el dispositivo de computación remoto hasta el dispositivo de computación portátil, el valor de frescura determinado en la etapa c).

Según una variante de dicho ejemplo de realización, la etapa ii) comprende enviar la imagen adquirida y la etapa iii) comprende realizar también, por parte del dispositivo de computación remoto, las etapas b1 ) y b2).

Según una variante alternativa, el procedimiento comprende realizar las etapas b1 ) y b2) por parte del dispositivo de computación portátil, y la etapa ii) comprende enviar dicha información asociada a la imagen adquirida, siendo dicha información el valor o valores determinados en la etapa b2).

Según un ejemplo de realización, el procedimiento comprende, de manera previa a dicha etapa iii), enviar, el usuario, desde el dispositivo de computación portátil hasta el dispositivo de computación remoto, junto con el envío de la imagen, o de manera previa o posterior, una señal indicando la especie a la cual pertenece la muestra de pescado objetivo, con el fin de que se realice la etapa b3) sobre curvas de calibración relativas a dicha especie.

De acuerdo con otro ejemplo de realización, el procedimiento propuesto por el primer aspecto de la invención comprende realizar las etapas descritas para una pluralidad de pescados objetivos de manera simultánea, incluyendo la imagen adquirida datos de imagen referentes a los ojos de dicha pluralidad de pescados objetivo.

El método del primer aspecto de la invención incluye una calibración tal que permite la determinación rápida de la frescura del pescado a través, exclusivamente, del tratamiento de imágenes digitales obtenidas por personal no especializado.

Un segundo aspecto de la invención concierne a un sistema para determinar la frescura del pescado basado en el procesamiento de imágenes oculares, configurado para implementar el procedimiento del primer aspecto, y que comprende:

- medios de adquisición de imágenes para realizar la etapa a) del procedimiento; y

- un sistema electrónico, en conexión con dichos medios de adquisición de imágenes para recibir las imágenes adquiridas, y que está configurado para implementar la etapa b).

El sistema electrónico está configurado para implementar las etapas b1), b2), b3) y c) del procedimiento, comprendiendo o teniendo acceso a como mínimo una memoria donde se encuentra registrada la curva o curvas de calibrado para realizar la etapa b3).

Para la variante para la cual el sistema electrónico no comprende pero sí que tiene acceso a dicha memoria, ésta puede estar ubicada en cualquier clase de sistema remoto, tal como el conocido comúnmente como "nube", y acceder al mismo mediante cualquier tipo de red de comunicaciones.

De acuerdo con un ejemplo de realización del sistema propuesto por el segundo aspecto de la invención, los medios de adquisición de imágenes comprenden:

- una cámara digital, como dispositivo independiente o dispuesta, por ejemplo, en un teléfono móvil inteligente u otra clase de dispositivo portador de una cámara; y - un dispositivo auxiliar separador a disponer entre la lente de la cámara digital y el ojo del pescado cuya imagen se desea adquirir, que está formado por un cuerpo de material no transparente de entre 10-30 cm de altura con un orificio longitudinal pasante para comunicar lumínicamente a ambos, la lente de la cámara y el ojo del pescado, cuando se dispone entre ambos. Según un ejemplo de realización, el dispositivo auxiliar separador comprende unos medios de iluminación dispuestos y configurados para iluminar a dicho ojo del pescado a través del orificio longitudinal de dicho cuerpo.

Para una implementación de dicho ejemplo de realización, los medios de iluminación comprenden una fuente de luz introducida, al menos parcialmente, en un orificio transversal pasante realizado en una pared del cuerpo, para iluminar el interior del orificio longitudinal.

Con preferencia dicho orificio transversal pasante tiene un diámetro de entre 2 a 5 cm y se encuentra ubicado a una altura de entre 2,5 a 7,5 cm desde la base del cuerpo a disponer sobre el pescado.

Para un ejemplo de realización, el sistema está adaptado para implementar el anteriormente descrito ejemplo de realización del procedimiento del primer aspecto que referente a la realización de las etapas i) a ¡v), y que comprende:

- un dispositivo de computación portátil (tal como un teléfono inteligente, una PDA, etc.) con capacidad de comunicaciones, con preferencia inalámbricas, que incluye a dicha cámara digital y a una parte local de dicho sistema electrónico para implementar las etapas i) y ii) del procedimiento del primer aspecto; y

- un dispositivo de computación remoto con capacidad de comunicaciones, con preferencia inalámbrica, que incluye a una parte remota de dicho sistema electrónico para implementar las etapas iii) y iv) del procedimiento.

Con el fin de mantener las mismas condiciones determinadas para la adquisición de la imagen de la muestra de pescado objetivo bajo las cuales se han adquirido las imágenes de las muestras de pescado de referencia, el sistema propuesto por el segundo aspecto de la invención también comprende al dispositivo auxiliar separador descrito anteriormente, a utilizar junto con el dispositivo de computación portátil para implementar la etapa i).

En general, el dispositivo de computación portátil dispone de una pantalla donde mostrar el valor de frescura recibido en la etapa iv).

Un tercer aspecto de la invención concierne a un programa de ordenador adaptado para ejecutar el procedimiento del primer aspecto, incluyendo la realización de las etapa b1), b2), b3) y c).

Según un ejemplo de realización, el programa de ordenador comprende una primera aplicación de software ejecutable por parte del dispositivo de computación portátil y una segunda aplicación de software ejecutable por parte del servidor remoto, llevándose a cabo, entre ambas aplicaciones, las anteriormente descritas etapa ii) a iv). Según un ejemplo de realización, la primera aplicación de software permite al usuario realizar la selección de la especie a la cual pertenece la muestra de pescado objetivo, que hará que el dispositivo de computación envíe la señal indicativa correspondiente al dispositivo de computación remoto.

Breve descripción de los dibujos

Las anteriores y otras ventajas y características se comprenderán más plenamente a partir de la siguiente descripción detallada de unos ejemplos de realización con referencia a los dibujos adjuntos, que deben tomarse a título ilustrativo y no limitativo, en los que:

las Figs. 1 , 2 y 3 muestran una curvas de calibrado en función de, respectivamente, los parámetros L*, a* y b*, generadas y utilizadas de acuerdo con el procedimiento propuesto por el primer aspecto de la invención, para unos ejemplos de realización;

la Fig. 4 muestra la evolución temporal del parámetro ΔΕ calculado para los valores mostrados en las curvas de las Figs. 1 a 3 respecto a unos valores iniciales. la Fig. 5 es una gráfica que muestra los cambios que experimenta el parámetro L* en función de la conservación del pescado, para diferentes condiciones térmicas de almacenamiento, para tres pescados de muestra, dos de los cuales son pescados deteriorados debido a que se ha roto la cadena del frío para ellos;

las Figs. 6 y 7 son sendas gráficas análogas a la de la Fig. 5 pero con relación a, respectivamente, la variación del parámetro a* y del parámetro b ^* ; y

la Fig. 8 es una vista esquemática en perspectiva de los medios de adquisición de imágenes del sistema propuesto por el segundo aspecto de la invención, para un ejemplo de realización.

Descripción detallada de unos ejemplos de realización

El procedimiento del primer aspecto de la invención comprende, para un ejemplo de realización, un primer paso E1 de adquisición de imagen. Se toma una imagen digital de los ojos del pescado en unas condiciones muy específicas: distancia entre el ojo de pescado y la lente de la cámara en un intervalo entre 10 y 30 cm, con una iluminación controlada del orden de 2500- 6500 grados Kelvin. Estas condiciones se pueden conseguir mediante un dispositivo cilindrico o cónico abierto por sus extremos, fabricado en un material no transparente y blanco, de entre 10-30 cm de altura, con un orificio de 2-5 cm de diámetro, situado a una altura entre 2,5-7,5 cm desde la base y una fuente de luz fluorescente o de LEDs, tal y como el ilustrado en la Fig. 8, que se describirá posteriormente con referencia al sistema propuesto por el segundo aspecto de la invención.

La adquisición de la imagen se plasma en la transferencia de la señal electrónica del dispositivo fotográfico en forma numérica y permite, tras un pre- procesado, o etapa E2, establecer unos parámetros que son los que se emplearán para evaluar la frescura del pescado.

El pre-procesado de la imagen E2 se refiere al procesamiento inicial de los datos crudos de imagen para la corrección de deformaciones geométricas, la eliminación de ruido, corrección del nivel de grises y la corrección del enturbiado.

La segmentación de la imagen, o etapa E3, permite dividirla en las regiones que tienen una gran correlación con los objetos o áreas de interés. En el presente caso, se trata de fijar los parámetros del iris del ojo de la muestra.

Tras la etapa E3 se realiza una etapa E4 de reconocimiento del ojo del pescado centrando la imagen sobre el mismo, y tras ésta se determinan en el iris los parámetros: L*, a* y/o b*, en una etapa E5 de extracción de parámetros, que permiten correlacionar las imágenes con la frescura del pescado en el espacio CIE L ^* a ^* b ^* (CIELAB), que es el modelo de color más completo convencionalmente usado para describir todos los colores visibles al ojo humano. Fue desarrollado para este propósito específico por la Comisión Internacional de Iluminación. Los tres parámetros básicos utilizados en el modelo utilizado representan la claridad del color (L ^* , L ^* =0 indica negro y L ^* =100 indica blanco), su posición entre rojo y verde (a ^* , valores negativos indican valores desplazados hacia el verde mientras que valores positivos indican la proximidad al rojo) y su posición entre amarillo y azul (b ^* , valores negativos indican valores azules y positivos indican amarillo).

La siguiente etapa del procedimiento, o etapa E6, es la interpolación de los parámetros de color en la curva de calibrado previamente establecida con muestras de referencia, de la misma especie de la que se va a evaluar, para determinar la frescura (definida como días transcurridos desde la muerte del pescado, habiéndose conservado éste a cero grados centígrados). La determinación puede realizarse usando un único parámetro de color o combinaciones de los mismos.

El calibrado se ha construido previamente a partir de una biblioteca de imágenes de pescados de muestra, que es diferente para cada especie, y que se tomaron en unas condiciones de iluminación determinadas que deben ser mantenidas fijas en todas las nuevas medidas para obtener una determinación correcta. Las curvas de calibrado a utilizar según el procedimiento propuesto por el primer aspecto de la invención (individualmente o en combinación) se muestran en las Figs. 1 a 3 para, respectivamente, los parámetros L*, a* y b*.

En la Fig. 4 se muestra una curva relativa al parámetro ΔΕ. Éste es un parámetro relativo a la diferencia de color total, que tiene en cuenta las diferencias individuales entre el valor de cada parámetro L ^* , a ^* y b* en función del tiempo y el valor de cada uno tomado a tiempo cero; esto es, el valor de cada parámetro obtenido para cada día transcurrido, y el valor de partida para un tiempo cero (pescado recién muerto), y se utiliza para verificar la independencia de las curvas de calibrado obtenidas para los parámetros L*, a* y b*.

Hay varias fórmulas para el cálculo de ΔΕ ^* , siendo la más común y sencilla de implementar la CIE76:

ΔΕ ^* = ((L ^* ¡ - L ^* ₀ ) ² + (a ^* , - a ^* ₀ ) ² + (b ^* ¡ - b ^* ₀ ) ² ) ¹ ' ² donde los subíndices i y 0 se refieren, respectivamente, a los valores tomados para cada día transcurrido y a los tomados a tiempo cero.

Finalmente, en la etapa E7, se realiza una clasificación del pescado a partir de la frescura determinada como resultado de la etapa E6.

Según un ejemplo de realización, el reconocimiento del ojo, así como todas las etapas de procesamiento de la imagen, extracción de parámetros y extrapolación en el calibrado se llevan a cabo empleando un software desarrollado en entorno MATLAB.

Tal y como se ha descrito en un apartado anterior, el procedimiento propuesto por el primer aspecto de la invención también sirve, para unos ejemplos de realización, como método de control de la trazabilidad térmica del pescado, es decir, para detectar cambios en el mantenimiento/almacenamiento del pescado. Para demostrar esto, se ha llevado a cabo el estudio de la evolución de los parámetros de imagen de los ojos de ejemplares de dorada que se habían conservado durante un tiempo a temperatura ambiente (25°C) con el fin de comprobar los efectos de romper la cadena de frío (0°C) sobre la frescura del pescado.

Las figuras 5 a 7 evidencian para tres ejemplares objeto de estudio (indicados como P1 , P2 y P3) que la rotura de la cadena de frío afecta a los parámetros de las imágenes, denunciando un estado de frescura equivalente a un aumento del tiempo de almacenamiento. Es de destacar que este efecto se evidencia mediante los parámetros L*, a ^* y/o b*; pudiéndose obtener mejoras en la detección de la interrupción de la cadena de frío usando productos o cocientes de los parámetros anteriores. En concreto, las curvas ¡lustradas en las Figs. 5 a 7 muestran los cambios que experimentan los parámetros L*,a* y b*en función de la conservación del pescado, para diferentes condiciones térmicas de almacenamiento, a lo largo de cinco días (indicados como d1 a d5) para tres pescados de muestra P1 , P2 y P3, y han sido creadas a partir de unos datos de referencia obtenidos a su vez a partir de los valores obtenidos tras realizar una pluralidad de etapas a), b1 ), b2, b3) y c) sobre unas imágenes adquiridas de los ojos de los pescados de muestra P1 , P2, P3, para diferentes grados de temperatura de conservación a lo largo del tiempo.

Los pescados P2 y P3 son pescados deteriorados debido a que su cadena del frío ha sido rota en uno u otro momento. En cambio el pescado P1 se ha conservado a 0 ^o centígrados desde el momento inicial hasta el día 5, por lo que es un pescado considerado como fresco.

En particular, el pescado de muestra P3 se ha conservado a cero grados en los periodos dO a d1 (es decir durante el primer día de almacenamiento desde la pesca del mismo), d1 a d1+8h y d3 a d5, y a 25 grados en los periodos d1+8h a d2 y d2 a d3, y el pescado P2 se ha mantenido a cero grados para todos los periodos indicados a excepción del que va desde d1+8h a d2.

Estas curvas, o los datos incluidos en las mismas, pueden utilizarse para interpolar los valores de los parámetros medidos sobre los iris en las curvas de calibración, con el fin de confirmar que, en el caso de P2 y P3, los valores de frescura obtenidos son peores que los indicados en las etiquetas puesto que se han deteriorado debido a que se conservaron de forma inapropiada, es decir no se han mantenido a cero grados durante todo el período de conservación.

En la Fig. 8 se ilustra una implementación del sistema propuesto por el segundo aspecto de la invención, para un ejemplo de realización para el que éste comprende:

- un dispositivo de computación portátil M con capacidad de comunicaciones, que incluye a una cámara digital C con una lente L y a una parte local del sistema electrónico (no ilustrada) para implementar las etapas i) y ii);

- un dispositivo auxiliar separador D a disponer entre la lente L de la cámara digital C y el ojo del pescado (no ilustrado) cuya imagen se desea adquirir, que está formado por un cuerpo B de material no transparente de entre 10-30 cm de altura con un orificio longitudinal pasante 01 , de eje geométrico E, para comunicar lumínicamente a ambos, la lente L de la cámara C y el ojo del pescado, cuando se dispone entre ambos; y - un dispositivo de computación remoto SR con capacidad de comunicaciones, que incluye a una parte remota de dicho sistema electrónico (no ilustrada) para implementar las etapas iii) y iv).

El orificio transversal pasante 02 tiene, con preferencia, un diámetro de entre 2 a 5 cm y se encuentra ubicado a una altura de entre 2,5 a 7,5 cm desde la base del cuerpo B a disponer sobre el pescado, es decir desde la base inferior según la posición ilustrada en la Fig. 8.

Si bien el dispositivo auxiliar separador D se ha descrito y reivindicado como parte de los medios de adquisición del sistema propuesto por el segundo aspecto de la invención, éste podría ser objeto de protección independiente para la aplicación aquí descrita u otras aplicaciones que requieran de las condiciones de adquisición de imágenes, especialmente en cuanto a distancia entre la lente y el objeto a fotografiar, requeridas por la aplicación referente al procedimiento propuesto por el primer aspecto de la presente invención.

Un experto en la materia podría introducir cambios y modificaciones en los ejemplos de realización descritos sin salirse del alcance de la invención según está definido en las reivindicaciones adjuntas.