Electrotechnical tools and computer image analysis in assessing the quality of maize grain during storage

• Autorzy: Szwedziak Katarzyna , Dolezal Petr , Tabor Sylwester , Ogrodniczek Jacek

Identyfikatory

DOI

10.2478/agriceng-2023-0016

Warianty tytułu

PL

Narzędzia elektrotechniczne i komputerowa analiza obrazu w ocenie jakości ziarna kukurydzy podczas przechowywania

• Języki publikacji: EN

Abstrakty

EN

The study of qualitative characteristics is becoming increasingly important due to determination of the purchase price and further use of seeds. An important problem of the modern sustainable agriculture is the production of seeds and products with appropriate quality parameters. The research carried out so far proves that the technology of harvesting, transport, and drying conditions as well as storage have an impact on the quality of seeds, determining their usefulness for the industry. The smallest irregularities can cause irreversible changes and significantly reduce the technological value of seeds and their processing products. The use of tools in the field of supporting electrical engineering enables detection and highlighting of image elements so that it becomes readable to the human eye. The aim of the research was to develop technology for evaluating grain in storage using electrotechnical tools and computer techniques.

PL

Badanie cech jakościowych nabiera coraz większego znaczenia ze względu na ustalanie ceny skupu oraz ze względu na dalsze wykorzystanie nasion. Ważnym problemem współczesnego rolnictwa zrównoważonego jest produkcja nasion i produktów o odpowiednich parametrach jakościowych. Z dotychczasowych badań wynika, że technologia zbioru, warunki transportu i suszenia oraz przechowywania mają wpływ na jakość nasion, decydując o ich przydatności dla przemysłu. Najmniejsze nieprawidłowości mogą spowodować nieodwracalne zmiany i znacznie obniżyć wartość technologiczną nasion i produktów ich przetworzenia. Wykorzystanie narzędzi z zakresu wspomagania elektrotechniki pozwala na wykrywanie i podkreślanie elementów obrazu tak, aby stał się on czytelny dla ludzkiego oka. Celem badań było opracowanie technologii oceny ziarna w magazynie z wykorzystaniem narzędzi elektrotechnicznych i technik komputerowych.

Słowa kluczowe

EN

quality analysis; grain warehouse; computer image analysis; electrical engineering

PL

analiza jakości; magazyn zboża; komputerowa analiza obrazu; elektrotechnika

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2023
• Tom: Vol. 27, No. 1
• Strony: 213--227
• Opis fizyczny: Bibliogr. 25 poz., rys., tab.

Twórcy

autor

Szwedziak Katarzyna

• Institute of Natural Science and Technology, Angelus Silesius Academy of Applied Sciences, Walbrzych, Poland

• https://orcid.org/0000-0003-1104-5143

autor

Dolezal Petr

• Department of Animal Nutrition and Forage Production (FA), Mendel University in Brno, Czech Republic

• https://orcid.org/0000-0001-8824-8374

autor

Tabor Sylwester

• Department of Production Engineering, Logistics and Applied Computer Science, Faculty of Production and Power Engineering, University of Agriculture in Kraków, Poland

• https://orcid.org/0000-0003-4614-0247

autor

Ogrodniczek Jacek

• Department of Machinery Exploitation and Management of Production Processes, University of Life Sciences in Lublin, Poland

• https://orcid.org/0000-0002-6484-2245

Bibliografia

• Abdullah, M. Z., Guan, L. C., Lim, K. C., & Karim, A. A. (2004). The applications of computer vision system and tomographic radar imaging for assessing physical properties of food. Journal of food engineering, 61(1), 125-135.
• Alexandratos, N. & Bruinsma, J. (2012). World Agriculture towards 2030/2050: the 2012 Revision. ESA Working Paper Rome. FAO.
• Białobrzewski, I. (2005). Wykorzystanie sieci neuronowej do estymacji wartości wilgotności względnej powietrza na podstawie wartości jego temperatury. Inżynieria Rolnicza, 1(61), 15-22.
• Białobrzewski, I., Markowski, M. & Bowszys, J. (2005). Symulacyjny model zmian pola temperatury w silosie zbożowym. Inżynieria Rolnicza, 8(60), 23-30.
• Broda, M., Grajek, W. (2009). Mikroflora ziaren zbóż i metody redukcji skażenia mikrobiologicznego. Zeszyty Problemowe Postępów Nauk Rolniczych, 2, 19-30.
• Chai, T. (2016). Industrial process control systems: research ststus and development direction. Scientia Sincia Informations, 46(8), 1003-1015.
• Du, C. J. & Sun, D.-W. (2005). Correlating shrinkage with yield, water content and texture of pork ham by computer vision. Journal of Food Process Engineering, 28, 219-232.
• Dworczak, M. & Szlasa, R. (2001). Wpływ innowacji na wzrost konkurencyjności przedsiębiorstw. Zarzadzanie innowacjami. Warszawa, PL: Oficyna Wydawnicza Politechniki Warszawskiej.
• Godfray, H. C. J., & Garnett, T. (2014). Food security and sustainable intensification. Philosophical transactions of the Royal Society B: biological sciences, 369(1639), 20120273.
• Gonzales-Barron, U., & Butler, F. (2006). Statistical and spectral texture analysis methods for discrimination of bread crumb images. In 13th World Congress of Food Science & Technology 2006 (pp. 164-164).
• Iqbal, A., Valous, N. A., Mendoza, F., Sun, D.-W. & Allen, P. (2010). Classification of pre-sliced pork and Turkey ham qualities based on image color and textural features and their relationships with consumer responses. Meat Science, 84, 455-465.
• Kręcidło, Ł., & Krzyśko-Łupicka, T. (2015). Sensitivity of molds isolated from warehouses of food production facility on selected essential oils. Ecological Engineering & Environmental Technology, 43, 100-108.
• Li, J., Liao, G., Ou, Z., & Jin, J. (2007, December). Rapeseed seeds classification by machine vision. In Workshop on Intelligent Information Technology Application (IITA 2007), pp. 222-226.
• Liu, Z. Y., Cheng, F., Ying, Y. B., & Rao, X. Q. (2005). Identification of rice seed varieties using neural network. Journal of Zhejiang University-Science B, 6(11), 1095-1100.
• Majumdar, S., Jayas, D, S. & Symons, S. J. (1999). Textural features for grain identification. Agricultural Engineering Journal, 8(4), 213-222.
• Manickavasagab, A., Sathya, G., Jayas, D.S. & White, N.D.G. (2008). Wheat class identification using monochrome images. Journal of Cereak Science, 47, 518-527.
• Mladenov, M., & Dejanov, M. (2004, June). Analysis of the possibilities for separator color and texture features. In Proceedings of the International Conference on Computer Systems and Technologies, Rousse, Bulgaria, pp. 17-18.
• Mohan, A. L., Jayas, D. S., White, N. D. G., & Karunakaran, C. (2004). Classification of bulk oilseeds, specialty seeds and pulses using their reflectance characteristics. In Proceedings of the International Quality Grain Conference, Indiana, USA, pp. 19-22.
• Qian, F., Zhong, W. & Du, W. (2017). Fundamental theories and key technologies for smart and optimal manufacturing in the process industry. Elsevier Engineering, 3(2), 154-160.
• Sànchez, A. J., Albarracin, W., Grau, R., Ricolfe, C. & Barat J. M. (2008). Control of ham salting by using image segmentation. Food Control, 19, 135-142.
• Szwedziak, K. (2019b). The use of vision techniques for the evaluation of selected quality parameters of maize grain during storage. E3S Web of Conference, 132, 01028.
• Szwedziak, K. (2019a). Artifical neutral networks and computer image analysis of selected quality parameters of pea seeds. E3S Web of Conference, 132, 01027.
• Tukiendorf, M. (2005). Zastosowanie sieci FBM w neuronowym modelowaniu mieszania dwuskładnikowych układów ziarnistych. Inżynieria Rolnicza, 9(14), 367-373.
• Tukiendorf, M., Szwedziak, K., & Sobkowicz, J. (2006). Określenie czystości ziarna konsumpcyjnego za pomocą komputerowej analizy obrazu. Inżynieria Rolnicza, 10, 519-525.
• Visen, N.S. Paliwal, J., Jayas, D.S. & White, N.D.G. (2004). Image analysis of bulk grain samples using neural networks. Canadian Biosystems Engineering, 46, 11-15.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).