این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
فناوری های نوین غذایی، جلد ۲، شماره ۳، صفحات ۲۵-۴۱
عنوان فارسی برآورد میزان شاخص‌شمارش کلی میکروبی میگوی پرورشی (گونه وانامی) به کمک پردازش تصویر
چکیده فارسی مقاله افزایش میزان تولید و مصرف میگو اهمیت تازگی و کیفیت این محصول غذایی را برای صنعت میگو دو چندان کرده است. امروزه تعیین شاخص­های کیفی یکی از موضوع­های جدید و مورد علاقه­ی بسیاری از مهندسان صنایع غذایی و بیوسیستم است، زیرا دانستن میزان کیفیت مواد غذایی می­تواند اطلاعات بیش‌تری درباره­ی شرایط نگه‌داری و نظارت آن ارائه نماید. اهمیت مقوله پردازش تصاویر در کنترل کیفیت بدین جهت است که تعیین کیفیت مواد غذایی با هزینه کم‌تر و راحت‌تر می‌باشد و بدین ترتیب مواد غذایی از آسیب­های مکانیکی ناشی از آزمون­های شیمیایی مصون می­ماند. در این میان یکی از شاخص­های تازگی مواد غذایی به خصوص در آبزیان شمارش کلی میکروبی است. لذا در این مطالعه، سعی شده است مدلی برای پیش بینی مقادیر شمارش کلی میکروبی با کمک پردازش تصویر و شبکه­های عصبی مصنوعی برای میگوی (وانامی) در طی چهار مرحله نگه‌داری (روز اول، روز سوم، روزششم و روز نهم) با شرایط نگه‌داری مرسوم (دریخ و با صفر تا 2 درجه سانتی‌گراد) برآورد شود. پس از انتخاب بهترین شرایط نورپردازی، تصویر برداری به‌وسیله یک دوربین دیجیتال و در دو نمای بالا و کنار انجام گرفت. این تصاویر به رایانه انتقال داده شدند. سپس برای استخراج ویژگی­های تصویر از جعبه ابزار پردازش تصویر نرم افزار متلب استفاده شد. مقدار a* و b* بدست آمده از تصاویر بالا در طول نگه‌داری در سطح احتمال (p p
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimation of total microbial count by image processing in shrimp (Litopenaeus vannamei)
چکیده انگلیسی مقاله Increasing production and consumption of shrimp has redoubled the importance of the freshness and quality of this food product to shrimp industry. Nowadays, determination of quality indicators is new and favorite topic for Food and Biosystems Engineering because the awareness on the food quality level can give us more information about the storage and supervision conditions. The importance of image processing in quality control is due to the determination of food material quality is less expensive and more convenient, thereby the food materials are protected from the mechanical damages caused by chemical tests. Meanwhile, total microbial count is one the indicators of food freshness particular in seafood. Therefore, in this study, it was tried to estimate a model for the prediction of the total microbial count of cultured shrimp (Litopenaeus vannamei) using image processing coupled with artificial neural networks during four storage stages (0,3,6 and 9 days) with conventional storage conditions (at temperature of 2 oC, in ice). After choosing the best lighting conditions, image capturing using a digital camera in side and top views was done. The images transferred to the computer. Then, using the Image Processing Toolbox functions in MATLAB software, the features were extracted. The a* and b* values for top images linearly increased (p < 0.05). Comparing the results obtained from Duncans' test, it can be found that for the images taken from top view during shrimp storage, there exist a robust correlation among mean color change R, b* variance, V mean, Y mean, y mean, b* mean, and I mean with the total microbial count of shrimp. Therefore, the color and texture of the shrimp image parameters can be used as a nondestructive, cheap and easy method for the quick evaluation of total microbial count of shrimp in food industry and food quality control.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رضا گلی |
دانش آموخته کارشناسی ارشد، دانشگاه شهرکرد

مهدی قاسمی ورنامخواستی |
استادیار، دانشگاه شهرکرد

مریم میرزایی |
دانشجوی دکترا، دانشگاه شهرکرد

سید سعید محتسبی |
استاد، دانشگاه تهران

نشانی اینترنتی http://jift.irost.ir/article_127_b913c19ec1a4f7d920ab43823cda5d2a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1026/article-1026-580010.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات