Porównanie przydatności programów „ImageJ ” i ”Carne 2” do szacowania jakości kiełbasy salami metodą komputerowej analizy obrazu ®

• Autorzy: Dasiewicz K. , Słowiński M.

Warianty tytułu

EN

Comparison of usefulness of programs „ImageJ” and „Carne 2” application for estimating quality of salami sausages using Video Image Analysis®

• Języki publikacji: PL

Abstrakty

PL

Celem pracy przedstawionej w artykule była ocena przydatności dwóch programów komputerowych do szacowania jakości kiełbasy salami metodą komputerowej analizy obrazu. Stosując metody odwoławcze oceniono wyróżniki jakości wybranej handlowej kiełbasy salami, jednocześnie wykorzystując komputerową analizę obrazu określono udział pól białych i czerwonych oraz składowe barwy R, G i B tłuszczu, mięsa i obrazu. Na podstawie wyników stwierdzono, że między wyróżnikami jakości salami oznaczonymi metodami odwoławczymi a danymi pozyskanymi za pomocą komputerowej analizy obrazu występują istotne zależności, co wskazuje na możliwość stosowania tych programów do szacowania jakości tego typu kiełbas. Należy jednak zauważyć, że modele szacowania dla niektórych wyróżników jakości były zróżnicowane w zależności od zastosowanego programu analizującego.

EN

The aim of this article was to evaluate usefulness of two different programs for estimating quality of salami using video image analysis. Quality attributes of salami was determined by using refference methods, simultaneously video image analysis was used to determine share of white and red fields and color components R, G and B for fat, meat and whole image. The results showed that there are significant relationships between quality attributes and obtained data, which indicates usefulness of both programs to estimate quality of this type of sausages. However it should be noted, that estimation models for some of the attributes should be developed separately for each type of program.

Słowa kluczowe

PL

komputerowa analiza obrazu; ImageJ; Carne 2; salami

EN

video image analysis; ImageJ; Carne 2; salami

• Wydawca: Wyższa Szkoła Menadżerska
• Czasopismo: Postępy Techniki Przetwórstwa Spożywczego
• Rocznik: 2017
• Tom: Nr 1
• Strony: 77--81
• Opis fizyczny: Bibliogr. 24 poz., tab.

Twórcy

autor

Dasiewicz K.

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

autor

Słowiński M.

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

Bibliografia

• [1] ABRAMOFF M. D., P. J. MAGALHÃES, J. RAM S. 2004. „Image processing with „ImageJ””. Biophotonics International 11(7): 36-42.
• [2] ĆWIERTNIEWSKI K., H. PRZYBYŁ, K. EGIERSKI 2004. „Oznaczanie aktywności wody kiełbas typu salami”. Gospodarka Mięsna 56(6): 10-12.
• [3] 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.
• [4] DASIEWICZ K. 2013. Studia nad wykorzystaniem komputerowej analizy obrazu do szacowania jakości drobnego mięsa pozyskanego z dużych zwierząt rzeźnych. Warszawa: Wydawnictwo SGGW.
• [5] DASIEWICZ K., M. CHMIEL 2011. „Wykorzystanie komputerowych systemów wizyjnych w technologii żywności. Część I”. Postępy Techniki Przetwórstwa Spożywczego 21(1): 127-131.
• [6] DASIEWICZ K., M. CHMIEL 2011b. „Komputerowa analiza obrazu w technologii mięsa”. Magazyn Przemysłu Mięsnego (3-4): 40-42.
• [7] DASIEWICZ K., I. MIERZWINSKA 2006. „The use of a computer digital analysis for evaluating the quality pork trimmings”. Acta Scientiarum Polonorum. Technologia Alimentaria 5(2): 85-92.
• [8] 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.
• [9] DASIEWICZ K., M. SŁOWIŃSKI, A. PISULA, M. CHMIEL 2010. „Wpływ procesu mieszania drobnego mięsa wieprzowego na dokładność szacowania metodą komputerowej analizy obrazu zawartości tłuszczu i wybranych wyróżników jakości technologicznej”. Zeszyty Problemowe Postępów Nauk Rolniczych 552: 47-55.
• [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] GARRIGA M., T. AYMERICH 2007. „The Microbiology of Fermentation and Ripening”. W: Handbook of Fermented Meat and Poultry (red. Toldra F.). Blackwell Publishing: 125-135.
• [12] GÓRECKI T. 2011. „Podstawy statystyki z przykładami w R”. Legionowo: Wydawnictwo BTC: 306-324.
• [13] INCZE K. 1987. „Dry The technology and microbiology of Hungarian salami. Tradition and current status”. Fleischwirtschaft 67: 445–447.
• [14] KALINOWSKA-DOHOJDA A., T. BANASZKIEWICZ, A. TYBURCY 2011. „Charakterystyka wybranych czynników wpływających na jakość kiełbas surowych”. Gospodarka Mięsna 63(3): 16-20.
• [15] KOŁCZAK T., M. MARTYŃSKI 2008. „Jakość kiełbas salami na rynku krakowskim”. Gospodarka Mięsna 60(9): 8-12.
• [16] MAKAŁA H. 2008. „Rynkowe kiełbasy typu salami”. Gospodarka Mięsna 60(8): 20-26.
• [17] PN-A-04018:1975. Produkty rolniczo-żywnościowe - Oznaczanie azotu metodą Kjeldahla i przeliczanie na białko.
• [18] PN-A-82007:1996/Az1:1998. Przetwory mięsne - Wędliny.
• [19] PN-ISO 1442:2000. Mięso i przetwory mięsne – Oznaczanie zawartości wody.
• [20] PN-ISO 1444:2000. Mięso i przetwory mięsne – Oznaczanie zawartości tłuszczu wolnego.
• [21] PN-ISO 9297:1994. Jakość wody – Oznaczanie chlorków – Metoda miareczkowania azotanem srebra w obecności chromianu jako wskaźnika (Metoda Mohra).
• [22] PN-N-01252:1965. Liczbowe wyrażanie barw.
• [23] PYRCZ J. 2000. „Technologiczne uwarunkowania produkcji fermentowanych kiełbas surowych. Część I”. Gospodarka Mięsna 52 (4): 34-40.
• [24] SALWIN M. 2014. Wizualna ocena jakościowa mięsa przy użyciu metody k-najbliższych sąsiadów. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydział Zastosowań Informatyki i Matematyki.

Uwagi

PL

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