Charakteristika metody Základní vybavení OA Fáze analýzy obrazu Analýza objektů Srovnání senzorické a obrazové analýzy Výhody a nevýhody AO Využití v potravinářské praxi Případové studie
první použití této metody je zaznamenáno v polovině 60. let metoda v prvopočátcích náročná na výpočetní techniku dostupná pro úzký kruh specialistů 1964 NASA, analýza objektů na Měsíci 1981 první obrazový systém v ČSSR, Ústav teoretických základů chemické analýzy Leitz pokrok ve výkonosti a dostupnosti výpočetních systémů umožnil rozšíření více oborů
využívá počítačové vidění pomocí obrazových analyzátorů obraz vnímán elektronicky na bázi algoritmů inspirována lidským vnímáním a chápáním obrazu typický představitel instrumentálních metod rychlá, ekonomicky nenáročná, objektivní průběh metody je závislý na vstupním vzorku a povaze měřených parametrů
široké uplatnění v mnoha oborech klinická a experimentální medicína mineralogie zemědělství materiálové inženýrství zavedena do oblasti potravinářského sektoru objektivita a efektivita hodnocení
analýza řízena na základě informace obsažené v barevné či černobílé složce, které umožní hodnotit strukturu a texturu výrobku četnosti vybraných objektů informace velikostní (délka, plocha, úhel) principem metody je převod komplexních obrazových informací na soubor předem definovaných kvalitativních a kvantitativních údajů o zaznamenaných objektech
umožňuje opakovatelnost při relativně nízkých nákladech metoda náročná na proces získání obrazu typ a způsob osvětlení nastavení záznamového zařízení volba datového formátu
nastavení záznamového zařízení důležité z pohledu opakovatelnosti digitalizace snímků volba datového formátu nekompresní formáty typu RAW, TIFF typ a způsob osvětlení vhodné osvětlení jako prevence proti nežádoucím vedlejším efektům nežádoucí odlesky teplotní namáhání vzorku
osvětlovací systém záznamové zařízení kontrolující intenzitu osvětlení (luxmetr) vybavení určené k digitalizaci vzorků (fotoaparát, kamerové systémy ) snímací deska počítač software (obrazový analyzátor)
digitální forma Záznam analogová forma Získání obrazu CCD, MRI CT, ET, ultrazvuk Předzpracování korektivní úpravy zvýšení kvality obrazu
Segmentace obrazu orientace na práh orientace na regiony Klasifikace objektů Měření objektů velikost, barva tvar, textura
velikost obvod, délka, šířka a plocha tvar nejběžnější z měřených parametrů barva důležitá role v našem vizuálním vnímání lidské oko dokáže rozeznat tisíce barevných odstínů a jejich intenzity v případě šedé barvy dokáže rozeznat asi jen 24 odstínů
opakovatelnost automatizovatelné zapojení klasifikace a měření vybraných objektů počet vybraných objektů plocha vybraných objektů četnost vybraných objektů jednoduché metody výpočtů nízká cena Instrumentální metody celkový vzhled textura barva soudržnost nebo rozpadavost výrobku Senzorická analýza
generuje přesné popisné údaje rychlost a objektivita limituje lidský faktor efektivní a cenově přijatelná archivace snímků rámcově nedestruktivní vysoké nároky na standartnost podmínek umělé osvětlení obtížnější identifikace objektů v nedestruovaném vzorku + -
potravinářský průmysl se zařadil v aplikaci AO mezi 10 nejvyhledávanějších zařazena do hodnotících systémů jakosti potravin pomocný nástroj v plně automatizovaných systémech rostlinná sekce živočišná sekce hotové výrobky
jakostní hodnocení jablka citrusové plody jahody olivy brambory mouka rýže kukuřice rajčata obilná zrna paprika
jakostní hodnocení čerstvé maso tepelně opracované maso vepřové hovězí drůbeží mořské plody
jakostní hodnocení pizza sýry pekařské výrobky masné výrobky hranolky chipsy
- klasifikace tvaru - detekce vad - kažení houbami - poškození během sklizně - určení fenotypu
vliv posklizňových faktorů hodnocení velikosti a tvaru
tvar velikost kompaktnost
mechanické poškození měření délky a šířky jádra rovinatost kruhovitost barva
tvar velikost poškození
zastoupení svalové tkáně zastoupení tukové tkáně
zastoupení svalové tkáně zastoupení tukové tkáně rozložení jednotlivých komponent definice rozdílu mezi mletým masem a v původním stavu
klasifikační třídění po vzoru SEUROP snaha maximálně vyeliminovat lidský faktor
struktura mozaiky rozložení spojky a tukové části detekce tuku
barva kůrky a střídy struktura kůrky a střídy rozložení vzduchových části ve střídě objem pečiva
účinek propionového kvašení struktura výrobku barva výrobku rozložení vzduchových částí u výrobků ementálského typu tvar
barva velikost připraveného výrobku podíl omáčky a surovin
využití OA analýzy na Ústavu vegetabilních potravin spolupráce s vědeckým pracovištěm VUT Brno hodnocení trvanlivých masných výrobků struktura mozaiky zaměření na tukovou část hodnocení pekařských výrobků barva struktura kooperace s fluorescenční mikroskopií
tuková tkáň (hřbetní sádlo) pevná jadrná tuk přirozeně bílý vysoký bod tuhnutí Nevyhovující tuk? v mozaice salámu způsobuje estetické závady ucpává póry ve střevě brání vypařování vody při sušení
Převedení vzorků do digitalizované podoby osvětlení pomocí lamp (Easy Light-3; 3x 28W, 5000-5500K) intenzita osvětlení 1060 luxů Canon EOS 450D ACC Image Structure Object and Analyser verze 6.1.
Metodika hodnoceno 7 snímků z každého vzorku ze 3 šarží velikost objektů získána výpočtem z velké poloosy Legenderovy elipsy velikostní kritéria 0 0,3 mm, 0,3 1,0 mm, 1,0 3,0 mm, 3,0 6,0 mm a 6,0 mm a více výsledky vyhodnoceny pomocí UNISTAT 6.0
foceno na modrém pozadí pro dobrý kontrast měřítko pro nastavení velikosti dílčích parametrů
resize snímku medianový filtr
segmentace obrazu označení tukové části
barva pekařských výrobků v závislosti na typu mouky a přídavku pórovitost pekařských výrobků (struktura pekařských výrobků)
Převedení vzorků do digitalizované podoby osvětlení pomocí lamp (Easy Light-3; 3x 28W, 5000-5500K) intenzita osvětlení 1060 luxů Canon EOS 450D ACC Image Structure Object and Analyser verze 6.1.
Metodika hodnoceno 7 snímků z každého vzorku color temperature 4800 K, formát TIFF 8 bit resize snímku 2000 x 1333 segmentace na základě jasu a sytosti zisk dat o barevné složce objektů
Výchozí snímek Zpracováno ACC
vyfocení 1 vzorku ze tří stran konjugace v programu ACC cílem zachytit pórovitost střídy
prahování po konjugaci segmentace snímku
kvantifikace sójového proteinu - barvící systém Texas Red - zpracováno ACC - detekce na základě jasu -
kvantifikace kostních úlomků - Alizarinová červeň - zpracováno ACC - detekce na základě jasu -
Děkuji za pozornost!