WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |
СОДЕРЖАНИЕ РАБОТЫ

В обзоре литературы отмечается необходимость для производства мясопродуктов высокого качества проведения на всех этапах технологического процесса объективного и своевременного контроля различных параметров. Рассматриваются наиболее распространённые на предприятиях пищевой промышленности методы контроля качества мясного сырья и мясопродуктов, выделяются основные проблемы. Отмечается, что одной из важнейших характеристик качества мясного сырья и мясопродуктов является их цвет, определяемый на практике в основном визуально. Большое внимание уделено описанию процесса посола мяса и методам его исследования, которые в основном направлены на определение содержания соли в мясе и мясопродуктах и не позволяют визуализировать процесс, получить его количественные характеристики, например, глубину проникновения посолочных компонентов и скорость процесса. Приводятся примеры применения компьютерных технологий для оценки качества пищевых продуктов. Рассматривается программно-аппаратная организация цифровой обработки. Сформулированы основные задачи по разработке цифровых экспресс-методик оценки качества.

Объекты исследования. В качестве объектов исследования использовались мясное сырье (свинина, говядина, мясо цыплёнка-бройлера), мясопродукты (колбасные изделия различных наименований, производителей и регионов), речная и питьевая вода.

Методы исследования. Для оценки качества пищевых продуктов и контроля технологического процесса помимо разработанных методик цифровой обработки, основанных на регистрации изменений цвета, использовались традиционные методы органолептического и инструментального контроля. Цифровая обработка применялась к изображениям, полученным путём оцифровки исследуемых объектов с помощью планшетного сканера и цифрового фотоаппарата. Качество мясного сырья оценивалось по сопровождающим сертификатам, состоянию мясного бульона, путём визуального контроля. Мясо, отнесённое к сомнительной свежести, подвергалось химическому анализу (определение содержания амино-аммиачного азота). У колбасных изделий оценивался внешний вид, цвет, вкус, аромат и консистенция, а также содержание влаги – методом высушивания, хлористого натрия –по методу Мора, нитрита натрия – с помощью фотоэлектроколориметра, крахмала– качественным и количественным методами.

Качество исследуемой воды контролировалось лабораторией водоочистительной станции Великого Новгорода, применялся весь комплекс регламентированных физико-химических методов, направленный на определение основных характеристик воды, включая её мутность, цветность, рН, щёлочность. Полученные данные сопоставлялись с результатами цифрового экспресс-контроля.

Исследование и контроль качества мясного сырья и мясопродуктов осуществлялись следующим образом. Уложенные в стеклянные контейнеры, исследуемые образцы помещались на планшетный сканер «Epson Perfection 4870 Photo», проводилась оцифровка изображений при разрешении не менее 600 dpi. В одной из программ «Mathcad», «Matlab» или «Image-Pro Plus» для оцифрованных изображений строили РК, ОРК, ЯХ и ПИ, по которым судили о действии на исследуемый объект факторов, вызывающих изменение его цветовых характеристик. Если изображения объектов имеют даже незначительные цветовые отличия, то построенные РК и ЯХ надёжно отражают этот факт. Если изменений нет, имеем нулевой РК, представляющий собой однородный фон, а при наличии изменений – ненулевой РК с соответствующей фоновой неоднородностью. ПИ, построенные для нулевого РК, имеют вид прямых линий, ЯХ представляют собой узкие вертикальные полосы. Для ЯХ по оси абсцисс откладывается интенсивность в градациях серого цвета, по оси ординат – количество точек, имеющих данную интенсивность. Для ПИ по оси ординат откладывается интенсивность в градациях серого цвета, по оси абсцисс – размер изображения в пикселях. Для устранения и уменьшение влияния на РК, ЯХ и ПИ границ между волокнами мышечной, соединительной и жировой ткани изображения можно подвергнуть в программах «Matlab», «Adobe Photoshop» или «Image-Pro Plus» обработке линейным фильтром – гаусс-размытию (оптимальный радиус гаусс-размытия составляет величину 5–10 пикселей), а также сравнивать ЯХ и ПИ неоцифрованных изображений, а построенных для них нулевых разностных контрастов, или аналогичные характеристики, построенные для разностного контраста, полученного вычитанием нулевых РК для каждого образца.

Для исследования и визуализации процесса посола мяса предложены четыре методики, которые отрабатывались на примере посола мяса цыплёнка-бройлера смесью соль-перец-чеснок.

Первая методика основана на построении для оцифрованных изображений ПИ и ОРК. Для устранения влияния границ между волокнами мышечной ткани на ОРК, ПИ исходные изображения подвергались гаусс-размытию (радиус размытия 5, 10, 20 и 30 пикселей). На рис. 1 цифрами показаны четыре направления, по которым снимались ПИ. В идеальном случае ПИ имеют вид, представленный на рисунке 1, г: 1 – исходный, 2–4 – для различного времени посола t, (t1 < t2< t3 и l1< l2< l3), где l – глубина посола. Увеличение времени посола приводит к изменению контраста и ПИ. Сопоставляя изображения ОРК с ПИ, и зная размеры образца мяса, можно надёжно оценить глубину проникновения смеси и каждого её компонента в отдельности.

а б

в

г д

Рис. 1. Схема визуализации процесса посола мяса смесью, состоящей из трех компонентов А, В и С: а – исходное просканированное изображение, римскими цифрами показаны направления снятия ПИ; б – после посола в течение некоторого времени; в – изменение контраста при пяти градациях цвета; г – ПИ (1 – исходный, 24 – после посола в течение времени t1 < t2 < t3, l1, l2, l3 – глубина посола); д – ПИ и их изменение при посоле, регистрируемые по третьей методике: 1 – при нулевом РК (интенсивность равна 255); 2–6 – при разном времени посола.

В основу предлагаемой модели положены следующие предпосылки. При построении ОРК необходимо выбрать оптимальное число градаций цвета. До посола анализируемый контраст обусловлен мясом и соединительной тканью, при построении ОРК имеем двухцветное изображение (две градации цвета). В процессе посола добавляется контраст, создаваемый компонентами смеси, условно А, В и С. Так как смесь трёхкомпонентная, то построенные в этом случае ОРК состоят из пяти разноцветных областей (рис. 1, в). Первая область имеет контраст, обусловленный проникновением в мясо всех компонентов – А, В и С. Контраст во второй области обусловлен компонентами В и С, а в третьей области только компонентом С, имеющим наибольший коэффициент диффузии. Коэффициент диффузии компонента В выше, чем у компонента А. Четвёртая и пятая области соответствуют мясу и соединительной ткани. В идеальном случае анализируемое изображение представляет собой ОРК, состоящие из пяти областей (5 градаций цвета). Линии, разделяющие эти области, предположительно можно связать с глубиной проникновения смеси и её компонентов. Увеличение числа градаций цвета позволяет более детально оценить изменение контраста в каждой области. По изменению контраста и по ПИ можно судить об изменении концентрации смеси по глубине, определить скорость посола.

Вторая методика отличается от предыдущей отсутствием гаусс-размытия, при котором возможна потеря полезной информации. В ней используется разложение изображения мяса по цветовым каналам. Далее по построенным ОРК и ПИ определяются количественные характеристики процесса посола – глубина проникновения смеси и её компонентов, скорость процесса. Идея разложения изображений по цветовым каналам основана на том, что при посоле наибольшие изменения цветовых характеристик могут происходить в диапазоне, соответствующем одному из каналов RGB-изображения.

Третья методика основана на анализе экспериментального РК, полученного вычитанием двух изображений (исходного и после посола). Если изменений цвета мяса нет, то имеем нулевой РК, и ПИ представляют собой прямую линию (рис. 1, д). При посоле концентрация компонентов смеси убывает от поверхности вглубь мяса, а РК и ПИ отражают это. Для определения количественных характеристик необходимо построение ОРК и ПИ. Применение гаусс-размытия РК позволяет уменьшить влияние границ между волокнами мышечной ткани на ОРК и ПИ и, следовательно, повысить точность методики.

Четвёртая методика представляет собой сочетание первых трёх и сводится к следующему. Для оцифрованных изображений строится РК. Далее полученные изображения РК раскладываются по цветовым каналам и представляются в градациях серого цвета (0–255). Для каждого канала строятся ОРК. Меняя число градаций цвета, можно проследить изменение изображений, вызванное изменением концентрации компонентов смеси в мясе по глубине. В этом случае достигается более объективная и достоверная регистрация изменений цветовых характеристик мяса при посоле.

РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ И ИХ ОБСУЖДЕНИЕ

Применение цифровой обработки для оценки качества мясного сырья и мясной продукции. С помощью цифровой обработки изображений проводилось сравнение говядины и свинины различных производителей по их цветовым характеристикам. На рис. 2 приведены примеры цифровой обработки образцов говядины трёх производителей – A, B и С, взятых из наружной части тазобедренного отруба. При визуальном осмотре исследуемые образцы казались практически одинаковыми по цвету, однако оцифровка изображений мяса и последующая цифровая обработка позволяют надёжно зафиксировать отличия их цветовых характеристик. Эксперименты показали, что мясное сырьё различных производителей, привезённое из разных регионов России и зарубежья, отличается по своему качеству и цвету, что легко регистрируется при оцифровке и обработке изображений мяса.

а

б

Производитель А Производитель В Производитель С

в г

Рис. 2. Примеры цифровой обработки изображений образцов говядины разных производителей, взятых из наружной части тазобедренного отруба туши: а оцифрованные изображения; б – яркостные характеристики; в – различие максимальных значений ЯХ: 1, 2 и 3 – соответственно образцов говядины производителя А, В и С; г – изменение максимальных значений ЯХ изображений свинины, взятой из длиннейшей мышцы спины: 1 – исходного охлаждённого образца, 2 и 3 – соответственно после первой и второй заморозки (к, з и с – красный, зелёный и синий каналы).

Исследовалось мясо парное и это же мясо после хранения при температуре 4–6 С и относительной влажности воздуха 75 % в течение различных интервалов времени (от 1 часа до 2–3 суток), а также мясо, поступившее на предприятие в охлаждённом виде, после его заморозки при температуре минус 18 С и последующей разморозке. При заморозке и разморозке мясного сырья наблюдается изменение цвета мяса, не регистрируемое глазом, но чётко фиксируемое по изменениям ЯХ: интенсивность в градациях серого цвета, соответствующая максимумам ЯХ, изменяется незначительно, а количество точек, имеющих данную интенсивность, заметно снижается (рис. 2, г).

При сравнении мясного сырья парного и после хранения в холодильнике выявлены изменения ЯХ, также не регистрируемые визуально, например, у образцов свинины в процессе хранения увеличивались максимальные значения ЯХ для всех цветовых каналов (красного, зелёного и синего), а интенсивность в градациях серого при этом изменялась незначительно. У образцов говядины изменение максимумов ЯХ для разных цветовых каналов в процессе хранения оказалось различным: для красного канала число точек, имеющих практически близкие значения интенсивности, увеличивалось, а для зелёного и синего – уменьшалось.

Методами цифровой обработки проведено сравнение цветовых характеристик образцов колбасы варёной «Докторская» высшего сорта (ГОСТ Р 52196-2003) четырёх производителей (А, В, С и D) и их изменения в процессе хранения. Показано, что при хранении наблюдалось изменение ЯХ и РК, причём скорости этих изменений у колбас, выпущенных различными производителями, заметно отличались друг от друга. Приводятся примеры регистрации изменений цветовых характеристик в процессе хранения колбасы варёной «Троицкая» (ТУ 9213-002-35744145-98) и колбасы варёно-копчёной «Сервелат Финский» (ТУ 9213-322-01597945-03). Надёжно зарегистрированы изменения, происходящие в колбасных изделиях, при различных условиях хранения. Так при сравнении цветовых характеристик образцов колбасы варёной «Молочная» (ГОСТ Р 52196-2003), хранившихся в оптимальных (температура 4 С и относительная влажность воздуха 75 %) и неоптимальных (температура 20 С и относительная влажность воздуха 80 %) условиях, показано, что условия хранения значительно влияют на изменение ЯХ. Хранение продукции при неоптимальных условиях способствует более сильному уменьшению максимума ЯХ, чем хранение в оптимальных условиях.

Применение цифровой обработки для исследования и визуализации процесса посола мяса. Эксперименты проводились для сухого и мокрого способов посола мяса цыплёнка-бройлера смесью соль-перец-чеснок и её отдельными компонентами. Сканирование (оцифровка) исследуемых объектов проводилась в автоматическом и ручном режимах. Анализ показал, что изображения, полученные в ручном режиме, более надёжно визуализируют процесс посола. Показана возможность по построенным ОРК и ПИ определения глубины проникновения различных компонентов смеси в мясо и скорости посола. В качестве примера на рис. 3 представлены результаты цифровой обработки мяса при сухом способе посола смесью. Видно, что при посоле происходят изменения ОРК и ПИ. Гаусс-размытие позволяет устранить флуктуации интенсивности, обусловленные границами между волокнами мышечной ткани.

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»