Wpływ procesu mieszania drobnego mięsa wołowego na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu®

• Autorzy: Dasiewicz K. , Cegiełka A. , Kornatowska M. , Rola S.

Warianty tytułu

EN

Effect of the mixing process of beef trimmings on the accuracy of estimating the fat content by the video image analysis method®

• Języki publikacji: PL

Abstrakty

PL

Celem pracy przedstawionej w artykule była ocena wpływu procesu mieszania drobnego mięsa wołowego na precyzję szacowania zawartości tłuszczu metodą komputerowej analizy obrazu. W badanym mięsie przeprowadzono oznaczenia składu chemicznego stosując metodę spektrometrii transmisyjnej w bliskiej podczerwieni. Równocześnie stosując komputerową analizę obrazu określono udział pól białych, czerwonych, nierozpoznanych (przed mieszaniem, po pierwszym i po drugim mieszaniu). Stwierdzono, że wyliczone wysokie współczynniki korelacji pomiędzy zawartością tłuszczu a udziałem pól białych w drobnym mięsie wołowym niezależnie od krotności mieszania wskazują na możliwość szacowania zawartości tłuszczu metodą komputerowej analizy obrazu. Natomiast niewielkie różnice w wyliczonych wartościach współczynników korelacji sugerują możliwość pominięcia procesu mieszania przed szacowaniem zawartości tłuszczu metodą KAO.

EN

The aim of this study was to evaluate the influence of mixing process of beef trimmings on the precision of fat content estimation by video image analysis (VIA) method. Determination of chemical composition of beef using near-infrared spectrometry method was carried out. At the same time using video image analysis the content of white, red, unrecognized spots (before mixing, after the first and second mixing) was determined. It was found that there is a possibility, irrespective of the multiplicity of mixing, to use video image analysis to determine the fat content in beef trimmings, based on the high correlation coefficients between fat content and white spots content. However, slight variations in the calculated correlation coefficients suggest that the mixing process may be omitted prior to VIA fat content estimation.

Słowa kluczowe

PL

komputerowa analiza obrazu; mięso drobne; proces mieszania

EN

video image analysis; fat content; beef trimmings; mixing

• Wydawca: Wyższa Szkoła Menadżerska
• Czasopismo: Postępy Techniki Przetwórstwa Spożywczego
• Rocznik: 2017
• Tom: Nr 2
• Strony: 32--36
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Dasiewicz K.

• Zakład Technologii Mięsa, Katedra Technologii Żywności. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Cegiełka A.

• Zakład Technologii Mięsa, Katedra Technologii Żywności. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Kornatowska M.

• Zakład Technologii Mięsa, Katedra Technologii Żywności. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Rola S.

• Zakład Technologii Mięsa, Katedra Technologii Żywności. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• [1] ARNETH W. 2001. „Beispiele physikalisch-chemischer Schnellmethoden zur Fett- und Wasseranalyse“. Fleischwirtschaft 81: 75.
• [2] BRIENNE J.P., C. DENOYELLE, H. BAUSSART, J.D. DAUDIN 2001. “Assessment of meat fat content using dual energy X-ray absorption”. Meat Science 57: 235-244.
• [3] BROSNAN T., D.W. SUN 2004. „Improving quality inspection of food products by computer vision – a review”. Journal of Food Engineering 61: 3-16.
• [4] CHMIEL M., K. DASIEWICZ, M. SŁOWIŃSKI 2010. „Wpływ rozdrobnienia mięsa wołowego na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu”. Żywność Nauka Technologia Jakość 17(5): 159-166.
• [5] DASIEWICZ K. 2010. „Badania nad wpływem rodzaju oświetlenia na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu w modelowych mieszaninach mięsa i tłuszczu wieprzowego”. Nauka Przyroda Technologie 4(5): 8-16.
• [6] DASIEWICZ K. 2013. Studia nad wykorzystaniem komputerowej analizy obrazu do szacowania jakości drobnego mięsa pozyskanego z dużych zwierząt rzeźnych. Warszawa: Wydawnictwo SGGW.
• [7] DASIEWICZ K., A. PISULA, M. SŁOWIŃSKI, A. NOGA 2008. „Zastosowanie komputerowej analizy obrazu do szacowania jakości peklowanego drobnego mięsa wieprzowego klasy II”. Żywność Nauka Technologia Jakość 15(4): 52-60.
• [8] DASIEWICZ K., M. CHMIEL 2011. „Wykorzystanie komputerowych systemów wizyjnych w technologii żywności. Część I”. Postępy Techniki Przetwórstwa Spożywczego 21(1): 127-131.
• [9] DASIEWICZ K., M. CHMIEL 2011. „Komputerowa analiza obrazu w technologii mięsa”. Magazyn Przemysłu Mięsnego (3-4): 40-42.
• [10] DASIEWICZ K., P. SZYMAŃSKI 2005. „Optymalizacja warunków szacowania (metodą komputerowej analizy obrazu) tłuszczu w drobnym mięsie wieprzowym klasy II”. Postępy Techniki Przetwórstwa Spożywczego 15(2): 44-47.
• [11] DOLATA W. 2011. „Operacje jednostkowe stosowane w przetwórstwie mięsa” w Mięso - Podstawy Nauki i Technologii (red. A. Pisula, E. Pospiech). Wydawnictwo SGGW, Warszawa.
• [12] DU C.J., D.W. SUN 2004. „Recent developments in the applications of image processing techniques for food quality evaluation”. Trends in Food Science and Technology 15: 230-249.
• [13] GÓRECKI T. 2011. Podstawy statystyki z przykładami w R. Legionowo Wydawnictwo BTC: 306-324.
• [14] HANSEN P.W., I. THOLL, C. CHRISTENSEN, H-C. JEHG., J. BORG, O. NIELSEN, B. ØSTERGAARD, J. NYGAARD, O. ANDERSEN 2003. “Batch accuracy of on-line fat determination”. Meat Science 64: 141-147.
• [15] JACKMAN R., D.W. SUN, P. ALLEN 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.
• [16] MALAMAS E.N., E.G.M. PETRAKIS, M. ZERVAKIS, L. PETIT, J.D. LEGAT 2003. „A survey on industrial vision systems, applications and tools”. Image and Vision Computing 21: 171-188.
• [17] PISULA A., K. DASIEWICZ, A. FLIS 2004. „Zastosowanie komputerowej analizy obrazu do standaryzacji składu chemicznego drobnego mięsa wieprzowego kl. II w ciągłych liniach rozbiorowych”. Postępy Techniki Przetwórstwa Spożywczego 1: 8-12.
• [18] PN-A-82109:2010. Mięso i przetwory mięsne – Oznaczanie zawartości tłuszczu, białka i wody – Metoda spektrometrii transmisyjnej w bliskiej podczerwieni (NIT) z wykorzystaniem kalibracji na sztucznych sieciach neuronowych (ANN).
• [19] SALWIN M. 2014. Wizualna ocena jakościowa mięsa przy użyciu metody k-najbliższych sąsiadów. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydział Zastosowań Informatyki i Matematyki.
• [20] SUN D.W. 2007. „Computer vision technology for food quality evaluation”. Food Science and Technology, International Series, Academic Press.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).