Documents disponibles écrits par cet auteur

Pork quality and marbling level assessment using a hyperspectral imaging system / Qiao, Jun in Journal of food engineering, Vol. 83 N°1 (Novembre 2007) 

Public ISBD [article]  in Journal of food engineering > Vol. 83 N°1 (Novembre 2007) . - 10-16 p. Titre : Pork quality and marbling level assessment using a hyperspectral imaging system Type de document : texte imprimé Auteurs : Qiao, Jun, Auteur ; Ngadi, Michael O., Auteur ; Wang, Ning, Auteur Article en page(s) : 10-16 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Hyperspectral  imaging  Pork  quality  Marbling  PCA  Cluster  analysis  Neural  network  Formation  image  hyper-spectrale  Qualité  de  porc  Marbrer  PCA  Analyse  de  faisceau  Réseau  neurologique Index. décimale : 664 Résumé : Pork quality is usually evaluated subjectively based on color, texture and exudation characteristics of the meat. In this study, a hyperspectral imaging-based technique was evaluated for rapid, accurate and objective assessment of pork quality. In addition, marbling level was also automatically determined. The system was able to extract spectral characteristics of pork samples. Appropriate spatial features were obtained for marbling distribution in pork meat. Existing marbling standards were scanned, and indices of the marbling scores were formulated by co-occurrence matrix. The principal component analysis (PCA) method was used to compress the entire spectral wavelengths (430–1000 nm) into 5, 10 and 20 principal components (PCs), which were then clustered into quality groups. Artificial neural network was used to classify these groups. Results showed that reddish, firm and non-exudative (RFN) and reddish, soft and exudative (RSE) samples were successfully grouped; the total corrected ratio was 75–80%. The feed-forward neural network model yielded corrected classification as 69% by 5 PCs and 85% by 10 PCs. Angular second moment was successfully used to determine marbling scores excepting the score at 10.0. Forty samples were sorted and the result showed that the samples’ marbling score ranged from 3.0 to 5.0. La qualité de porc est habituellement évaluée subjectivement basée sur des caractéristiques de couleur, de texture et d'exsudation de la viande. Dans cette étude, une technique formation image-basée hyperspectral a été évaluée pour l'évaluation rapide, précise et objective de la qualité de porc. En outre, marbrant de niveau a été également automatiquement déterminé. Le système pouvait extraire des caractéristiques spectrales des échantillons de porc. Des dispositifs spatiaux appropriés ont été obtenus pour la distribution marbrante en viande de porc. Des normes marbrantes existantes ont été balayées, et des index des indices de marbrure ont été formulés par la matrice de Co-occurrence. La méthode de l'analyse de composant principal (PCA) a été employée pour comprimer les longueurs d'onde spectrales entières (430-1000 nanomètre) dans 5, 10 et 20 composants principaux (PCs), qui ont été alors groupés dans des groupes de qualité. Le réseau neurologique artificiel a été employé pour classifier ces groupes. Les résultats ont prouvé que rougeâtre, ferme et non-exsudatif (RFN) et rougeâtre, doux et échantillons (RSE) exsudatifs ont été avec succès groupés ; tout le rapport corrigé était 75-80%. Le modèle alimenter-vers l'avant de réseau neurologique a rapporté la classification corrigée en tant que 69% par 5 PCs et 85% par 10 PCs. Le deuxième moment angulaire a été avec succès employé pour déterminer les indices de marbrure sauf les points à 10.0. Quarante échantillons ont été assortis et le résultat a prouvé que l'indice de marbrure témoins' s'est étendu de 3.0 à 5.0. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Porc (viande) En ligne : http://www.sciencedirect.com/science?_ob=ArticleListURL&_method=list&_ArticleLis [...] [article] Pork quality and marbling level assessment using a hyperspectral imaging system [texte imprimé] / Qiao, Jun, Auteur ; Ngadi, Michael O., Auteur ; Wang, Ning, Auteur . - 10-16 p. Génie Chimique Langues : Anglais (eng) in Journal of food engineering > Vol. 83 N°1 (Novembre 2007) . - 10-16 p. Mots-clés : Hyperspectral  imaging  Pork  quality  Marbling  PCA  Cluster  analysis  Neural  network  Formation  image  hyper-spectrale  Qualité  de  porc  Marbrer  PCA  Analyse  de  faisceau  Réseau  neurologique Index. décimale : 664 Résumé : Pork quality is usually evaluated subjectively based on color, texture and exudation characteristics of the meat. In this study, a hyperspectral imaging-based technique was evaluated for rapid, accurate and objective assessment of pork quality. In addition, marbling level was also automatically determined. The system was able to extract spectral characteristics of pork samples. Appropriate spatial features were obtained for marbling distribution in pork meat. Existing marbling standards were scanned, and indices of the marbling scores were formulated by co-occurrence matrix. The principal component analysis (PCA) method was used to compress the entire spectral wavelengths (430–1000 nm) into 5, 10 and 20 principal components (PCs), which were then clustered into quality groups. Artificial neural network was used to classify these groups. Results showed that reddish, firm and non-exudative (RFN) and reddish, soft and exudative (RSE) samples were successfully grouped; the total corrected ratio was 75–80%. The feed-forward neural network model yielded corrected classification as 69% by 5 PCs and 85% by 10 PCs. Angular second moment was successfully used to determine marbling scores excepting the score at 10.0. Forty samples were sorted and the result showed that the samples’ marbling score ranged from 3.0 to 5.0. La qualité de porc est habituellement évaluée subjectivement basée sur des caractéristiques de couleur, de texture et d'exsudation de la viande. Dans cette étude, une technique formation image-basée hyperspectral a été évaluée pour l'évaluation rapide, précise et objective de la qualité de porc. En outre, marbrant de niveau a été également automatiquement déterminé. Le système pouvait extraire des caractéristiques spectrales des échantillons de porc. Des dispositifs spatiaux appropriés ont été obtenus pour la distribution marbrante en viande de porc. Des normes marbrantes existantes ont été balayées, et des index des indices de marbrure ont été formulés par la matrice de Co-occurrence. La méthode de l'analyse de composant principal (PCA) a été employée pour comprimer les longueurs d'onde spectrales entières (430-1000 nanomètre) dans 5, 10 et 20 composants principaux (PCs), qui ont été alors groupés dans des groupes de qualité. Le réseau neurologique artificiel a été employé pour classifier ces groupes. Les résultats ont prouvé que rougeâtre, ferme et non-exsudatif (RFN) et rougeâtre, doux et échantillons (RSE) exsudatifs ont été avec succès groupés ; tout le rapport corrigé était 75-80%. Le modèle alimenter-vers l'avant de réseau neurologique a rapporté la classification corrigée en tant que 69% par 5 PCs et 85% par 10 PCs. Le deuxième moment angulaire a été avec succès employé pour déterminer les indices de marbrure sauf les points à 10.0. Quarante échantillons ont été assortis et le résultat a prouvé que l'indice de marbrure témoins' s'est étendu de 3.0 à 5.0. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Porc (viande) En ligne : http://www.sciencedirect.com/science?_ob=ArticleListURL&_method=list&_ArticleLis [...]