Memoria para optar al título de Ingeniero en Alimentos / (Clasificación de la calidad sensorial de pan tipo hallulla mediante visión computacional) La alta frecuencia de consumo de productos amiláceos procesados a altas temperaturas tales como el pan, caracteriza la dieta de gran parte de la población occidental. Chile es el segundo consumidor de pan en el mundo, y primer consumidor en Latinoamérica, alcanzando los 96 kilos per cápita de pan al año. Además cerca de un 59% de la población consume al menos 3 veces por semana pan, siendo indispensable en la canasta alimenticia de los chilenos. El objetivo de esta investigación fue optimizar la calidad sensorial de una formulación de pan tipo hallulla, y obtener un clasificador de calidad a través de visión computacional. Se entrenó un panel sensorial de diez jueces previamente seleccionados, con descriptores de color de corteza, textura, apariencia, sabor y olor; y se diseñó una tabla de valoración de calidad Karlsruhe específica para pan tipo hallulla. Se aplicó un diseño central rotacional compuesto con 3 puntos centrales, los factores experimentales fueron tiempo de fermentación (0 a 20 minutos) y tiempo de horneado (7 a 19 minutos) y las variables respuesta fueron la calidad sensorial de color, textura, apariencia, sabor y olor. Con los resultados obtenidos para las corridas del diseño, se optimizaron los atributos color, olor, sabor y textura; ya que no arrojaron diferencias entre jueces (p>0,05) pero sí entre las muestras (p<0,05). Estos cuatro atributos presentaron un muy buen ajuste al optimizar en forma separada, con un coeficiente de determinación R2 mayor o igual a 0,85; por lo que se realizó una optimización múltiple, que dio como resultados un óptimo con 17,6 minutos de fermentación y 15 minutos de horneado, con una función de deseabilidad de 0,97. El análisis de la fórmula optimizada, dio una humedad de un 24%, aportando en energía 317 kcal por 100 gramos de pan tipo hallulla, con aw 0,87.Con los resultados de la evaluación del panel sensorial para pan tipo hallulla, se logró definir el grado de calidad para cada corrida del diseño experimental, las cuales se utilizaron para entrenar el programa Matlab para la técnica de visión computacional. Con la obtención de las imágenes digitales de las corridas del diseño experimental, segmentación y extracción de características de color mediante la técnica de visión computacional, se pudo obtener un clasificador qda (discriminante de análisis cuadrático), con un porcentaje de 83% de acierto, con las 7 mejores características seleccionadas por el programa.