1 Abstract— The extraction of textural information from images to explore parameters related to food quality is very common. In this paper, the extraction of quality features from MRI is performed by a new fractal algorithm and second order statistics, as an alternative to the classical texture approaches. The proposed method needs fewer features than classical textures, computing them with a lower computational complexity. Quality characteristics from MRI of Iberian loins are extracted to validate the practical application of the proposed algorithm. The new method is compared to the standard fractal algorithm and also to the classical texture approaches. Characteristics obtained by means of the new fractal algorithm, by the standard fractal algorithm, and by the three classical texture methods are correlated to the results obtained by using physico-chemical methods. The correlations achieve coefficients higher than 0.75. Therefore, the new algorithm could be used to calculate quality parameters of meat products in a non-destructive and efficient way, being also suitable for the meat industries to characterize meat products. Keywords— Fractals, Texture features, MRI, Food Technology, Data Mining. I. INTRODUCCIÓN L ESTUDIO de la calidad de los alimentos mediante técnicas de visión por computador es cada vez más habitual. Uno de los métodos más extendidos se basa en la extracción de información de texturas a partir de imágenes de alimentos. El análisis de texturas fue usado para estudiar el veteado en carne de ternera [1], para predecir la terneza de la ternera cocinada a partir de imágenes de ternera fresca [2], o para clasificar carne bovina [3]. La eficiencia de los métodos basados en texturas para resolver problemas relacionados con la carne, tanto fresca como curada fue probado también recientemente [4][5]. Además, el análisis de texturas ha permitido clasificar diferentes tipos de jamones ibéricos [6], así como desarrollar métodos para reconocer el veteado en el jamón ibérico curado [7]. Igualmente fue usado para predecir algunas características sensoriales del lomo ibérico [8]. También mediante análisis de textura se analizó el nivel de grasa y veteado en lomo ibérico, procesando imágenes de resonancia magnética (MRI) [9]. La mayoría de los trabajos se basan en algoritmos de D. Caballero, Computer Science Department, Research Institute of Meat and Meat Product (IproCar), University of Extremadura, Cáceres, España, dcaballero@unex.es A. Caro, Computer Science Department, Research Institute of Meat and Meat Product (IproCar), University of Extremadura, Cáceres, España, andresc@unex.es M. M. Ávila, Computer Science Department, Research Institute of Meat and Meat Product (IproCar), University of Extremadura, Cáceres, España, mmavila@unex.es extracción de texturas como el GLCM (algoritmo de la matriz de co-ocurrencia de niveles de gris) [10], el GLRLM (algoritmo de hileras de nivel de gris) [11], el NGLDM (método de dependencia de los niveles de gris de vecindad) [12], las transformadas de Fourier [13] y las transformadas de Wavelet [14]. Los productos cárnicos curados, principalmente jamones y lomos ibéricos, tienen una gran importancia en el suroeste de la península ibérica, donde se generan este tipo de productos con una alta calidad. Ello redunda en la importancia económica que los productos cárnicos curados tienen en esa zona. Tanto jamones como lomos son habitualmente muy apreciados por los consumidores en los mercados y alcanzan un alto grado de calidad en términos de calidad sensorial [7]. Para determinar las características de calidad de estos productos, tradicionalmente se realizan análisis físico-químicos y sensoriales, que, además de ser tediosos, conllevan una considerable cantidad de tiempo, gastos de disolventes y, además, conllevan en muchos casos la destrucción de las piezas. Como una alternativa a estos métodos de análisis tradicionales se ha propuesto el uso de los algoritmos de textura basados imágenes obtenidas mediante resonancia magnética (MRI). La naturaleza no destructiva, no invasiva, no intrusiva, no ionizante e inocua de las MRI junto a los algoritmos apropiados se han mostrado como una alternativa real [6][7][8][9][15][16][17]. Actualmente, existe un creciente interés en el uso de técnicas de análisis fractales en lugar de análisis de texturas clásicos. Principalmente debido a que las texturas de las imágenes buscan comprimir la información de la imagen y el uso de fractales permite la identificación de patrones recurrentes, eliminando la posibilidad de la compresión de la imagen. En tecnología de los alimentos, el uso de fractales se ha centrado hasta ahora en caracterizar la estructura de los alimentos [18][19]. Sólo unos pocos autores han intentado correlacionar atributos de calidad de los alimentos con características obtenidas del análisis de las imágenes. Las técnicas de fractales han sido usadas para predecir el contenido de azúcar en melones [20], o para cuantificar la clorofila del tomate [21]. Sin embargo, desde nuestro conocimiento, el uso de técnicas fractales no ha sido llevado a cabo para predecir los parámetros de calidad en productos cárnicos. P. G. Rodríguez, Computer Science Department, Research Institute of Meat and Meat Product (IproCar), University of Extremadura, Cáceres, España, pablogr@unex.es T. Antequera, Food Technology Department, Research Institute of Meat and Meat Product (IproCar), University of Extremadura, Cáceres, España, tantero@unex.es T. Pérez-Palacios, Food Technology Department, Research Institute of Meat and Meat Product (IproCar), University of Extremadura, Cáceres, España, triny@unex.es E New Fractal Features and Data Mining to Determine Food Quality Based on MRI D. Caballero, A. Caro, M. M. Ávila, P. G. Rodríguez, T. Antequera and T. Pérez IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO. 9, SEPTEMBER 2017 1777