CC BY-NC
30Программные системы и вычислительные методы
Правильная ссылка на статью:
Дамдинова Т.Ц., Никифорова А.П., Прудова Л.Ю., Бубеев И.Т. — Использование методов цифровой обработки изображений для определения влагосвязывающей способности мясных и рыбных продуктов. // Программные системы и вычислительные методы. - 2019. - № 3. DOI: 10.7256/2454-0714.2019.3.30646 URL: https;//nbpublish.com'library_read_article.php?id=30646
Использование методов цифровой обработки изображений для определения влагосвязывающей способности мясных и рыбных продуктов.
Даодинова Татьяна Цыбиковна
кандидат технических наук
доцент, Восточно-Сибирский государственный университет технологий и управления 670000, Россия, республика Бурятмя, г. Улан-Удэ, ул. Ключевская, 40 В
И dtatyanac@mail.ru Никифорова Анна Платоновна
кандидат технических наук
доцент, кафедра Стандартизация, метрология и управление качеством, Восточно-Сибирский
государственный университет технологий и управления
670013, Россия, Респ Бурятмя область, г. Улан-Удэ, уп. Ключевская, 40в
ЕЗ nikiforovaanya@mail.ru Прудова ГЬодмила Юрьевна
кандидат технических наук
доцент, кафедра Инженерная и компьютерная графика, Восточно-Сибирский государственный
университет технологий и управления
670013, Россия, Респ Бурятмя область, г. Улан-Удэ, уп. Ключевская, 40в
И prudova456@maii.ru
Бубеев 1/Ьннокектий Трофимович
кандидат технических наук
доцент, кафедра Инженерная и компьютерная графика, Восточно-Сибирский государственный
университет технологий и управления
670013, Россия, Респ Бурятмя область, г. Улан-Удэ, уп. Ключевская, 40в
И bubeev_it@maii.ru
Статья из рубрики "Компьютерная графика, обработка изображений и распознавание образов"
Аннотация.
В статье приводятся результаты определения влагосвязывающей способности и пластичности пищевых продуктов. От способности мяса и рыбы связывать влагу зависят многие показатели, в том числе сочность, нежность, выход готового продукта, потери при тепловой обработке, внешний вид. Объектами для проведения исследований служили омуль байкальский, свежий и соленый, мясо-говядина в размороженном состоянии. Оценка влагосвязывающей способности и пластичности объектов
исследования проводилась методом прессования. В работе представлены расчеты, выполненные с использованием традиционного метода и метода цифровой обработки цветных изображений. Цифровая обработка изображений выполнялась с помощью программы, разработанной авторами, в статье приведены рисунки и таблицы, полученные в ходе обработки изображений. Несомненным преимуществом программой обработки по сравнению с традиционным способом является значительное сокращение времени для обработки снимков и возможность за короткое время обработать большой объем данных. При создании необходимых условий съемки метод цифровой обработки изображений для определения влагосвязывающей способности и пластичности пищевых продуктов может быть успешно использован для лабораторных исследований при определении качества мясных и рыбных продуктов.
Ключевые слова: влагосвязывающая способность, пластичность, цифровая обработка изображений, цветовая модель RGB, метод прессования, методом Грау-Хамма, методы неразрушающего контроля, пиксель, беззольный фильтр, обработка данных
DOI:
10.7256/2454-0714.2019.3.30646
Дата направления в редакцию:
30-08-2019
Дата рецензирования:
29-08-2019
Дата публикации:
06-09-2019
Введение
Влагосвязывающая способность является важной характеристикой некоторых пищевых продуктов. Большое значение играет влагосвязывающая способность при производстве мясных и рыбных продуктов. От способности мяса и рыбы связывать влагу зависят многие показатели, в том числе сочность, нежность, выход готового продукта, потери
при тепловой обработке, внешний вид -Ш. Следует также принимать во внимание, что мясное и рыбное сырье неоднородно по своим характеристикам. В зависимости от определенных факторов качество готовых изделий может быть различным. В связи с этим, изучению функционально-технологических свойств мяса и рыбы, в том числе влагосвязывающей способности, уделяется особое внимание в работах российских и
зарубежных ученых [1-7]. Также важным показателем структурно-механических свойств мясных и рыбных продуктов является пластичность. Известно, что нежность продукта возрастает при увеличении пластичности.
Следует отметить, что существует несколько методов определения влагосвязывающей способности сырья, в том числе метод прессования, называемый «методом Грау-Хамма» [7], и метод центрифугирования. В результате анализа литературных источников можно
сделать вывод о том, что метод прессования при исследовании технологических свойств продуктов питания применяется чаще. С применением этого метода был выполнен ряд
научных исследований [2-5]. Пластичность продуктов также определяется с помощью метода прессования. Оценка пластичности с использованием данного метода проводилась при проведении многих исследований [8-10].
Механизм реализации метода подробно описан в работе В соответствии с этим
источником при использовании метода прессования образец измельченной мышечной тканимяса или рыбывесом 0,3 грамма помещается на беззольный фильтр между стеклянными пластинами, затем на пластины с образцом устанавливается груз массой 1 кг на 10 минут. После этого очерчивают контур пятна вокруг спрессованного образца, контур влажного пятна вырисовывается сам при высыхании фильтровальной бумаги на воздухе.
Экспериментально установлено, что 1 см2 площади влажного пятна фильтра соответствует 8,4 мг воды.Массовая доля связанной влаги определяется по формулам:
где х1 - массовая доля связанной влаги в образце, % к массе образца, взятого, для исследования;
х2 - то же, % к общей влаге; М - общая масса влаги в навеске, мг;
S - площадь пятна, образованного адсорбированной влагой, см2; т0 - масса навески мяса, мг.
Параметр S определяется как разность между общей площадью пятна и площадью пятна, образованного мясом/рыбой.
Пластичность образца определяется по площади внутреннего пятна, образованного прессованным образцом мяса/рыбы.
В последнее время с развитием средств получения качественных снимков во многих
научных исследованиях используются методы обработки цифровых изображений [12-14]. Аппарат методов обработки изображений разработан достаточно хорошо, имеется множество алгоритмов и программ обработки снимков, которые работают в различных
сферах [15, 16]. В промышленности это направление широко используются в системах автоматизированного проектирования, для автоматизации процессов бесконтактного контроля геометрических размеров, поиска и обнаружения самых разнообразных дефектов продукции бесконтактным способом, позволяют полностью автоматизировать контроль сборки деталей в процессе производства, контроль качества готовой продукции. Обработка снимков широко используется в медицине, в системах мониторинга за различными процессами, в системах защиты информации и т.д. Также обработку изображений можно использовать для используется для проведения лабораторных исследований.
В данной статье описывается применение традиционного способа и методов цифровой обработки цифровых изображений для определении влагосвязывающей способности и
пластичности мяса и рыбы.
Объекты и методы исследования
Объектами для проведения исследований служили: омуль байкальский, свежий и соленый, мясо-говядина в размороженном состоянии. Образцы рыбы для проведения исследований были получены на рыбоперерабатывающих предприятиях Республики Бурятия (АО «Нижнеангарский рыбозавод», СПК «Кабанский рыбозавод»). Соленая рыба была произведена в лабораторных условиях в лаборатории кафедры «Стандартизация, метрология и управление качеством» ФГБОУ ВО «Восточно-Сибирский государственный университет технологий и управления».
Образцы мяса в охлажденном состоянии были приобретены на одном из рынков города Улан-Удэ. Затем мясо было заморожено при температуре -30 °С. Перед проведением экспериментальных исследований мясо было разморожено при температуре (2-4) °С.
Исследования влагосвязывающей способности проводились методом прессования по методике, приведенной в работе Антиповой Л.В. и др. При этом обработка полученных данных проводилась двумя различными способами: вручную при использовании миллиметровой бумаги и при использовании программы «Определение цветов на
цифровом изображении» ^^^
При использовании первого способа полученные при исследовании пятна переносили на миллиметровую бумагу, с помощью которой подсчитывали их площади.
Для реализации второго способа были сделаны снимки пятен на беззольных фильтрах. Рядом с изображением пятен устанавливали концевую меру длины плоскопараллельную по ГОСТ 9038-90 1-го класса точности, которая служила эталоном, с помощью которого впоследствии оценивали площади пятен. Фотосъемка образцов мяса (рыбы)проводилась при помощи цифровой зеркальной камеры Canon EOS 1100D с объективом EF-S Kit 18-55 IS II. Фотосъемка объектов исследований проводилась на контрастном фоне, при дневном свете в утренние часы, при этом источник света был расположен под углом, равным примерно 45°, а фотоаппарат был направлен перпендикулярно поверхности образца. Освещение и рабочая зона при проведении фотосъемки соответствовали требованиям стандарта ГОСТ ISO 11037-2013.
Статистическая обработка полученных в результате экспериментальных исследований данных проводилась при использовании программы Microsoft Excel 2010. Для оценки значимости различий выборочных средних применяли критерий Стьюдента. Также проводили оценку коэффициентов корреляции между значениями, полученными с использованием различных методов.
Результаты
В соответствии с описанием метода определения влагосвязывающей способности прессованием обработка данных проводится планиметром. Как правило, для подсчета площади полученных пятен применяют миллиметровую бумагу, на которую переносят изображение (рис.1).
Далее вычисляется количество квадратных миллиметров, занятых каждым пятном. Дальнейшие расчеты ведутся по формулам (1) и (2).
Рисунок 1 - Вычисление площадей пятен для определении влагосвязывающей способности методом прессования с помощью миллиметровой бумаги
Цветовое пространство модели RGB представляется в виде куба. Каждый цвет в этом кубе задается точкой и определяется как комбинация трех основных цветов: красного, зеленого и синего. Яркость основных цветов изменяется в диапазоне 0-255 от черного цвета до ярко красного/зеленого/синего. Общее количество цветовых оттенков превышает 16 млн. цветов. Поэтому при разработке программы было выполнено деление цветового куба на части для уменьшения количества цветовых оттенков. Предварительные исследования показали, что для проводимых исследований достаточно делить стороны на части от 2 до 6, что позволяет определять на изображение 8, 27, 64, 125, 256 цветов. На рисунке 2 в представлено деление одной составляющей куба на 4 части, что дает 64 цвета.
а| Основные ивета модели RGB б) Цветовой куб в) Градация цветов
Рисунок 2 - Палитра цветов модели RGB
В результате фотосъемки были получены цифровые изображения, аналогичные представленным на рисунке 3. На некоторых изображениях, полученных при исследовании рыбных продуктов, отсутствовало пятно, образованное адсорбированной влагой, было только пятно, образованное рыбой. Это обусловлено высокой влагосвязывающей способностью объекта исследования (рис.4).
Рисунок 3 - Снимок образцов мясной продукции
Рисунок 4 - Снимки образцов рыбной продукции
При программной обработке снимка устанавливалось количество градаций цветов равное 2 или 3, так как количество цветовых оттенков на изображении было небольшое, то есть на изображении определялось 8 и 27 оттенков соответственно. В программе в цветовом столбце выбирался цвет пикселей, которые необходимо выделить на изображении. Для перевода пикселей в миллиметры устанавливалась концевая мера длиныс размером равным 20 мм. (Рис.5). Далее определяется количество пикселей выделенных цветов иотображает их в виде гистограммы (Рис.6). В программе реализовано сохранение данных гистограммы в формате таблицы Excel. На основе этих данных с использованием концевой меры длины были вычислены площади пятен в пикселях и миллиметрах. По формулам (1) и (2) вычислена влагосвязывающая способность. По первой формуле влагосвязывающая способность вычисляется в процентах к массе образца, по второй - в процентах к общей влаге. Для сравнения методов в таблице с результатами приведены данные, вычисленные по формуле (1)
{
Рисунок 5 - Выделение границ пятен в программе
Рисунок - 6. Результат работы программы
В результате проведенных исследований были получены следующие данные, пре дс та в ле нные в та б лице .
Таблица - Сравнение методов обработки данных при определении влагосвязывающей способности (ВСС) и пластичности
С помощью миллиметровой бумаги С помощью метода цифровой обра изображений
Номер образца Площадь большого Пло ща дь малого ВСС, % Пластичность, Площа дь большого П л о ща дь малого ВСС, % Пла с ти
пятна (мм2) пятна (мм2) х1 м2 /кг пятна (пикс.) пятна (пикс.) х 1 м2
мясо
1. 848 158 55,68 0,53 7582 1985 51,57 0,
2. 961 153 52,38 0,51 8208 1718 49,63 0,
3. 900 165 54,42 0,55 7434 1694 52,03 0,
4 936 1 72 53 61 0 57 7991 2006 50 30 0
Рыба
1. 662 389 63,36 1,30 15829 12622 61,09 1,
2. 696 236 58,12 0,79 19366 14739 56,70 1,
3. 730 295 58,82 0,98 15576 10923 56,62 1,
4. - 507 62,14 1,69 17275 22,95 5,
5. - 460 63,45 1,53 18817 18,18 6,
6. - 467 63,26 1,56 17441 22,43 5,
7. - 426 64,41 1,42 15988 26,92 4,
8. - 410 64,85 1,37 13650 34,15 6,
9. - 428 64,35 1,43 18766 18,34 1,
Анализ полученных данных показывает, что влагосвязывающая способность мясных продуктов, вычисленная методом прессования, находится в диапазоне 54,03±1,65, методом цифровой обработки в диапазоне 50,83±1,20. Что касается данных по образцам рыбной продукции, влагосвязывающая способность по методу прессования имеет диапазон 61,49±3,36. Программное определение влагосвязывающей способности показало, что для образцов изображений, имеющих два пятна показатель влагосвязывающей способности имеет значение 58,86±2,24, для изображений с одним пятном этот метод не подходит, - вычисленные значения находятся в диапазоне 26,17±7,99. Коэффициент корреляции вычисленного показателя влагосвязывающей способности по образцам данных с двумя пятнами равен 0,98.
На основе представленных данных можно сделать вывод о том, что имеется корреляция между значениями площадей полученных пятен, влагосвязывающей способности и пластичности мясных и рыбных продуктов, вычисленной различными методами. Это свидетельствует о том, что цифровой метод может применяться для обработки данных при вычислении влагосвязывающей способности.
Заключение
В работе была проведена оценка возможности использования программы «Определение цветов на цифровом изображении» для обработки данных при определении влагосвязывающей способности мясных и рыбных продуктов методом прессования.
Установлено, что цифровая обработка может применяться при обработке данных, полученных при определении влагосвязывающей способности методом прессования. Это позволит существенно упростить процесс обработки данных, снизить трудоемкость вычисления площадей полученных пятен. Несомненным преимуществом программой обработки по сравнению с традиционным способом является значительное сокращение времени для обработки снимков и возможность за короткое время обработать большой объем данных.
В то же время метод имеет ряд недостатков. Для метода, основанного на цифровой обработке изображений, требуются определенные условия для проведения фотосъемки (правильно падающий свет, отсутствие тени от объекта). Однако рабочее место исследователя, созданное один раз может быть использовано многократно. Таким образом, при создании необходимых условий съемки метод цифровой обработки изображений для определения влагосвязывающей способности и пластичности пищевых продуктов может быть успешно использован для лабораторных исследований, что существенно позволит увеличить скорость и объемы обработки данных.
Библиография
1. Жеребилов Н.И., Кибкало Л.И., Казначеева И.А., Гончарова Н.А., Ткачёва Н.И. Влагосвязывающая способность мяса // Вестник Курской государственной сельскохозяйственной академии. 2011. №6. с.60-61. URL:
https ://cyberleninka.ru/article/n/vlagosvyazyvayuschaya-sposobnost-myasa (дата обращения: 13.11.2018).
2. Габдукаева Л.З., Никитина Е.В., Решетник О.А. Влияние ферментно модифицированных крахмалов на функционально-технологические и физико-химические свойства мясных рубленых изделий пониженной жирности // Вестник Казанского технологического университета. 2014. №20. с.159-162.
3. Сафронова Т. Н., Евтухова О. М. Технологии рыбных рубленых полуфабрикатов с использованием порошка из пророщенного зерна пшеницы для питания школьников // Вестник КрасГАУ. 2014. №1.с.161-164
4. Смородин А. В., Мирошникова Е. П. Особенности автолитических процессов мышечной ткани животных различных пород // Вестник ОГУ. 2010. №2 (108).с.134-136.
5. Цикин С.С., Родина Н.Д., Сергеева Е.Ю. Изучение свойств мясного сырья нетрадиционных видов животных с аномальным характером автолиза // Вестник ОрелГАУ. 2017. №3 (66).с.158-163.
6. Tomovic, V., Zlender, B., Jokanovic, M., Tomovic, M., Sojic, B., Skaljac, S., Tasic, T., Ikonic, P., Soso, M., &Hromis, N. (2014). Technological quality and composition of the M. semimembranosus and M. longissimus dorsi from Large White and Landrace Pigs. Agricultural and Food Science, 23(1), p.9-18. https://doi.org/10.23986/afsci.8577
7. Grau R, Hamm R, Baumann A. Water-binding capacity of dead mammal muscle. I. Effect of ph value on water-binding capacity of crushed cattle muscle. Biochem Z. 1953;325(1):p.1-11
8. Криштафович В. И., Коснырева Л. М., Смольскии Н. Т., Горбатов А. В., Косой В. Д. Структурно-механические свойства мяса и колбасных изделий при повышенных значениях pH // Известия ВУЗов. Пищевая технология. 1990. №1. с. 30-31.
9. Баженова Б. А., Колесникова Н. В., Вторушина И. А., Амагзаева Г. Н. Особенности технологических свойств мяса яков бурятского экотипа // Все о мясе. 2012. №3. с.18-20.
10. Джамакеева А.Д., Мураталиева М.Н. Исследование влияния экстракта из листьев инжира, входящего в состав многокомпонентного рассола, на прочностные свойства мяса // Известия Кыргызского государственного технического университета им. И.Раззакова. 2014. № 32-1. с. 237-242.
11. Антипова Л.В., Глотова И.А., Рогов И.А. Методы исследования мяса и мясных продуктов. - М.: Колос, 2001. - 376 с.
12. Горбунова И.А. Применение объективных инструментальных методов для оценки нежности и мраморности мяса // Все о мясе. 2012. №3. с.52-54.
13. Никифорова А.П., Дамдинова Т.Ц. Оценка качества мясных продуктов методом цифровой обработки изображений // Контроль качества продукции. 2019. № 3. с.32-38.
14. Никифорова А.П., Дамдинова Т.Ц., Столярова А.С. Изучение органолептических свойств рыбных продуктов с применением методов цифровой обработки изображений // Вестник ВСГУТУ. 2018. № 4 (71). с.135-142.
15. Гонсалес Р. Цифровая обработка изображений. /Р. Гонсалес, Р. Вудс, Москва: Техносфера, 2005,1072с.
16. Jahne Bernd, Haussecker Horst., Computer Vision and Applications. A Guide for
Students and Practitioners - Academic Press, 2000 — 702 p. 17. Дамдинова Т.Ц., Жимбуева Л.Д. Определение цветов на цифровом изображении // Свидетельство об официальной регистрации программы для ЭВМ №2014660764, опубл. 10.12.2014 г. (Роспатент).
