Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Ứng dụng công nghệ thị giác máy tính trong việc giám sát chất lượng vật lý của lát nghệ trong quá trình sấy khô bằng năng lượng mặt trời trực tiếp
Tóm tắt
Trong nghiên cứu này, công nghệ thị giác máy tính đã được áp dụng nhằm nghiên cứu ảnh hưởng của việc sấy khô bằng năng lượng mặt trời trực tiếp tới các thuộc tính chất lượng của nghệ, xét theo màu sắc, hình thái, kết cấu, chỉ số nâu và độ co rút. Các thí nghiệm sấy khô đã được thực hiện với các lát nghệ được đặt trong một máy sấy năng lượng mặt trời tự xây dựng theo phương pháp đối lưu tự nhiên. Một đơn vị thu thập hình ảnh tiêu chuẩn đã được chế tạo gồm dải LED và một máy ảnh kỹ thuật số để ghi lại hình ảnh của các lát nghệ trong suốt quá trình sấy. Màu sắc và độ co rút của mẫu đã được phân tích bằng cách sử dụng hình ảnh RGB trong phần mềm ImageJ. Độ dày của lớp đã sấy trên chu vi của mẫu được hình dung qua hình ảnh tông màu xám nhằm ước lượng mức độ đánh bóng cần thiết để đạt được mẫu chất lượng tốt hơn. Chỉ số nâu (BD) được tính toán dựa trên các giá trị tông màu xám của các hình ảnh đã ghi lại, và kết quả cho thấy BD giảm theo thời gian sấy, cho thấy hàm lượng phenolic tổng trong nghệ đã sấy cao hơn so với mẫu tươi. Chỉ số ánh sáng (L*) tăng 5.55%, trong khi chỉ số độ đỏ (a*) và chỉ số độ vàng (b*) giảm lần lượt 117.06% và 278.26% trong suốt thời gian sấy 4 giờ. Các đặc điểm hình thái như diện tích, chu vi, độ tròn, độ rắn và mật độ đều giảm mạnh theo thời gian sấy, cụ thể là 83.72%, 60.69%, 22.34%, 6.12% và 83.72%. Phân tích fractal được thực hiện bằng cách sử dụng hình ảnh của kính hiển vi điện tử quét và các ảnh vi mô cho thấy các hạt của nghệ sấy bằng không khí nóng có hình dạng thô hơn và phức tạp hơn (tầng fractal, DB = 1.78) so với bột nghệ sấy bằng năng lượng mặt trời (DB = 1.46).
Từ khóa
#công nghệ thị giác máy tính #chất lượng nghệ #sấy khô bằng năng lượng mặt trời #chỉ số nâu #phân tích fractalTài liệu tham khảo
Turmeric crop survey and analysis. (Nirmal Bang, 2015), https://www.nirmalbang.com/Upload/Turmeric%20Crop%20survey%202015.pdf. Accessed 25 Apr 2018
S.J. Hewlings, D.S. Kalman, Curcumin: a review of its’ effects on human health. Foods 6(10), 92 (2017)
W. Muhlbauer, Present status of solar crop drying. Energy Agric. 5(2), 121–137 (1986)
K.P. Jose, C.M. Joy, Solar tunnel drying of turmeric (Curcuma longa linn. syn. C. domestica val.) for quality improvement. J. Food Process. Preserv. 33, 121–135 (2009)
A. Borah, K. Hazarika, S.M. Khayer, Drying kinetics of whole and sliced turmeric rhizomes (Curcuma longa L.) in a solar conduction dryer. Inf. Process. Agric. 2(2), 85–92 (2015)
S. Parveen, R. Kailappan, P. Dhananchezhiyan, Studies on shrinkage of turmeric rhizomes during drying. Int. J. Food Nutr. Sci. 2, 30–34 (2013)
R. Vadivambal, D.S. Jayas, Bio-imaging: Principles, Techniques, and Applications, (CRC Press, Boca Raton, 2015)
L. Fernandez, C. Castillero, J.M. Aguilera, An application of image analysis to dehydration of apple discs. J. Food Eng. 67(1–2), 185–193 (2005)
C.C. Yang, M.S. Kim, S. Kang, B.K. Cho, K. Chao, A.M. Lefcourt, D.E. Chan, Red to far-red multispectral fluorescence image fusion for detection of fecal contamination on apples. J. Food Eng. 108(2), 312–319 (2012)
F.J. Rodriguez-Pulido, B. Gordillo, M.L. Gonzalez-Miret, F.J. Heredia, Analysis of food appearance properties by computer vision applying ellipsoids to colour data. Comput. Electron. Agric. 99, 108–115 (2013)
S. Prasad, B.B. Aggarwal, Turmeric, The Golden Spice: From Traditional Medicine to Modern Medicine (CRC Press/Taylor & Francis, Boca Raton, 2011)
B.Z. Hmar, D. Kalita, B. Srivastava, Optimization of microwave power and curing time of turmeric rhizome (Curcuma Longa L.) based on textural degradation. LWT-Food Sci. Technol. 76, 48–56 (2017)
S.M. Lokhande, K.R. Vale, A.K. Sahoo, R.C. Ranveer, Effect of curing and drying methods on recovery, curcumin and essential oil content of different cultivars of turmeric (Curcuma longa L). Int. Food Res. J. 20(2), 745–749 (2013)
A. Fathi, X. Ren, J.M. Rehg, Learning to recognize objects in egocentric activities. In Computer Vision and Pattern Recognition (CVPR). Institute of Electrical and Electronics Engineers (IEEE) Conference. pp. 3281–3288 (2011)
M. Mohebbi, M.R. Akbarzadeh-T, F. Shahidi, M. Moussavi, H.B. Ghoddusi, Computer vision systems (CVS) for moisture content estimation in dehydrated shrimp. Comput. Electron. Agric. 69(2), 128–134 (2009)
S. Shafiee, S. Minaei, N. Moghaddam-Charkari, M. Barzegar, Honey characterization using computer vision system and artificial neural networks. Food Chem. 159, 143–150 (2014)
A. Ghaitaranpour, F. Rastegar, M. Tabatabaei Yazdi, B. Mohebbi, B. Alizadeh Behbahani, Application of digital image processing in monitoring some physical properties of tarkhineh during drying. J. Food Process. Preserv. 41(2), 1–9 (2017)
C. Zheng, D.W. Sun, L. Zheng, Recent applications of image texture for evaluation of food qualities—a review. Trends Food Sci. Technol. 17(3), 113–128 (2006)
C. Tournier, M. Grass, D. Zope, C. Salles, D. Bertrand, Characterization of bread breakdown during mastication by image texture analysis. J. Food Eng. 113(4), 615–622 (2012)
J.M. Aguilera, Drying and dried products under the microscope. Food Sci. Technol. Int. 9(3), 137–143 (2003)
K. Dhalsamant, P.P. Tripathy, S.L. Shrivastava, Effect of sodium metabisulfite pretreatment on micrographs, surface roughness and X-ray diffraction analyses of solar dried potato cylinders. Innov. Food Sci. Emerg. Technol. 47, 399–411 (2018)
C.Y. Wu, A.C. Cocks, Numerical and experimental investigations of the flow of powder into a confined space. Mech. Mater. 38(4), 304–324 (2006)
J. Wang, L. Wang, L. Zhang, D. He, J. Ju, W. Li, Studies on the curcumin phospholipid complex solidified with Soluplus. J. Pharm. Pharmacol. 70(2), 242–249 (2018)
S. Kerdpiboon, S. Devahastin, W.L. Kerr, Comparative fractal characterization of physical changes of different food products during drying. J. Food Eng. 83(4), 570–580 (2007)
AOAC, Official Methods of Analysis, 17th edn. (Association of Official Analytical Chemists, Arlington, 2002)
Y. Shirai, Labeling Connected Regions in Three-Dimensional Computer Vision (Springer-Verlag, New York, 1987), pp. 86–89
H.H. Wang, D.W. Sun, Evaluation of the functional properties of cheddar cheese using a computer vision method. J. Food Eng. 49(1), 49–53 (2001)
A. Mohammadi, R. Shahin, E.D. Zahra, K. Alirez, Kinetic models for colour changes in kiwi fruit slices during hot air drying. World J. Agric. Sci. 4(3), 376–383 (2008)
B. Park, Y.R. Chen, AE-automation and emerging technologies: co-occurrence matrix texture features of multi-spectral images on poultry carcasses. J. Agric. Eng. Res. 78(2), 127–139 (2001)
B. Park, K.C. Lawrence, W.R. Windham, Y.R. Chen, K. Chao, Discriminant analysis of dual-wavelength spectral images for classifying poultry carcasses. Comput. Electron. Agric. 33(3), 219–231 (2002)
M. Partio, B. Cramariuc, M. Gabbouj, A. Visa, Rock texture retrieval using gray level co-occurrence matrix. International Proceedings of 5th Nordic Signal Processing Symposium, Tampere University of Technology, Tampere, Finland, 75, 1–5 (2002)
D.J. Sampson, Y.K. Chang, H.V. Rupasinghe, Q.U. Zaman, A dual-view computer-vision system for volume and image texture analysis in multiple apple slices drying. J. Food Eng. 127, 49–57 (2014)
B.J. Bezbaruah, M.K. Hazarika, Generalization of temperature and thickness effects in kinetic studies of turmeric (Curcuma longa L.) slices drying. Int. Food Res. J. 21(4), 1529–1532 (2014)
P. Moghe, Method and apparatus to detect unauthorized information disclosure via content anomaly detection. U.S. Patent 8286237 (2012)
G. Oms-Oliu, I. Aguilo-Aguayo, O. Martin-Belloso, Inhibition of browning on fresh-cut pear wedges by natural compounds. J. Food Sci. 71(3), 216–224 (2006)
H. Natabirwa, J. Mukiibi, E. Zziwa, J. Kabirizi, Nutritional and physicochemical properties of stored solar-dried cowpea leafy vegetables. Uganda J. Agric. Sci. 17(1), 1–10 (2016)
H.R. Bolin, C.C. Huxsoll, Scanning electron microscope/image analyzer determination of dimensional postharvest changes in fruit cells. J. Food Sci. 52(6), 1649–1650 (1987)
K. Siliveru, J.W. Kwek, G.M. Lau, R.P. Ambrose, Image analysis approach to understand the differences in flour particle surface and shape characteristics. Cereal Chem. 93(3), 234–241 (2016)
T. Jensen, L. Kelly, A. Lazarides, G.C. Schatz, Electrodynamics of noble metal nanoparticles and nanoparticle clusters. J. Clust. Sci. 10(2), 295–317 (1999)