مروري بر كاربردهاي روش‌هاي پردازش تصوير بر كنترل كيفيت محصولات غذايي-بخش اول: روش‌هاي آماري پردازش بافتار

A review on Applications of Image Processing Methods on Food Products Quality Control- Part A: Statistical Texture Processing Methods

با افزايش حساسيت‌هاي قانوني و انتظارات مصرف‌كنندگان در ارتباط با كيفيت محصولات غذايي، نياز به ارزيابي دقيق و سريع اين محصولات در صنايع غذايي روبه افزايش است. بينايي ماشين با بهره‌گيري از روش‌هاي پردازش تصوير امكان نظارتِ مكانيزه و غيرمخرب بر كيفيت محصولات غذايي را فراهم نموده است. بافتار به‌عنوان يكي از مهم‌ترين ويژگي‌هاي تصوير، در كنترل كيفيت محصولات غذايي در سال‌هاي اخير به‌طور گسترده به كار گرفته شده است. به‌طور كلي روش‌هاي ارزيابي بافتار به چهار دسته‌ي آماري، ساختاري، روش‌هاي مبتني بر مدل و مبتني بر تبديل تقسيم‌بندي مي‌شود. در بخش اول اين پژوهش به روش‌هاي آماري پرداخته مي‌شود و در بخش دوم روش‌هاي مبتني بر مدل و مبتني بر تبديل‌هاي رياضي مورد بررسي قرار خواهند گرفت. روش‌هاي آماري بر مبناي كميت‌هاي آماري حاصل از روشنايي پيكسل‌هاي تصوير عمل مي‌كنند؛ در صورتي كه روش‌هاي ساختاري بر مبناي ساختارهاي كوچك تكرار شونده اوليه در تصوير كه از گردهمايي پيكسل‌هاي مشابه تشكيل مي‌شوند، بافتار را ارزيابي مي‌نمايند. در مقاله حاضر كاربردهاي روش‌هاي آماري ارزيابي بافتار در صنايع غذايي بررسي شده است. از اين روي پس از معرفي نحوه‌ي عملكرد اين روش‌ها، مثال‌هايي از پژوهش‌هاي اخير ارائه شده است كه با به‌كارگيري روش‌هاي آماري پردازش بافتار تصوير، كنترل كيفيت مواد غذايي را ممكن ساخته‌اند. نتايج حاصل از تحقيقات گذشته نشان مي‌دهد كه رايج‌ترين روش‌هاي پردازش بافتار در صنايع غذايي روش‌هاي آماري هستند كه علت محبوبيت آنها دقت عملكرد بالاي آنها است.

Consumers increased expectations of high quality food products as well as stringent regulations has increased the need for an accurate and fast method for quality assessment and control of the products in food industries. Machine vision with the aid of various image processing methods has been introduced as an objective, automate, and nondestructive approach capable for food quality control. Texture as one of the most important images features has been used extensively in food quality monitoring applications. Generally, quantitative texture assessment methods are divided into four groups: statistical, structural, modelbased, and transformbased methods. In the first part of this research (part A), the statistical methods are reviewed and in the second part (part B) the modelbased and transformbased methods will be presented. Statistical methods work based on statistical quantities that obtained from image pixels intensities, while structural methods operate based on texture primitives (a group of pixels with almost the same intensities). In the present paper, the applications of statistical image texture evaluation methods in food industries were investigated. Therefore, at first mechanisms of different statistical texture evaluation methods have been presented. Then, examples of recent studies related to employments of statistical image texture in quality control of food products have been reviewed. The results of the previous studies indicate that statistical methods are the most popular texture evaluation methods in food industries. This popularity is due to their highly accurate performances.