Trywializując, człowiek jest tym co zje i wypije. Sposób odżywiania ma bezpośredni wpływ na nasze samopoczucie, sprawność fizyczną, zdrowie i jakość życia. Ten fakt jest oczywistą motywacją do podjęcia prac nad analizą jakości żywności. W przypadku naszych prac taką analizę prowadzimy metodami wizji komputerowej i analizy obrazów cyfrowych.
Wykazaliśmy przydatność obrazowania rezonansu magnetycznego w ocenie jakości żywności. Kiedy w przyszłości koszt takiego obrazowania się obniży my już mamy opracowane metody do oceny jakości i odmian sera. Analizując teksturę obrazu wewnątrz sera oceniamy rozkład wewnętrznych dziur. Jakkolwiek dziwnie to zabrzmi rodzaj i rozmieszczenie dziur w serze robi różnicę. Podobna analiza cech barwowych i tekstury wędlin pozwala na ocenę ich rozdrobnienia, składu, w tym zawartości tłuszczu i w efekcie obliczenia miar jakościowych. Przecież chcemy jeść smacznie ale nie tłusto. Wyniki naszych prac pokazują również, że na podstawie obrazów tomograficznych możemy rozpoznawać odmiany i charakteryzować jakościowo warzywa i owoce, w tym ziemniaki, marchew, jabłka i prawdopodobnie wiele innych.
Mamy również ciekawe informacje dla osób powyżej 18. i 21. roku życia, dla tych którzy mogą i potrafią docenić smak piwa. Na podstawie zdjęć możemy rozpoznawać odmiany jęczmienia browarnego. Pokazaliśmy również, że analiza kształtu, tekstury oraz barwy powierzchni ziaren jęczmienia pozwala na jego ocenę jakościową, rozpoznawanie typowych uszkodzeń, infekcji, oraz ich sortowanie.
W analizie obrazów stosujemy nie tylko dostępne rozwiązania, takie jak głębokie sieci neuronowe. W badaniach dotyczących kształtu, barwy i tekstury żywności wykorzystujemy przede wszystkim własne opracowania, algorytmy i oprogramowanie. Część z naszych programów udostępniamy innym. Przykładem jest otwarty projekt qmazda, który obejmuje narzędzia do segmentacji obrazów, ekstrakcji danych i klasyfikacji. Wykorzystując nasze programy można analizować odmiany roślin, oceniać jakość żywności i budować rozwiązania wspomagające producentów, przetwórców i konsumentów. Wszystkich zainteresowanych zachęcamy do kontaktu i współpracy.
- Prof. Piotr M. Szczypiński, e-mail: piotr.szczypinski@p.lodz.pl
Institute of Electronics, Lodz University of Technology
tel.: +48 42631 2642
- M. Kozłowski, P. Górecki & P. M. Szczypiński, Varietal classification of barley by convolutional neural networks, Biosystems Engineering, Vol. 184, August 2019, 155-165
- Piotr M. Szczypiński, Artur Klepaczko, Marcin Kociołek, Barley defects identification, 10th International Symposium on Image and Signal Processing and Analyis, ISPA 2017, 216-219
- P. M. Szczypiński, A. Klepaczko, Chapter MaZda – A Framework for Biomedical Image Texture Analysis and Data Exploration,/a> in A. Depeursinge, O. S Al-Kadi, J. R. Mitchell (eds.), Biomedical Texture Analysis Academic Press 2017. ISBN: 978-0-12-812133-7, pp. 315-347
- Zapotoczny, P., Szczypiński, P. M., & Daszkiewicz, T. (2016). Evaluation of the quality of cold meats by computer-assisted image analysis. LWT-Food Science and Technology, 67, 37-49
- Szczypiński, P. M., Klepaczko, A., & Zapotoczny, P. (2015). Identifying barley varieties by computer vision. Computers and Electronics in Agriculture, 110, 1-8
- Szczypiński, P. M., & Zapotoczny, P. (2012). Computer vision algorithm for barley kernel identification, orientation estimation and surface structure assessment. Computers and Electronics in Agriculture, 87, 32-38
- Piotr M. Szczypiński, Michal Strzelecki, Andrzej Materka, Artur Klepaczko, MaZda - A software package for image texture analysis,/a>, Computer Methods and Programs in Biomedicine, Volume 94, Issue 1, April 2009, 66-76
- G. Collewet, M. Strzelecki, F. Mariette, Influence of MRI acquisition protocols and image intensity normalization methods on texture classification, Magnetic Resonance Imaging, 22, 2004, pp. 81-91
- Anette K. Thybo, Piotr M. Szczypinski, Anders H. Karlsson, Sune Donstrup, Hans S. Stodkilde-Jorgensen, Henrik J. Andersen, Prediction of sensory texture quality attributes of cooked potatoes by NMR-imaging (MRI) of raw potatoes in combination with different image analysis methods, Journal of Food Engineering, Elsevier 2004, pp. 91-100