СИСТЕМА КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ ИЗМЕРЕНИЯ ЦВЕТОВЫХ ПАРАМЕТРОВ МЯСА И МЯСНЫХ ПРОДУКТОВ: ОБЗОР


https://doi.org/10.21323/2414-438X-2018-3-4-4-15

Полный текст:


Аннотация

Способность системы компьютерного зрения (системы CVS) оценивать параметры цвета мяса и мясных продуктов исследовалась посредством сравнения с измерениями, производимыми традиционным колориметром. В результате статистического анализа были выявлены существенные различия между системой CVS и колориметром в отношении полученных с помощью этих приборов значений всех трех параметров (L*, a*, b*). Во всех испытаниях (100 %) CVS-сгенерированные значения цвета были ближе к параметрам образцов мясных продуктов, отображаемых на мониторе, по сравнению со значениями цвета, полученными с помощью колориметра. Использование системы CVS следует рассматривать как превосходную альтернативу традиционному методу измерения цвета мяса и мясных продуктов.


Об авторе

И. Б. Томашевич
Белградский университет, Белград
Сербия и Черногория

Томашевич Игор Бронислав - доцент, кафедра технологии продуктов питания животных, Факультет сельского хозяйства

11080, Сербия, Белград, ул. Неманьина, 6
Тел.: +7–38–160–429–99–98



Список литературы

1. Mancini, R. A., Hunt, M. C. (2005). Current research in meat color. Meat Science, 71 (1), 100–121.

2. Font-i-Furnols, M., Guerrero, L. (2014). Consumer preference, behavior and perception about meat and meat products: An over- view. Meat Science, 98(3), 361–371.

3. Wideman, N., O’Bryan, C., Crandall, P. (2016). Factors affecting poultry meat colour and consumer preferences-A review. World’s Poultry Science Journal, 72(2), 353–366.

4. Kang, S., East, A., Trujillo, F. (2008). Colour vision system evaluation of bicolour fruit: A case study with ‘B74’mango. Postharvest Biology and Technology, 49 (1), 77–85.

5. Girolami, A., Napolitano, F., Faraone, D., Braghieri, A. (2013). Measurement of meat color using a computer vision system. Meat Science, 93(1), 111–118.

6. Wang, Q., Wang, H., Xie, L., Zhang, Q. (2012). Outdoor color rating of sweet cherries using computer vision. Computers and Electronics in Agriculture, 87, 113–120.

7. Issac, A., Dutta, M. K., Sarkar, B. (2017). Computer vision based method for quality and freshness check for fish from segmented gills. Computers and Electronics in Agriculture, 139, 10–21.

8. Wan, P., Toudeshki, A., Tan, H., Ehsani, R. (2018). A methodology for fresh tomato maturity detection using computer vision. Computers and Electronics in Agriculture, 146, 43–50.

9. Heinz, G., Hautzinger, P. (2007). Meat processing technology for small-to medium-scale producers (RAP publication 2007/20 ed.). Bangkok: Food and Agriculture Organization of the United Nations (FAO).

10. Tomasevic, I., Tomovic, V., Milovanovic, B., Lorenzo, J. M., Đorđević, V., Karabasil, N., Djekic, I. (2019). Comparison of a computer vision system vs. traditional colorimeter for color evaluation of meat products with various physical properties. Meat Science, 148, 5–12

11. Fernández-Vázquez, R., Stinco, C. M., Hernanz, D., Heredia, F. J., Vicario, I. M. (2013). Colour training and colour differences thresholds in orange juice. Food Quality and Preference,30 (2), 320–327.

12. Mokrzycki, W. S., Tatol, M. (2011). Color difference ΔE — a survey. Machine Graphics and Vision, 20 (4), 383–411.

13. Tomasevic, I., Tomovic, V., Milovanovic, B., Lorenzo, J. M., Pighin, D., Natsasijevic, I., Stajic. S., Djekic, I. (2018). Evaluation of poultry meat colour using computer vision system and colourimeter — is there a difference? British Food Journal — Accepted manuscript.

14. Larraín, R., Schaefer, D., Reed, J. (2008). Use of digital images to estimate CIE color coordinates of beef. Food Research International, 41(4), 380–385.

15. Brainard, D. H. (2003). Color appearance and color difference specification. The science of color, 2, 191–216.

16. Daszkiewicz, T., Kondratowicz, J., Koba-Kowalczyk, M. (2011). Changes in the quality of meat from roe deer (Capreolus capreolus L.) bucks during cold storage under vacuum and modified atmosphere. Polish Journal of Veterinary Sciences, 14(3), 459–466.

17. Volpelli, L. A., Valusso, R., Piasentier, E. (2002). Carcass quality in male fallow deer (Dama dama): effects of age and supplementary feeding. Meat Science, 60(4), 427–432.

18. Tomasevic, I., Tomovic, V., Milovanovic, B., Vasilev, D., Jokanovic, M., Šojić, B., Lorenzo. M, Djekic, I. (2018). How the color of game meat should be measured: computer vision system vs. colorimeter. Fleischwirtschaft — Accepted manuscript.

19. Vargas-Sánchez, R. D., Torrescano-Urrutia, G. R., Ibarra-Arias, F. J., Portillo-Loera, J. J., Ríos-Rincón, F. G., Sánchez-Escalante, A. (2018). Effect of dietary supplementation with Pleurotus ostreatus on growth performance and meat quality of Japanese quail. Livestock Science, 207, 117–125.

20. Valous, N. A., Mendoza, F., Sun, D. — W., Allen, P. (2009). Colour calibration of a laboratory computer vision system for quality evaluation of pre-sliced hams. Meat science,81 (1), 132–141.

21. Ramirez-Navas, J. S., Rodriguez de Stouvenel, A. (2012). Characterization of Colombian quesillo cheese by spectrocolorimetry. Vitae, 19(2), 178–185.

22. Girolami, A., Napolitano, F., Faraone, D., Di Bello, G., Braghieri, A. (2014). Image analysis with the computer vision system and the consumer test in evaluating the appearance of Lucanian dry sausage. Meat science, 96 (1), 610–616.

23. Oleari, C. (1998). Misurare il colore: spettrofotometria, fotometria e colorimetria: fisiologia e percezione: Hoepli.


Дополнительные файлы

Для цитирования: Томашевич И.Б. СИСТЕМА КОМПЬЮТЕРНОГО ЗРЕНИЯ ДЛЯ ИЗМЕРЕНИЯ ЦВЕТОВЫХ ПАРАМЕТРОВ МЯСА И МЯСНЫХ ПРОДУКТОВ: ОБЗОР. Теория и практика переработки мяса. 2018;3(4):4-15. https://doi.org/10.21323/2414-438X-2018-3-4-4-15

For citation: Tomasevic I.B. COMPUTER VISION SYSTEM FOR COLOR MEASUREMENTS OF MEAT AND MEAT PRODUCTS: A REVIEW. Theory and practice of meat processing. 2018;3(4):4-15. (In Russ.) https://doi.org/10.21323/2414-438X-2018-3-4-4-15

Просмотров: 124

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2414-438X (Print)
ISSN 2414-441X (Online)