PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2012 | 22 | 2 |

Tytuł artykułu

Niedestrukcyjna ocena jakości mięsa i jego przetworów przy zastosowaniu komputerowej analizy obrazu

Warianty tytułu

EN
Non-destructive quality assessment for food products using computer image analysis

Języki publikacji

PL

Abstrakty

PL
Celem prezentowanego artykułu jest przegląd informacji dotyczących możliwości zastosowania komputerowej analizy obra­zu do oceny jakości mięsa i jego przetworów. Komputerowa analiza obrazu staje się narzędziem coraz częściej stosowanym w przemyśle rolno-spożywczym do oceny -wybranych -wizualnych parametrów jakości. Pozwala ona na uzyskanie powtarzalne­go, szybkiego -wyniku ilościowego i/ lub jakościowego. Ponieważ próba nie ulega zniszczeniu, każdy produkt -w partii może pod­legać tej ocenie. Przy -wykorzystaniu komputerowej analizy obrazu, -wybrane, krytyczne dlajakości atrybuty produktów spożyw­czych mogą być badane w systemie on-line, tak by uzyskana informacja mogła posłużyć zagwarantowaniu standardowej i po­wtarzalnej jakości końcowej produktu.
EN
Computer image analysis is as non-destructive technolo­gy to assess and control the quality offood products. The im­plication of the presented analysis is, that the computer ima­ge analysis is becoming more commonly used in the food in­dustry to assess chosen visual qualitative features. Computer image analysis is a method that enables repeatable and ra­pid, quantitative and/ or qualitative measurement and, taking into account, that measurement is non-destructive, each ele­ment of the batch may be controlled. Using computer image analysis, chosen, critical to quality, features offood products may be analyzed on-line, to guarantee standardized and re­peatable quality of the final product.

Słowa kluczowe

Wydawca

-

Rocznik

Tom

22

Numer

2

Opis fizyczny

s.116-120,rys.,bibliogr.

Twórcy

autor
  • Zakład Techniki w Żywieniu, Katedra Żywności Funkcjonalnej i Towaroznawstwa, Szkoła Główna Gospodarstwa Wiejskiego, Warszawa
autor

Bibliografia

  • [1] ABDULLAH M.Z., AZIZ S.A., MOHAMED A. M. D. 2000. Quality inspection of bakery products using a color-based machine vision system. Journal of Food Quality, 23 (1), 39-50.
  • [2] BARBERA S., TASSONE S. 2006. Meat cooking shrinkage: Measurement of a new meat quality param­eter. Meat Science, 73, 467-474.
  • [3] BROSNAN T., SUN D-W. 2004. Improving quality inspection of food products by computer vision - a re­view. Journal of FoodEngineering, 61, 3-16.
  • [4] CERNADAS E., CARRION P., RODRIGUEZ P. G., MURIEL E., ANTEQUERA T. 2005. Analyzing mag­netic resonance images of Iberian pork loin to predict its sensorial characteristics. Computer Vision and Im­age Understanding, 98 (3), 345-361.
  • [5] CHMIEL M., DASIEWICZ K, SŁOWIŃSKI M. 2010. Wpływ rozdrobnienia mięsa wołowego na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu. Żywność. Nauka. Tech­nologia. Jakość, 5 (72), 159-166.
  • [6] CHMIEL M., DASIEWICZ K, SŁOWIŃSKI M. 2010. Ocena jakości drobnego mięsa wołowego metodą Komputerowej analizy obrazu. Żywność. Nauka. Tech­nologia. Jakość, 6 (73), 219-227.
  • [7] CHMIEL M., DASIEWICZ K 2010. Wykorzy­stanie komputerowej analizy obrazu do szacowania zawartości tłuszczu w drobnym mięsie wołowym. Po­stępy Techniki Przetwórstwa Spożywczego nr 1,61-64.
  • [8] DU C.-J., SUN D.-W. 2005. Correlating shrinkage with yield, water content and texture of pork ham by computer vision. Journal of Food Engineering, 28 (3), 219-232.
  • [9] DU C.-J., SUN D.-W. 2006. Estimating the surface area and volume of ellipsoidal ham using computer vi­sion. Journal of Food Engineering, 73 (3), 260-268.
  • [10] DU C.-J., SUN D.-W. 2004. Recent developments in the applications of image processing techniques for food quality evaluation. Trends in Food Science & Technology, 15 (5), 230-249.
  • [11] EUROPEAN COMMUNITY. 2008. Commission De­cision of 28 July 2008 amending Decision 2006/784/ EC as regards the authorisation of a method for grading pig carcasses in France (notified under docu­ment number C(2008) 3803). Official Journal of the European Union, 221.
  • [12] EUROPEAN COMMUNITY. 2009. Commission De­cision of 19 December 2008 authorising methods for grading pig carcases in Spain (notified under document number C(2008) 8477). Official Journal of the Euro­pean Union, 6.
  • [13] FANTAZZINI P., GOMBIA M., SCHEMBRI P., SI- MONCINI N., VIRGILI R 2009. Use of Magnetic Resonance Imaging for monitoring Parma dry-cured ham processing. Meat Science, 82 (2), 219-227.
  • [14] FORTIN A., TONG A.K.W., ROBERTSON W.M., ZAWADASKI S.M., LANDRY S.J., ROBINSON D. J., LIU T., MOCKFORD R.J. 2003. A novel ap­proach to grading pork carcasses: computer vision and ultrasound. Meat Science, 63 (3), 451-462.
  • [15] FULLADOSA E., SANTOS-GARCES E., PI- COUET P., GOU P. 2010. Prediction of salt and water content in dry-cured hams by computed tomography. Journal of FoodEngineering, 96 (1), 80-85.
  • [16] GUZEK D., WIERZBICKA A., GŁĄBSKA D. 2011. Potencjał oraz zastosowanie komputerowej analizy i przetwarzania obrazu w przemyśle rolno-spożyw­czym. Inżynieria Rolnicza, 4 (129), 67-73.
  • [17] HE D. J., YANG Q., XUE S. P., GENG N. 1998. Com­puter vision for colour sorting of fresh fruits. Transac­tions of the Chinese Society of Agricultural Engineer­ing, 4 (3), 202-205.
  • [18] IRIE M., IZUMO A., MOHRIS. 1996. Rapid method for determining water holding capacity in meat using video image analysis and simple formulae. Meat Sci­ence, 42, 95-102.
  • [19] JACKMAN P., SUN D.-W., ALLEN P. 2011. Recent advances in the use of computer vision technology in the quality assessment of fresh meats. Trends in Food Science & Technology, 22, 185-197.
  • [20] JAHNS G., NIELSEN H.M., PAUL W. 2001. Mea­suring image analysis attributes and modelling fuzzy consumer aspects for tomato quality grading. Comput­ers and Electronics in Agriculture, 31, 17-29.
  • [21] JIA J., SCHINCKEL A.P., FORREST J.C., CHEN W., WAGNER J.R 2010. Prediction of lean and fat composition in swine carcasses from ham area me­asurements with image analysis. Meat Science, 85 (2), 240-244.
  • [22] KRUTZ G.W., GIBSON H.G., CASSENS D.L., ZHANG M. 2000. Colour vision in forest and wood engineering. Landwards, 55, 2-9.
  • [23] LI Q.Z., WANG M.H. 1999. Development and pro­spect of real time fruit grading technique based on computer vision. Transactions of the Chinese Society of Agricultural Engineering, 30 (6), 1-7.
  • [24] LU J., TAN J., SHATADAL P., GERRARD D.E. 2000. Evaluation of pork color by using computer vi­sion. Meat Science, 56, 57-60.
  • [25] MAGOWAN E., MCCANN M.E.E. 2006. A compa­rison of pig backfat measurements using ultrasonic and optical instruments. Livestock Science, 103 (1), 116­123.
  • [26] MAYOR L., SERENO A.M. 2004. Modelling shrink­age during convective drying of food materials: a re­view. Journal of FoodEngineering, 61 (3), 373-386.
  • [27] OLIVERA., MENDIZABAL J.A., RIPOLL G.,AL­BERT! P., PURROY A. 2010. Predicting meat yields and commercial meat cuts from carcasses of young bulls of Spanish breeds by the SEUROP method and an image analysis system. Meat Science, 84, 628-633.
  • [28] PARK B., CHEN Y.R 2000. Real-time dual-wave­length image processing for poultry safety inspection. Journal of Food Process Engineering, 23, 329-351.
  • [29] QIAO J., NGADI M.O., WANG N., GARIEPY C., PRASHER S.O. 2007. Pork quality and marbling level assessment using a hyperspectral imaging system. Journal of FoodEngineering, 83 (1), 10-16.
  • [30] QIAO J., WANG N., NGADI M.O., GUNENC A., MONROY M., GARIEPY C., PRASHER S.O. 2007. Prediction of drip-loss, pH, and color for pork using a hyperspectral imaging technique. Meat Science, 76 (1), 1-8.
  • [31] SANCHEZ A.J., ALBARRACIN W., GRAU R, RI- COLFE C., BARAT J.M. 2008. Control of ham salt­ing by using image segmentation. Food Control, 19(1), 135-142.
  • [32] SHIRANITA K, HAYASHI K, OTSUBO A., MIY- AJIMA T., TAKIYAMA R 2000. Grading meat qu­ality by image processing. Pattern Recognition, 33, 97-104.
  • [33] SUN D.-W. 2004. Applications of computer vision in the food industry. Journal of Food Engineering, 61, 1-142 [special issue].
  • [34] SUN D.-W. 2008. (editor): Computer Vision Technolo­gy for Food Quality Evaluation. 1st edition. Academic Press / Elsevier, San Diego, California, USA.
  • [35] TAN F.J., MORGAN M.T., LUDAS L.I., FORREST J.C., GERRARD D.C. 2000. Assessment of fresh pork colour -with colour machine vision. Journal of Animal Science, 78 (12), 3078-3085.
  • [36] TUKIENDORF M., BOSS J., KRÔTKIEWICZ M.2003. An application of picture analysis as a method of evaluation of granular blend's quality. Polish Journal of Food and Nutrition Sciences, 12/53 (2), 27-30.
  • [37] VESTERGAARD C., ERBOU S.G., THAULAND T., ADLER-NISSEN J., BERG P. 2005. Salt distribu­tion in dry-cured ham measured by computed tomogra­phy and image analysis. Meat Science, 69 (1), 9-15.
  • [38] WANG H.H., SUN D.-W. 2001. Evaluation of the functional properties of cheddar cheese using a com­puter vision method. Journal of Food Engineering, 49, 47-51.
  • [39] WANG L.J., SUN D.-W. 2002. Modelling vacuum cooling process of cooked meat - part 2: mass and heat transfer of cooked meat under vacuum pressure. Inter­national Journal of Refrigeration, 25 (7), 862-871.
  • [40] WOJNAR L., KURZYDOWSKI K.J., SZALA J. 2002. Praktyka analizy obrazu. Wyd I. Polskie Towar­zystwo Stereologiczne. Krakow.
  • [41] ZHENG C.X., SUN D.-W., DU C.-J. 2006. Estimat­ing shrinkage of large cooked beef joints during air­blast cooling by computer vision. Journal of Food En­gineering, 72 (1), 56-62.
  • [42] ZHOU H., WU J., ZHANG J. 2010. Digital Image Processing: Part I, 1st edition. Ventus Publishing ApS.

Uwagi

Rekord w opracowaniu

Typ dokumentu

Bibliografia

Identyfikatory

Identyfikator YADDA

bwmeta1.element.agro-8167060b-c2d9-4c89-bfc7-4bd8c411aa62
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.