مروری بر کاربردهای روش‌های پردازش تصویر بر کنترل کیفیت محصولات غذایی-بخش اول: روش‌های آماری پردازش بافتار

نویسندگان

1 مهندسی پلیمر، دانشگاه صنعتی امیرکبیر

2 دانشکده مهندسی پلیمر و رنگ، دانشگاه صنعتی امیر کبیر

3 دانشکده مهندسی پلیمر و رنگ، دانشگاه صنعتی امیرکبیر

چکیده

با افزایش حساسیت‌های قانونی و انتظارات مصرف‌کنندگان در ارتباط با کیفیت محصولات غذایی، نیاز به ارزیابی دقیق و سریع این محصولات در صنایع غذایی روبه افزایش است. بینایی ماشین با بهره‌گیری از روش‌های پردازش تصویر امکان نظارتِ مکانیزه و غیرمخرب بر کیفیت محصولات غذایی را فراهم نموده است. بافتار به‌عنوان یکی از مهم‌ترین ویژگی‌های تصویر، در کنترل کیفیت محصولات غذایی در سال‌های اخیر به‌طور گسترده به کار گرفته شده است. به‌طور کلی روش‌های ارزیابی بافتار به چهار دسته‌ی آماری، ساختاری، روش‌های مبتنی بر مدل و مبتنی بر تبدیل تقسیم‌بندی می‌شود. در بخش اول این پژوهش به روش‌های آماری پرداخته می‌شود و در بخش دوم روش‌های مبتنی بر مدل و مبتنی بر تبدیل‌های ریاضی مورد بررسی قرار خواهند گرفت. روش‌های آماری بر مبنای کمیت‌های آماری حاصل از روشنایی پیکسل‌های تصویر عمل می‌کنند؛ در صورتی که روش‌های ساختاری بر مبنای ساختارهای کوچک تکرار شونده -اولیه - در تصویر که از گردهمایی پیکسل‌های مشابه تشکیل می‌شوند، بافتار را ارزیابی می‌نمایند. در مقاله حاضر کاربردهای روش‌های آماری ارزیابی بافتار در صنایع غذایی بررسی شده است. از این روی پس از معرفی نحوه‌ی عملکرد این روش‌ها، مثال‌هایی از پژوهش‌های اخیر ارائه شده است که با به‌کارگیری روش‌های آماری پردازش بافتار تصویر، کنترل کیفیت مواد غذایی را ممکن ساخته‌اند. نتایج حاصل از تحقیقات گذشته نشان می‌دهد که رایج‌ترین روش‌های پردازش بافتار در صنایع غذایی روش‌های آماری هستند که علت محبوبیت آنها دقت عملکرد بالای آنها است.

کلیدواژه‌ها

dor 20.1001.1.22517278.1395.6.3.7.4

عنوان مقاله [English]

A review on Applications of Image Processing Methods on Food Products Quality Control- Part A: Statistical Texture Processing Methods

نویسندگان [English]

  • Sajjad Ghodrati 1
  • Mohsen Mohseni Bozorgi 2
  • Saeideh Gorji Kandi 3
1 Department of Polymer Engineering and Color Technology, Amirkabir University of Technology
2 Department of Polymer Engineering and Color Technolog, Amirkabir University of Technology
3 Department of Polymer & Color Engineering, Amirkabir University of Technology
چکیده [English]

Consumers increased expectations of high quality food products as well as stringent regulations has increased the need for an accurate and fast method for quality assessment and control of the products in food industries. Machine vision with the aid of various image processing methods has been introduced as an objective, automate, and non-destructive approach capable for food quality control. Texture as one of the most important images features has been used extensively in food quality monitoring applications. Generally, quantitative texture assessment methods are divided into four groups: statistical, structural, model-based, and transform-based methods. In the first part of this research (part A), the statistical methods are reviewed and in the second part (part B) the model-based and transform-based methods will be presented. Statistical methods work based on statistical quantities that obtained from image pixels intensities, while structural methods operate based on texture primitives (a group of pixels with almost the same intensities). In the present paper, the applications of statistical image texture evaluation methods in food industries were investigated. Therefore, at first mechanisms of different statistical texture evaluation methods have been presented. Then, examples of recent studies related to employments of statistical image texture in quality control of food products have been reviewed. The results of the previous studies indicate that statistical methods are the most popular texture evaluation methods in food industries. This popularity is due to their highly accurate performances.

کلیدواژه‌ها [English]

  • Image texture
  • Food industries
  • Statistical methods
  • Co-occurrence Matrix
  • Pixel run length matrix
  • Machine Vision