بخشی از مقاله
چکیده
در این پژوهش، کاربرد پردازش تصویر در رنگ سنجی نان نیمه حجیم غنی شده با آرد سویا تشریح می شود. به این منظور نان نیمه حجیم غنی شده با 4 سطح آرد سویا 0 - ، 4، 8 و - %12 تهیه شده، عملیات تصویرگیری و پردازش تصویر جهت استخراج پارامترهای رنگی در فضای رنگی L*a*b انجام شد. از نرم افزار Image J برای پردازش تصاویر نان استفاده شد و تبدیل فضای رنگی RGB به L*a*b با استفاده از روش دو مرحله ای انجام گرفت. آنالز اماری داده ها نشان دهنده تاثیر افزودن آرد سویا بر میانگین پارامترهای رنگی L، a و b و نیز انحراف معیار پارامترهای رنگی L و a بود. به این ترتیب رنگ سنجی با استفاده از پردازش تصویر به عنوان روشی عینی، غیر مخرب و ساده در ارزیابی رنگ سطح نان غنی شده با آرد سویا به صورت موفقیت آمیزی اجرا گردید.
مقدمه
در بین خصوصیات فیزیکی مواد غذایی، رنگ به عنوان مهمترین ویژگی ظاهری در درک کیفیت مطرح شده است.مشتری تمایل دارد که رنگ را با طعم ، ایمنی، ماندگاری و خصوصیات تغذیه ای مربوط سازد.به علت همبستگی بالا با ارزیابی فیزیکی، شیمیایی و حسی کیفیت مواد غذایی،میزان رضایتمندی تحت تاثیر رنگ قرار دارد - . - 4رنگ مهمترین خصوصیت تصویر است چرا که مشابه دید انسان اطلاعات اصلی تصاویر را در بر دارد.در حقیقت تمام آنچه در تصویر وجود دارد ،مولفه های رنگی است که در پیکسل های تصویر ذخیره شده است،بر این اساس که هر رنگ را می توان با ترکیب سه رنگ اصلی بازسازی کرد.
قرار گرفتن تصویر در فضا های رنگی مختلف و محاسبات میانگین و انحراف استاندارد شدت رنگ در پیکسل های تصویر ، در فضا های رنگی مختلف می توان اطلاعات رنگی تصویر را استخراج کرد - . - 5ماشین بینایی، تکنولوژی تهیه و آنالیز تصاویر یک صحنه واقعی به وسیله کامپیوتر در راستای کسب اطلاعات یا کنترل یک پروسه است.ماشین بینایی روشی غیر تخریبی و علمی برای اندازه گیری الگوی رنگ در سطوح رنگی غیر یکنواخت است.
نمونه بارز کاربرد پردازش تصویر، صنایع غذایی است که عناصر اصلی آن اندازه گیری بصری و توصیف محصولات غذایی در تصاویر است که میتوان از خصوصیات تصاویر آن را استخراج نمود و به عنوان شاخص کیفیت مطرح کرد - . - 5روش های سنتی ارزیابی حسی در تعیین کیفیت مواد غذایی کاربرد زیادی دارند.ولی این روش ها زمان بر و پر هزینه هستند.این عوامل سبب ایجاد انگیزه برای توسعه روش های جانشین است که در زمان کمتر و با دقت بیشتر خصوصیات کلیدی محصول را ارزیابی کند.
پردازش تصویر یکی از این روش ها است.نشان داده شده که کاربرد پردازش تصویر در اندازه گیری خصوصیات کیفی یکی از امید بخش ترین موضوعات تحقیقاتی است - . - 3رنگ پارامتر موثری دراندازه گیری اجسام در تصاویر مربوط به مواد غذایی مختلف شامل انواع میوه، سبزی، دانه غلات و گوشت میباشد. از این پارامتر در درجه بندی انواع میوه استفاده شده است. همچنین برای تعیین میزان رسیدگی گوجه فرنگی، محققان مختلف از این روش استفاده کرده اند. در صنایع گوشت برای بررسی خودکار و درجه بندی فراوری گوشت و بهبود عینیت فرایند از بررسی رنگ استفاده می شود. تصاویر رنگی جهت بررسی عیوب و بیماریهای گوشت طیور مورد استفاده قرار گرفته اند
سان1 و همکاران - - 2006 در مقاله ای به بررسی تحقیقات اخیر در راستای ارزیابی و بازرسی کیفی محصولات غذایی با استفاده از پردازش تصویر می پردازد.آن ها در این پژوهش چهار زمینه کاربرد پردازش تصویر در ارزیابی کیفی شامل رنگ ،اندازه،شکل و بافت را بررسی کردند - . - 5 پدرسچی2 و همکاران - 2006 - برای اندازه گیری رنگ چیپس سیب زمینی از پردازش تصویر در مدل L*a*b استفاده کردند.او در این پژوهش ، تصاویر بدست آمده در مدل RGB را با استفاده از برنامه ای تحت نرم افزار MATLAB با مدل شبکه عصبی مصنوعی به فضای رنگی L*a*b تبدیل کردند
از پردازش تصویر برای پیگیری تغییرات رنگی سطح شکلات شیری در طول نگهداری استفاده کردند.شکلات شیری در شرایطی تشدید شده برای مهاجرت چربی به سطح شکلات قرار گرفتند و در بازه های زمانی مورد ارزیابی قرار گرفتند.
این محققان تصاویر RGB گرفته شده را در ابتدا به مدل CIE XYZ و سپس به مدل CIE L*a*b با استفاده از نرم افزار MATLAB تبدیل کردند.آن ها همچنین همبستگی بین مقادیر رنگی حاصل از پردازش تصویر را با مقادیر اندازه گیری شده با دستگاه Hunterlab بررسی کردند - . - 2تان - 2003 - در مقاله ای نتایج تخقیقات استفاده از پردازش تصویر در ارزیابی کیفیت گوشت و پیش بینی درجه کیفی آن در چند سال اخیر را جمع آوری نموده است
یام4 و همکاران - 2003 - روش جدید پردازش تصویر مبتنی بر عکاسی با دوربین دیجیتال و با تکیه بر نرم افزار Photoshop معرفی کرده اند.آن ها از این نرم افزار برای تعیین مقادیر L*a*b و توزیع رنگی تصاویر استفاده کردند
در مقاله ای به مرور تحقیقات انجام شده در زمینه ارزیابی و درجه بندی محصولات کشاورزی و غذایی با استفاده از پردازش تصویر پرداختند - . - 6تان5 و همکاران - 2000 - ، برای امتیاز دهی قطعات گوشت ماهیچه از پردازش تصویر بر پایه رنگ استفاده کردند.در این پژوهش در دو مدل RGB و HSI میانگین و واریانس مقادیر رنگی محاسبه شده است.برای پیش بینی ارزیابی ، مدل سازی شبکه های عصبی مصنوعی و روش های آماری برای مقادیر به دست آمده بکار رفته است
مواد و روشها
–1 پخت نان
آرد سویا از فروشگاه محلی در مشهد خریداری شد.آرد،نمک،روغن مایع،خمیر مایه،شکر و مواد کمکی پخت مواد اولیه در تولید نان نیمه حجیم بودند.روش تهیه نان به این صورت بود که پس از اختلاط مواد اولیه فرمول و خمیر گیری به مدت 20 دقیقه با دور کتد دستگاه خمیر گیر،استراحت 2 دقیقه ای به خمیر داده شده و سپس به مدت 1 دقیقه عملیات ورز دادن خمیر در دور کند خمیر گیر انجام شد.خمیر به مدت 10 دقیقه استراحت داده شد.بعد از چانه گیری به مدت 10 دقیقه استراحت داده شده و سپس شکل دهی و انتقال سینی ها به پروف انجام شد.سینی ها به مدت 20 دقیقه در پروف 45 درجه و بخار آب قرار گرفتند.هوای درون پروف توسط هواکش ها مرتبا سیرکوله شده و رطوبت در کل پروف یکنواخت بود.پخت در فر با دمای اولیه 250 و ثانویه 300 درجه و در حضور بخار آب به مدت 9 دقیقه انجام شد.نان نیمه حجیم در چهار سطح سویا - صفر ، چهار،هشت و دوازده درصد سویا جایگزین آرد گندم در فرمول - .آزمایشات به فاصله 12و36 ساعت پس از پخت نان انجام گرفت.این آزمایشات 3 بار تکرار شد.
-2 تصویرگیری
از هر سری پخت،4 نان به تصادف انتخاب شده و قطعات 25*12 سانتی متر از آن جدا سازی شده و تصویر گیری شد .
برای تصویر گیری از اتاقکی که دیواره های آن با پارچه مشکی پوشیده بود، استفاده شد تا بازتاب نور در فضا ایجاد نشود و از ایجاد نوسان در تصویرگیری جلوگیری گردد. برای ایجاد نور از دو لامپ فلوئورسنت استفاده شد.تصویر گیری با استفاده از دوربین Canon مدل Powershot A520 انجام شد که با پورت USB به رایانه متصل بود. دوربین در فاصله 20 سانتی متری نمونه ها و موازی با آن ها روی پایه ثابت بود. تصویر گیری با نرم افزار ZoomBrowser EX 5.0 انجام گرفت.سایر ویژگی های دوربین برای تصویر گیری در جدول 1 بیان شده است.تصویر گیری در حالت M دوربین انجام شد،در این حالت امکان تنظیم سرعت شاتر و پارامتر های IsoVelosity و Aperture AV وجود دارد.از قطعات بریده شده نمونه های نان،تصاویر در اندازه 2272*1704 پیکسل و با رزولوشن 180 dpi گرفته شدند، با فرمت Jpeg و در فضای رنگی RGB حاصل شد.نمونه تصویر گرفته شده در شکل 1 نشان داده شده است.
-3 فضاهای رنگی
-1-3 فضای رنگی RGB
فضای رنگی RGB تشکیل شده از سه مولفه رنگی Red,Green,Blue است که هر کدام بین مقادیر 0 تا 255 تغییر میکند.هر پیکسل رنگی در تصاویر RGB دارای مقدار مشخصی از قرمز، سبزوآبی است.مقادیر 0,0,0 معادل رنگ سیاه و مقادیر 255,255,255 معادل رنگ سفید است.شماتیک فضای RGB در شکل 2 نشان داده شده است.
2-3 فضای رنگی L*a*b
این فضای رنگی از سه مولفه L* معادل روشنایی تصویر که بین 0 معادل مشکی و 100 معادل انعکاس کامل نور است.مقادیر مولفه a* نامحدود است و مقادیر مثبت معادل رنگ قرمز و مقادیر منفی معادل رنگ سبز است.مقادیر b* نامحدود است و مقادیر مثبت معادل رنگ زرد و مقادیر منفی معادل رنگ آبی است.این سیستم رنگی عملکرد مشابه چشم انسان دارد.برخلاف فضا های RGB و HSI متاثر از وسیله عکسبرداری نیست.در اکثر موارد در پژوهش های صنایع غذایی از این فضای رنگی L*a*b استفاده می شود
