A Post-Harvest Prediction Mass Loss Model for Tomato Fruit Using A Numerical Methodology Centered on Approximation Error Minimization

Authors

  • Francisco Javier Bucio Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420 http://orcid.org/0000-0002-9727-3683
  • Cesar Isaza Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420
  • Jose Amilcar Rizzo Sierra Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420
  • Jonny Zavala de Paz Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420
  • Ely Karina Anaya Rivera Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420
  • Enrique Gonzalez Gutierrez Universidad Politécnica de Tulancingo, Postgrado Doctorado en Optomecatronica, Ingenierias No. 100, Colonia Huapalcalco, Tulancingo, Hidalgo

DOI:

https://doi.org/10.24925/turjaf.v5i10.1228-1236.1395

Keywords:

post-harvest, tomato fruit, mass loss, least squares, cross validation

Abstract

Due to its nutritional and economic value, the tomato is considered one of the main vegetables in terms of production and consumption in the world. For this reason, an important case study is the fruit maturation parametrized by its mass loss in this study. This process develops in the fruit mainly after harvest. Since that parameter affects the economic value of the crop, the scientific community has been progressively approaching the issue. However, there is no a state-of-the-art practical model allowing the prediction of the tomato fruit mass loss yet. This study proposes a prediction model for tomato mass loss in a continuous and definite time-frame using regression methods. The model is based on a combination of adjustment methods such as least squares polynomial regression leading to error estimation, and cross validation techniques. Experimental results from a 50 fruit of tomato sample studied over a 54 days period were compared to results from the model using a second-order polynomial approach found to provide optimal data fit with a resulting efficiency of ~97%. The model also allows the design of precise logistic strategies centered on post-harvest tomato mass loss prediction usable by producers, distributors, and consumers.

Author Biographies

Francisco Javier Bucio, Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420

Ingeniería en Telematica

Cesar Isaza, Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420

Ingeniería en Telematica

Jose Amilcar Rizzo Sierra, Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420

Ingeniería en Telemática

Jonny Zavala de Paz, Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420

Ingeniería en Telemática

Ely Karina Anaya Rivera, Universidad Politécnica de Querétaro, Ingeniería en Telemática, Carretera Estatal 420, sn. El Marqués, Querétaro de Santiago, CP. 76420

Direccion de tecnologias de la información y telecomunicaciones

Enrique Gonzalez Gutierrez, Universidad Politécnica de Tulancingo, Postgrado Doctorado en Optomecatronica, Ingenierias No. 100, Colonia Huapalcalco, Tulancingo, Hidalgo

Postgrado en optimización de procesos

Downloads

Published

02.10.2017

How to Cite

Bucio, F. J., Isaza, C., Rizzo Sierra, J. A., Zavala de Paz, J., Anaya Rivera, E. K., & Gonzalez Gutierrez, E. (2017). A Post-Harvest Prediction Mass Loss Model for Tomato Fruit Using A Numerical Methodology Centered on Approximation Error Minimization. Turkish Journal of Agriculture - Food Science and Technology, 5(10), 1228–1236. https://doi.org/10.24925/turjaf.v5i10.1228-1236.1395

Issue

Section

Agricultural Economics