Application of hyperspectral imaging for cultivar discrimination of malting barley grains

• Autorzy: Zapotoczny P. , Ropelewska E

Identyfikatory

DOI

10.1515/agriceng-2016-0058

Warianty tytułu

PL

Zastosowanie obrazowania hiperspektralnego do dyskryminacji odmianowej ziaren jęczmienia browarnego

• Języki publikacji: EN

Abstrakty

EN

The aim of this study was to perform and evaluate the accuracy of classification of grains of different cultivars of malting barley. The grains of eight cultivars: Blask, Bor do, Con chita, Kormoran, Mercada, Serwal, Signora, Victoriana, with three moisture content: 12, 14, 16% were examined. The selected parameters of the surface texture of grain mass obtained from images taken using the techniques of hyperspectral imaging were determined. The accuracy of grains discrimination carried out using different methods of selection and classification of data was compared. The pairwise comparison and comparison of three, four and eight cultivars of malting barley were carried out. The most accurate discrimination was determined in the case of the pairwise comparison. Victoriana cultivar was the most different from the others. The most similar texture of grain mass was found in the comparison of cultivars: Blask and Mercada. In the case of eight examined cultivars of malting barley, the most accurate discrimination (classification error – 55%) was obtained for images taken at the moisture content of 14% and at a wavelength of 750 nm, for the attributes selection performed with the use of probability of error and average correlation coefficient (POE+ACC) method and the discrimination carried out using the linear discriminant analysis (LDA).

PL

Celem pracy było przeprowadzenie i ocena poprawności klasyfikacji ziaren należących do różnych odmian jęczmienia browarnego. Przebadano ziarna 8 odmian: Blask, Bordo, Conchita, Kormoran, Mercada, Serwal, Signora, Victoriana, o trzech poziomach wilgotności: 12, 14, 16%. Oznaczono wybrane parametry tekstury powierzchni ziarna w masie uzyskane ze zdjęć wykonanych przy użyciu technik obrazowania hiperspektralnego. Porównano dokładność dyskryminacji ziaren przeprowadzonej przy użyciu różnych metod selekcji i klasyfikacji danych. Dokonano porównania parami oraz porównania trzech, czterech i ośmiu odmian jęczmienia browarnego. Najbardziej dokładną dyskryminację stwierdzono w przypadku porównania parami. Odmiana Victoriana najbardziej odróżniała się od innych. Najbardziej podobną teksturę ziaren w masie stwierdzono w przypadku porównania odmian: Blask i Mercada. W przypadku ośmiu badanych odmian jęczmienia browarnego, najdokładniejszą dyskryminację (błąd klasyfikacji ‒ 55%) uzyskano dla obrazów wykonanych przy wilgotności 14% i długości fali 750 nm, dla selekcji atrybutów wykonanej z wykorzystaniem prawdopodobieństwa błędu klasyfikacji z uśrednionym współczynnikiem korelacji (POE + ACC) oraz dyskryminacji przeprowadzonej za pomocą liniowej analizy dyskryminacyjnej (LDA).

Słowa kluczowe

EN

spring malting barley; grain mass; attributes selection; multidimensional analysis; classification error

PL

jęczmień jary; jęczmień browarny; masa ziarna; selekcja atrybutów; analiza wielowymiarowa; błąd klasyfikacji

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2016
• Tom: Vol. 20, No. 3
• Strony: 207--217
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., zdj.

Twórcy

autor

Zapotoczny P.

• Department of Systems Engineering, Faculty of Engineering, University of Warmia and Mazury in Olsztyn

autor

Ropelewska E

• Department of Systems Engineering, Faculty of Engineering, University of Warmia and Mazury in Olsztyn

Bibliografia

• Gowen, A.A., O’Donnella, C.P., Cullen, P.J., Downey, G., Frias, J.M. (2007). Hyperspectral imaging - an emerging process analytical tool for food quality and safety control. Trends in Food Science and Technology, 18, 590-598.
• Huang, H., Liu, L., Ngadi, M.O. (2014). Recent Developments in Hyperspectral Imaging for Assessment of Food Quality and Safety. Sensors, 14, 7248-7276.
• Jakubczyk, T., Haber, T. (1981). Analiza zbóż i przetworów zbożowych. SGGW-AR, Warszawa.
• Mahesh, S., Manickavasagan, A., Jayas, D.S., Paliwal, J., White, N.D.G. (2008). Feasibility of nearinfrared hyperspectral imaging to differentiate Canadian wheat classes. Biosystems Engineering, 10, 50-57.
• Pierna, J.A.F., Vermeulen, P., Amand, O., Tossens, A., Dardenne, P., Baeten, V. (2012). NIR hyperspectral imaging spectroscopy and chemometrics for the detection of undesirable substances in food and feed. Chemometrics and Intelligent Laboratory Systems, 117, 233-239.
• PN-EN ISO 712:2012. Ziarno zbóż i przetwory zbożowe - Oznaczanie wilgotności - Metoda odwoławcza.
• Shahin, M.A., Symons, S.J. (2011). Detection of Fusarium damaged kernels in Canada Western Red Spring wheat using visible/near-infrared hyperspectral imaging and principal component analysis. Computers and Electronics in Agriculture, 75, 107-112.
• Sun, D.W. (2010). Hyperspectral Imaging for Food Quality Analysis and Control. Academic Press/Elsevier, San Diego, California, USA.
• Wallays C., Missotten B., De Baerdemaeker J., Saeys W. (2009). Hyperspectral waveband selection for on-line measurement of grain cleanness. Biosystems Engineering, 104, 1-7.
• Williams, P.J., Geladi, P., Britz, T.J., Manley, M. (2012). Investigation of fungal development in maize kernels using NIR hyperspectral imaging and multivariate data analysis. Journal of Cereal Science, 55, 272-278.
• Zapotoczny, P. (2009). Dyskryminacja odmian ziarna pszenicy na podstawie cech geometrycznych. Agricultural Engineering, 5(114), 319-328.

Uwagi

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