CC BY
36
Показано, что ^ независимо от вида контура поперечного сечения с ростом частоты увеличивается амплитуда диаграммы рассеяния и подавляется главный ее лепесток; чем больше число листов в контуре много-листника, тем больше амплитуда боковых лепестков диаграммы рассеяния; ^ при рассеянии наносекундных импульсов из-за поведения диаграммы рассеяния на больших частотах главный лепесток практически подавляется; ^ подтверждено, что наносекундные импульсы гауссовой формы предпочтительны по сравнению с импульсами прямоугольной формы.
Список литературы:
1. Будагян И.Ф., Полянинов П.А. Моделирование процессов рассеяния сверхширокополосных сигналов на проводящем цилиндре с разной формой поперечного сечения методом вспомогательных токов // Вестник МИРЭА, №1(2), 2007. - с.56.
2. Будагян И.Ф., Крючков Д.И., Щучкин Г.Г. Моделирование в MATLAB процессов дифракции гармонических сигналов и сверхкоротких импульсов на идеально проводящем цилиндре с контуром поперечного сечения в виде эллипса и многолистника // Труды НТК «Научное программное обеспечение в образовании и научных исследованиях» 30-31 января 2008 года. - СПб.: Издательство политехнического университета, 2008. - с.244-248.
3. Будагян И.Ф., Щучкин Г.Г., Ганжела К.А., Крючков Д.И., Сергеев А.Д., Белов М.С. Мультимедийный программно-методический комплекс «Исследование волновых процессов при распространении и дифракции радиоволн». Свидетельство об отраслевой регистрации разработки в фонде алгоритмов и программ N° 9770 от 17.01.2008. Государственная регистрация разработки в «Национальном информационном фонде неопубликованных документов» № 50200800187 от 29.01.2008.
СОВРЕМЕННЫЕ МЕТОДЫ ПРОВЕДЕНИЯ ГРАНУЛОМЕТРИЧЕСКОГО
АНАЛИЗА ЗЕРНОПРОДУКТОВ
Федотов Виталий Анатольевич
Канд. техн. наук, ст. преподаватель кафедры технологии пищевых производств, г. Оренбург
Курносова Анна Геннадьевна Воякина Ксения Викторовна Овчинникова Мария Сергеевна
На сегодняшний день для оценки потребительских свойств зернопродуктов руководствуются в основном стандартизированными ГОСТ показателями качества. Однако даже комплексный учет этих показателей ввиду недостаточной своей информативности не может однозначно охарактеризовать технологические достоинства зерна, влияющие на качество производимой из него продукции.
На зерноперерабатывающих предприятиях в России для оценки структурно-механических свойств пшеницы используется показатель стекловидности, который обычно тесно связывают с его химическим составом, мукомольными и хлебопекарными свойствами [1, с. 52]. В тоже время практика работы мукомольной промышленности показывает, что показатель стекловидности является
лабильным - при одинаковой стекловидности зерна разные сорта пшеницы характеризуются различными технологическими свойствами [2, с. 87].
Твердозерность является особым показателем структурно-механических свойств зерна, тесно связана с особенностями измельчения эндосперма, представляет собой показатель, комплексно отражающий особенности микроструктуры эндосперма. Оценку твердозерности осуществляют различным образом. Наиболее популярными и широко используемыми являются методы, основанные на анализе гранулометрического состава муки. Дело в том, что при помоле твердозерной пшеницы образуется более крупные и более выровненные по размерам частицы, чем при помоле мягкозерной пшеницы. С помощью данных методов рассчитывают условный средний диаметр частиц
муки, или же находят содержание частиц определенной фракции крупности - индекс размера частиц: количество прохода сита № 0071 муки 70 % выхода мельниц МЛУ-202 [3, с. 118]. Однако данный метод оценивает размер частиц только одним параметром - проходимостью через сито с фиксированным размером отверстий, отсюда низкая точность определения. Принятый в России для оценки муки показатель крупности помола также практически не позволяет идентифицировать различия в ее структурных особенностях [4, с. 52].
Одним из перспективных методов оценки твердо-зерности является гранулометрический анализ. Гранулометрический состав муки - один из наименее изученных показателей ее качества, поскольку его измерение сопряжено с трудностями применения прямых методов измерения, а также с отсутствием однозначных критериев оценки формы частиц муки [5, с. 12]. Наиболее точным методом определения характеристик частиц муки является микроскопический метод, который позволяет получить количественную оценку не только размеров частиц, но и их формы. Интенсивное развитие компьютерных технологий позволило для проведения микроскопических исследований дисперсных материалов задействовать информационные технологии, тем самым снизив трудоемкость анализа и максимально автоматизируя весь процесс исследований.
Для проведения гранулометрического анализа получали микроснимки размола зерна с помощью оптического микроскопирования на микроскопе Биолам. Анализ полученных изображений осуществляли с помощью выбранного программного обеспечения: Open Source Computer Vision Library - библиотеки алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом. В качестве программной среды для разработки компьютерного приложения задействован Borland C++Builder [6, с. 120]. На разработанную программное средство получено свидетельство о государственной регистрации программы для ЭВМ № 2011610605 «Программное обеспечение для
прогнозирования технологических качеств пшеницы на основе данных гранулометрического анализа». Разработанная методика определения показателей технологических качеств пшеницы отражена в способе определения хлебопекарных качеств зерна пшеницы (патент .№2433398 от 10.11.2011), способе определения твердозерности пшеницы (патент №2442132 от 10.02.2012).
Алгоритм анализа микрофотографий заключался в следующих действиях:
- обработка изображения (сглаживание, фильтрация помех);
- обнаружение объектов - частиц муки, построение и прорисовка замкнутых контуров этих объектов (контурный анализ);
- нахождение центра тяжести каждой получившейся фигуры, ограниченной контуром (аппроксимация контура полигонами);
- проведение большого количества отрезков из центра тяжести фигуры к контуру объекта во все стороны;
- определение периметра и площади частицы, среднеарифметическое значение длин получившихся отрезков и коэффициент вариации длин получившихся отрезков - коэффициент неровности частицы;
- вычисление среднестатистических значений для всех частиц изображения.
Для работы данной методики на предприятии реализована возможность доступа к получаемой информации из любой точки локальной сети, за счет удаленного хранения ее в базе данных (рисунок 1).
Автоматическое измерительное устройство состоит из заборного устройства, управляемого сервоприводами, за счет которых происходит периодический забор пробы муки, которая попадает в приемную воронку (рисунок 2).
База данных
Рисунок 1. Аппаратурная схема контроля потребительских свойств зерна и продуктов его переработки
С помощью вибрационного устройства анализируемый образец движется вдоль желоба, в котором с помощью цифровой камеры происходит измерение гранулометрических параметров частиц размола зерна.
Информационные потоки гранулометрического анализа передаются для анализа в подсистему обработки информации.
Рисунок 2. Схема автоматического измерительного устройства
На каждом этапе обработки данных оптического микроскопирования, полученных методом гранулометрического анализа (рисунок 3) оценены возникающие погрешности определения технологических качеств зерна [7, с. 252].
Рисунок 3. Оценка различных видов погрешностей измерения, возникающих в ходе обработки данных оптического микроскопирования
Субъективная погрешность в измерениях не учитывалась на всех этапах проведения гранулометрического анализа ввиду автоматизации процесса измерения и исключения личного фактора влияния на обработку информации.
На этапе производства микроснимков размола зерна наибольший интерес представляет инструментальная погрешность измерений. В случае оптической микроскопии инструментальная погрешность может быть выявлена теоретически на основании оптических характеристик аппаратуры измерения. Основным критерием, влияющим на качество получаемых микрофотографий, является разрешительная способность матрицы цифровой камеры. Значения гранулометрических параметров Х и К при повышении разрешающей способности матрицы выше 8000 - 9000 dpi практически не изменяются, свидетельствуя тем самым о том, что при получении микроснимков разрешением выше 9000 dpi позволяет не принимать в расчет инструментальную погрешность измерения.
Результаты наших наблюдений свидетельствуют о возможности, анализируя данные гранулометрического анализа зерна, прогнозировать с большой
точностью конечные хлебопекарные качества муки из этого зерна.
Список литературы:
1. Казаков Е. Д., Карпиленко Г. П. Биохимия зерна и хлебопродуктов: учеб. пособие для вузов. -СПб.: ГИОРД, 2005. - 512 с.
2. Мерко И. Т. Совершенствование технологических процессов сортового помола пшеницы. - М.: Колос, 1979. - 191 с.
3. Беркутова Н. С. Методы оценки и формирования качества зерна. - М.: Росагропромиздат, 1991. -206 с.
4. Беркутова Н. С., Швецова И. А. Микроструктура пшеницы. - М.: Колос, 1977. - 122 c.
5. Кругляков Г. Н., Круглякова Г. В. Товароведение продовольственных товаров. - Ростов-на-Дону: издательский центр «МарТ», 1999.
6. Bradsky G., Kaehler A. Learning OpenCV. -O'Reilly, 2008. - 571 p.
7. Димов Ю. В. Метрология, стандартизация и сертификация: учебник для вузов. - Издательство: Питер, 2004. - 432 с.
