Zastosowanie komputerowej analizy obrazu do szacowania jakosci peklowanego drobnego miesa wieprzowego klasy II

• Autorzy: Dasiewicz K , Pisula A , Slowinski M , Noga A

Warianty tytułu

EN

The use of video image analysis to estimate quality of cured pork trimmings of class II

• Języki publikacji: PL

Abstrakty

PL

Celem pracy było określenie możliwości zastosowania komputerowej analizy obrazu do szacowania zawartości tłuszczu oraz jakości technologicznej peklowanego drobnego mięsa wieprzowego kl. II. Parametry wyznaczone metodą komputerowej analizy obrazu (tj. składowe barwy R, G, B mięsa, tłuszczu i całego obrazu oraz udział pól białych i czerwonych) skorelowano z wyróżnikami jakości mięsa. Na podstawie badań, w których analizowano mięso peklowane przez 24 h stwierdzono, że najwyższe statystycznie istotne wartości współczynników korelacji i dyskryminacji występują pomiędzy zawartością tłuszczu oznaczoną metodą Soxhleta a ilością pól białych określoną metodą komputerowej analizy obrazu, wyznaczoną na zdjęciach wykonanych przy oświetleniu jarzeniowym na tle zielonym, co wskazuje na możliwość wykorzystania takich warunków pomiaru do szacowania zawartości tłuszczu w tym rodzaju mięsa.

EN

The main objective of this study was to evaluate the possibility of applying a Video Image Analysis to estimate fat content and technological quality of cured pork trimmings of Class II. The parameters determined using the Video Image Analysis, (i.e. the R, G, and B components of the colour of meat, fat, and of the whole picture, as well as the content of white and red spots), were correlated with other characteristics of meat quality. Based on the analysis performed (the trimmings, cured for 24 hours, were analysed), it was found that the highest, statistically significant values of the correlation and discrimination coefficients were between the fat content levels determined by a Soxhlet method and the number of white spots recorded by the Video Image Analysis with the use of luminescent light and green background. According to this conclusion, there is an option to use these specific measurement conditions to estimate fat content in meat of this type.

Słowa kluczowe

PL

mieso wieprzowe; mieso drobne; peklowanie; ocena jakosci; komputerowa analiza obrazu; zawartosc tluszczu; jakosc technologiczna

• Wydawca: -
• Czasopismo: Żywność Nauka Technologia Jakość
• Rocznik: 2008
• Tom: 15
• Numer: 4
• Opis fizyczny: s.52-60,tab.,wykr.,bibliogr.

Twórcy

autor

Dasiewicz K

• Katedra Technologii Żywności, Wydz. Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego, ul. Nowoursynowska 159C, 02-776 Warszawa

autor

Pisula A

• Katedra Technologii Żywności, Wydz. Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego, ul. Nowoursynowska 159C, 02-776 Warszawa

autor

Slowinski M

• Katedra Technologii Żywności, Wydz. Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego, ul. Nowoursynowska 159C, 02-776 Warszawa

autor

Noga A

• Katedra Technologii Żywności, Wydz. Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego, ul. Nowoursynowska 159C, 02-776 Warszawa

Bibliografia

• [1] Albrecht E., Wegner J., Ender K.: Eine neue Methode zur objektiven Bewertung der Marmorierung von Rindfleisch. Fleischwirtsch., 1996, 76, 1, 95.
• [2] Arneth W.: Chemische Grundlagen der Umrötung. Fleischwirtsch., 1998, 78, 868-874.
• [3] Brosnan T., Sun D.: Improving quality inspection of food products by computer vision – a review. J. Food Eng., 2004, 61, 3-16.
• [4] Caban A.: Wpływ procesu mieszania na szacowanie zawartości tłuszczu metodą Komputerowej Analizy Obrazu w drobnym mięsie wieprzowym kl. II. Praca magisterska, Zakład Technologii Mięsa, SGGW, Warszawa 2005.
• [5] Cierach M. Szaciło K.: Przetwory mięsne o zmniejszonej zawartości tłuszczu. Gosp. Mięs., 2004, 56, 9, 30-36.
• [6] Dasiewicz K.:. Badania nad zastosowaniem Komputerowej Analizy Obrazu do oceny jakości mięsa wołowego. Praca doktorska. Wydział Technologii Żywności, Katedra Technologii i Oceny Żywności, SGGW, Warszawa 2001.
• [7] Dasiewicz K., Mierzwińska I.:- The use of a computer digital analysis for evaluating the quality of pork trimming. Acta Sci. Pol., 2006, 5, 2, 85-91.
• [8] Dasiewicz K., Szymański P.: Optymalizacja warunków szacowania (metodą komputerowej analizy obrazu) tłuszczu w drobnym mięsie wieprzowym klasy II. Post. Techn. Przetw. Spoż., 2005, 2, 44-58.
• [9] Faucitano L., Huff P., Teuscher F., Gariepy C., Wegner J.: Application of computer image analysis to measure pork marbling characteristics. Meat Sci., 2005, 69, 537-543.
• [10] Gerrard D.E., Gao X., Tan J.: Beef marbling and color score determination by image processing. J. Food Sci., 1996, 61, 1, 145.
• [11] Hopkins D.L., Safari E., Thompson J.M., Smith C.R.: Video image analysis in the Australian meat industry – precision and accuracy of predicting lean meat yield in lamb carcasses. Meat Sci., 2004, 67, 269-274.
• [12] Horsney M.C.: The colour of cooked pork. J. Sci. Foof Agric., 1956, 7, 9, 534.
• [13] Kopeć W.: Szybkie analizy składu chemicznego mięsa i przetworów mięsnych. Gosp. Mięs., 1998, 50, 9, 70-73.
• [14] Kuchida K., Yamaki T., Mizuma Y.: Evaluation of meat quality in Japanese beef cattle by computer image analysis. Anim. Sci. Technol., 1992, 63, 2, 121.
• [15] Lewicki P.: Zastosowanie komputerowej analizy obrazu w technologii żywności. Przem. Spoż., 1995, 47, 5, 155–157.
• [16] Li J., Tan J., Shatadal P.: Classification of tough and tender beef by image texture analysis. Meat Sci. 2001, 57, 341-346.
• [17] Lu J., Tan J., Shatadal P., & Gerrard D. E.: Evaluation of pork color by using computer vision. Meat Sci., 2000, 56, 57-60.
• [18] Makała H.: Komputerowa analiza obrazu żywności w technologii żywności ze szczególnym uwzględnieniem technologii mięsa. Przem. Spoż., 1995, 49, 9, 24-29.
• [19] Newman P. B.: The use of video image analysis for quantitative measurement of visible fat and lean in meat. Part 4 – Application of image analysis measurement techniques to minced meats. Meat Sci., 1987, 19, 139-150.
• [20] O’Sullivan M. G., Byrne D. V., Martens H., Gidskehaug L. H., Andersen H. J., Martens M.: Evaluation of pork color: prediction of visual sensory quality of meat from instrumental and computer vision methods of color analysis. Meat Sci., 2003, 65, 909-918.
• [21] Park B., Lawrence K. C., Windham W. R., Chen Y. R., Chao K.: Discriminant analysis of dualwavelength spectral images for classifying poultry carcasses. Computers and Electronics in Agriculture, 2002, 33, 219-231.
• [22] Pisula A., Dasiewicz K., Flis A.: Zastosowanie komputerowej analizy obrazu do standaryzacji składu chemicznego drobnego mięsa wieprzowego kl. 2 w ciągłych liniach rozbiorowych. Post. Techn. Przetw. Spoż., 2004, 1, 8-13.
• [23] PN-75/A-04018. Oznaczenie zawartości azotu metodą Kjeldahla i przeliczenie na białko.
• [24] PN-ISO 1442: 2000. Oznaczenie zawartości wody.
• [25] PN-ISO 1444: 2000. Oznaczenie zawartości tłuszczu wolnego.
• [26] PN-ISO 2917: 2001. Oznaczenie zawartości pH.
• [27] Słowiński M.: Badania nad zastosowaniem szybkich, pośrednich metod do oceny jakości tuszek i mięsa drobiowego. Rozpr. habil. Wydz. Technologii Żywności, SGGW, Warszawa 2005.
• [28] Strączyński G.: Nowoczesne metody analizy białka i tłuszczu. XXX Sesja Naukowa KTiChŻ PAN, Kraków 1999, s. 272.
• [29] Szorc J.: Ocena zawartości tkanki tłuszczowej w półtuszach wieprzowych. Gosp. Mięs., 2004, 56, 3, 28-32.
• [30] Tan J.: Meat quality evaluation by computer vision. J. Food Eng., 2004, 61, 27-35.
• [31] Unklesbay K., Unklesbay N., Keller J.: Determination of internal color of beef ribeye steaks using digital image analysis. Food Microstructure, 1986, 5, 231-277.
• [32] Wajdzik J.: Zastosowanie komputerowej analizy obrazu do oceny zmian w mięsie szynek. Gosp. Mięs., 2004, 56, 6, 18-21.