Компьютерное моделирование цвета мяса Текст научной статьи по специальности «Прочие технологии»

КРАТКИЕ СООБЩЕНИЯ

УДК 535.65, 637.052

Е. В. Горбунова, В. В. Коротаев, Е. А. Ластовская КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ЦВЕТА МЯСА

Предложена компьютерная модель, предназначенная для исследования влияния биохимических факторов, а также особенностей освещения на цвет мяса.

Ключевые слова: цвет, мясо, миоглобин, компьютерная модель.

В условиях развития технологий и увеличения объемов мирового производства продуктов питания все более актуальным является контроль их качества с целью обеспечения продовольственной безопасности, это утверждение относится, в том числе, к мясу и мясным продуктам.

Одним из информативных показателей свежести мяса является его цвет, который, в свою очередь, зависит от содержания основного пигмента — миоглобина — и его формы. Изменение цвета происходит в результате окисления миоглобина и превращения его в мет-миоглобин (форма, лишенная кислорода) и оксимиоглобин (форма, насыщенная кислородом) [см. лит.].

Авторским коллективом разработана компьютерная модель, позволяющая сымитировать цвет куска мяса при различном процентном содержании миоглобина, метмиоглобина и оксимиоглобина. При моделировании учитываются:

— рельефность поверхности образца мяса;

— возможные блики от поверхности анализируемого образца;

— изменения оптических свойств волокон мяса во времени;

— спектральная характеристика используемого источника освещения (расчет проводится для источников типа А, В, С, Е, белого люминесцентного светодиода и люминесцентной лампы).

В модели не учитываются изменения оптических свойств жировых и соединительных тканей.

В дальнейшем предполагается учесть также возможность смешивания ферментов и переналожения их спектров в различных пропорциях.

Представленная модель является основой для разработки гибких алгоритмов анализа параметров качества мяса в автоматическом режиме и создания соответствующих оптико-электронных систем контроля.

Работа выполнена при частичной государственной финансовой поддержке ведущих университетов Российской Федерации (Госзадание 2014/190).

Метод выделения препятствия для АСС безопасности автомобиля

65

литература

Мурашев С. В., Воробьев С. А. Моделирование цветовых переходов между формами миоглобина // Научный журнал НИУ ИТМО. Сер. Процессы и аппараты пищевых производств. 2011. № 2. С. 239—247.

Елена Васильевна Горбунова

Валерий Викторович Коротаев

Елена Александровна Ластовская

Сведения об авторах канд. техн. наук, доцент; Университет ИТМО, кафедра оптико-электронных приборов и систем, Санкт-Петербург; E-mail: [email protected]

д-р техн. наук, профессор; Университет ИТМО, кафедра оптико-электронных приборов и систем, Санкт-Петербург; заведующий кафедрой; E-mail: [email protected]

студент; Университет ИТМО, кафедра оптико-электронных приборов и систем, Санкт-Петербург; E-mail: [email protected]

Рекомендована кафедрой оптико-электронных приборов и систем

Поступила в редакцию 11.08.14 г.

УДК 681.786

В. В. Коротаев, Х. В. Нгуен, А. Н. Тимофеев, С. Н. Ярышев

МЕТОД ВЫДЕЛЕНИЯ ПРЕПЯТСТВИЯ ДЛЯ АКТИВНОЙ СТЕРЕОСКОПИЧЕСКОЙ СИСТЕМЫ БЕЗОПАСНОСТИ АВТОМОБИЛЯ

Разработан оригинальный алгоритм выделения препятствия на автомобильной дороге из облака пространственных точек, полученных активной стереоскопической системой. Предложен метод, основанный на анализе градиентов высоты. Алгоритм обработки результатов съемки реализован в среде Ма1ЬаЪ.

Ключевые слова: активная стереоскопическая система, облако точек, безопасность автомобиля, распознавание препятствий.

Системам безопасности движения автомобиля уделяется повышенное внимание. Одним из вариантов реализации может служить активная стереоскопическая система (АСС) [1]. Для ее успешной работы требуется решить задачу распознавания полотна дороги и препятствий, выделяемых из облака пространственных точек. Известные пассивные стереоскопические системы на основе полученных в стереопаре изображений выделяют объекты и определяют их положение в пространстве [2—5]. Отличительной особенностью активных стереоскопических систем является то, что они включают в себя лазер, с помощью которого пространство перед камерами сканируется путем перемещения луча в вертикальном направлении. В процессе обработки полученных кадров АСС создает пространственную картину, которая может быть представлена в виде облака пространственных точек. Существующие методы выделения объектов из облака пространственных точек [6—9] требуют больших вычислительных ресурсов, поэтому их применение затруднено.

Авторами предложен и разработан алгоритм выделения препятствия из облака пространственных точек. Поскольку на трехмерном изображении препятствия отличаются от дорожного полотна градиентом высоты объекта (т.е. скоростью ее нарастания), то задача алгоритма — выделить препятствия по градиенту О и принять решение исходя из его порогового значения

О = И / й,

где И — разница высот двух точек; й — расстояние между ними.