Development of a method for assessing the quality of barley for brewing using hyperspectral imaging
Piotr Zapotoczny
WNT UWM w OlsztynieAbstrakt
W artykule omówiono wykorzystanie obrazowania hiperspektralnego w procesie oceny jakości ziarna jęczmienia przeznaczonego na cele browarnicze. Zastosowano specjalistyczny zestaw badawczy składający się ze spektrofotometru sprzężonego z kamerą CCD. Podczas pomiarów rejestrowano rozkład widmowy każdego piksela obrazu w zakresie od 400 do 1000 nm, co umożliwiło wyodrębnienie jednorodnych obszarów na powierzchniach ziaren. Następnie na wyznaczonych obszarach obliczono parametry tekstury powierzchni. Przed przystąpieniem do analiz klasyfikacyjnych przeprowadzono redukcję zmiennych wykorzystując: (a) współczynnik Fishera, (b) współczynnik błędu klasyfikacji wraz z uśrednionym współczynnikiem korelacji POE+ACC oraz (c) współczynnik wzajemnej informacji MI. Materiał badawczy stanowiło ziarno sklasyfikowane jako zadeszczone(B), zagrzybione pleśnią (M) i zdrowe (H). Najlepsze wyniki klasyfikacji uzyskano dla długości fali 800 nm z wyekstrahowanych obszarów jednorodnych. Dokładność klasyfikacji osiągnęła 100% we wszystkich grupach doświadczalnych.
Słowa kluczowe:
vision systems, grain infestation, Fusarium, quality control, hyperspectral imageBibliografia
BAURIEGEL E., GIEBEL A., GEYER M., SCHMIDT U., HERPPICH W. 2011. Early detection of Fusarium infection in wheat using hyper-spectral imaging. Computer and Electronics in Agriculture, 75(2): 304-312. https://doi.org/10.1016/j.compag.2010.12.006
Crossref
Google Scholar
COGDILL R.P., HURBURGH C.R., RIPPKE G.R., BAJIC S.J.R., JONES W., MCCLELLAND J.F.T., JENSEN C., LIU J. 2004. Single-kernel maize analysis by near-infrared hyperspectral imaging. Transactions of the ASAE, 47(1): 311-320. https://doi.org/10.13031/2013.15856
Crossref
Google Scholar
DELWICHE S.R., KIM M.S. 2000. Hyperspectral imaging for detection of scab in wheat. In: Biological Quality and Precision Agriculture II. Eds. J.A. DeShazer, G.E. Meyer. Proceedings Volume, 4203. Environmental and Industrial Sensing. https://doi.org/10.1117/12.411752
Crossref
Google Scholar
DELWICHE S.R., KIM M.S., DONG Y. 2010. Damage and quality assessment in wheat by NIR hyperspectral imaging. In: Sensing for agriculture and food quality and safety II. Eds. M.S. Kim, S.-I. Tu, K. Chao. Proceedings Volume, 7676. SPIE Defense, Security, and Sensing. https://doi.org/10.1117/12.851150
Crossref
Google Scholar
DELWICHE S.R., KIM M.S., DONG Y. 2011. Fusarium damage assessment in wheat kernels by Vis/NIR hyperspectral imaging. Sensing and Instrumentation for Food Quality and Safety, 5(2): 63-71. https://doi.org/10.1007/s11694-011-9112-x
Crossref
Google Scholar
DOWELL F.E., RAM M.S., SEITZ L.M. 1999. Predicting scab, vomitoxin, and ergosterol in single wheat kernels using near-infrared spectroscopy. Cereal Chemistry, 76(4): 573-576. https://doi.org/10.1094/CCHEM.1999.76.4.573
Crossref
Google Scholar
GĄSIOROWSKI H. 1997. Jęczmień. Chemia i technologia. Wyd. I. Państwowe Wydawnictwo Rolnicze i Leśne, Poznań. Google Scholar
GIROLAMO A. DE, LIPPOLIS V., NORDKVIST E., VISCONTI A. 2009. Rapid and non-invasive analysis of deoxynivalenol in durum and common wheat by Fourier-Transform Near Infrared (FT-NIR) spectroscopy. Food Additives & Contaminants. Part A. Chemistry, Analysis, Control, Exposure and Risk Assessment, 26(6): 907-917. https://doi.org/10.1080/02652030902788946
Crossref
Google Scholar
NG H.F., WILCKE W.F., MOREY R.V., LANG J.P. 1998. Machine vision evaluation of corn kernel mechanical and mold damage. Transactions of the ASAE, 41(2): 415-420. https://doi.org/10.13031/2013.17166
Crossref
Google Scholar
PEARSON T.C., WICKLOW D.T. 2006. Detection of corn kernels infected by fungi. Transactions of the ASABE, 49(4): 1235-1245. https://doi.org/10.13031/2013.21723
Crossref
Google Scholar
POLDER G., HEIJDEN G.W.A.M. VAN DER, WAALWIJK C., YOUNG I.T. 2005. Detection of Fusarium in single wheat kernels using spectral imaging. Seed Science & Technology, 33(3): 655-668. https://doi.org/10.15258/sst.2005.33.3.13
Crossref
Google Scholar
SINGH C.B., JAYAS D.S., PALIWAL J., WHITE N.D.G. 2012. Fungal damage detection in wheat using short-wave near-infrared hyperspectral and digital colour imaging. International Journal of Food Properties, 15(1): 11-24. https://doi.org/10.1080/10942911003687223
Crossref
Google Scholar
SINGH C.B., JAYAS D.S., PALIWAL J., WHITE N.D.G. 2007. Fungal detection in wheat using near-infrared hyperspectral imaging. Transactions of the ASABE, 50(6): 2171-2176. https://doi.org/10.13031/2013.24077
Crossref
Google Scholar
TADEUSIEWICZ R., KOROHODA P. 1997. Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków. Google Scholar
THOMAS S., WAHABZADA M., KUSKA M.T., RASCHER U., MAHLEIN A.K. 2017. Observation Google Scholar
of plant–pathogen interaction by simultaneous hyperspectral imaging reflection and transmission measurements. Functional Plant Biology, 44(1): 23-34. https://doi.org/10.1071/FP16127
Crossref
Google Scholar
WNT UWM w Olsztynie
