Preview

Изучение влияния использования технического зрения на показатели качества оманской халвы

https://doi.org/10.36107/hfb.2019.i4.s277

Полный текст:

Аннотация

Статья посвящена методам и способам повышения качества производства оманских десертов (халвы) за счет использования системы технического зрения для автоматизации контроля показателей качества с возможностью управления производством данного продукта. Показано, что в процессе производства оманской халвы возникают проблемы со стабильностью показателей качества используемого сырья, что влияет на качество готовой халвы. Поэтому проведен системный анализ объекта автоматизации - линии производства оманской халвы. Дан анализ особенностей всех этапов ее производства, а также протекающих в них информационных процессов. Представлена характеристика основных стадий производства оманской халвы. Сделан всесторонний анализ наиболее важных контролируемых в процессе производства органолептических показателей качества оманской халвы. Рассмотрены и проанализированы существующие методы и средства этих показателей. Представлены недостатки лабораторного органолептического контроля. Выбраны и обоснованы наиболее информативные органолептические показатели контроля качества сырья, используемого при производстве оманской халвы: размер (форма), цвет и состояние поверхности. Эти показатели необходимо контролировать в процессе производства оманской халвы. Показано, что существующие в настоящее время методы оценки этих показателей качества субъективны и определяются только экспертами путем лабораторных измерений. Рассмотрены и проанализированы существующие инструментальные методы и средства автоматического контроля в потоке этих показателей. Обзор и анализ полученных в проведенном исследовании данных показал невозможность использования имеющихся методов и средств для автоматизации контроля выбранных показателей в потоке при производстве оманской халвы. Проанализирована возможность использования систем технического зрения для автоматизации контроля выбранных органолептических показателей качества оманской халвы. Проведенные исследования позволили сделать вывод о перспективности использования для этих целей системы технического зрения. Представлен состав типовой системы технического зрения. Проанализированы решения по выбору различных типов объективов для решения самых разных задач и предложены наиболее перспективные объективы для решения намеченных задач. Исследован и проанализирован один из самых важных этапов СТЗ - обработка изображения.

Выбран наиболее эффективный для решения поставленных задач алгоритм обработки полученного изображения. Представлены различные уровни изображения и рассмотрено их влияние на качество получаемого результата при контроле сыпучего сырья в потоке. Используя выбранный алгоритм, были проведены экспериментальные исследования определения размеров орехов, яблок, апельсинов, клубники, фиников, т.е. сырья, используемого при производстве оманской халвы. Показана перспективность применения 3-мерного анализа изображений для получения высокоэффективной информации об органолептических показателях качества пищевого сыпучего сырья, используемого при производстве оманской халвы.

Об авторах

И. Аль Балуши
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Аль Балуши Имад

125080, Москва, Волоколамское шоссе, дом 11



И. Г. Благовещенский
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Благовещенский Иван Германович

125080, Москва, Волоколамское шоссе, дом 11



М. М. Блговещенская
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Благовещенская Маргарита Михайловна

125080, Москва, Волоколамское шоссе, дом 11



В. А. Сумерин
ФГБОУ ВО «Московский государственный университет пищевых производств»
Россия

Сумерин Вячеслав Андреевич

125080, Москва, Волоколамское шоссе, дом 11



Список литературы

1. Антипов, С. Т., Кретов, И. Т., & Остриков, А.Н. (2009). Машины и аппараты пищевых производств. КолосС.

2. Балыхин, М. Г., Благовещенская, М. М., Благовещенский, И. Г., Макаровская, З. В., & Назойкин, Е. А. (2019). Автоматизация вакуумной сублимационной сушки продукции с использованием метода комбинированного управления. Известия высших учебных заведений. Технология текстильной промышленности, 2(380), 133-137.

3. Балыхин, М. Г., Борзов, А. Б., & Благовещенский, И. Г. (2017). Архитектура и основная концепция создания интеллектуальной экспертной системы контроля качества пищевой продукции. Пищевая промышленность, 11, 60 - 63.

4. Балыхин, М. Г., Борзов, А. Б., & Благовещенский, И. Г. (2017). Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий. Франтера.

5. Битюков, В. К., Хвостов, А. А., & Ребриков, Д. И. (2008). Экспертная система определения цветовых характеристик хлебобулочных изделий. В Системы управления и информационные технологии, 4 (с. 138 – 141).

6. Благовещенская, М. М. (2009). Основы стабилизации процессов приготовления многокомпонентных пищевых масс. Франтера.

7. Благовещенская, М. М., & Злобин, Л. А. (2005). Информационные технологии систем управления технологическими процессами. Высшая школа.

8. Благовещенская М.М., Сантон Куннихан М.П. (2017). Структура систем управления дозирования с использованием нейронных сетей. В Общеуниверситетская студенческая конференция студентов и молодых ученых «День науки» (c. 263 – 267).

9. Благовещенский, И. Г., Макаровская, З. В., Благовещенская, М. М., Чувахин, С. В., & Митин, В. В. (2019). Использование цифровой видеокамеры в качестве интеллектуального датчика системы автоматического регулирования процесса формования гранулированных пищевых масс. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 71 – 75).

10. Драгилев, А. И., & Маршалкин, Г. А. (2005). Основы кондитерского производства. ДеЛи Принт.

11. Зубченко, А. В. (2001). Технология кондитерского производства. ВГТА.

12. Крылова, Л. А., Благовещенский, В. Г., & Татаринов, А .В. (2017). Разработка интеллектуальных аппаратно- программных комплексов мониторинга процессов сепарирования дисперсных пищевых масс на основе интеллектуальных технологий. В Развитие пищевой и перерабатывающей промышленности России: кадры и наука (с.199 – 201). Издательский комплекс МГУПП.

13. Лурье, И. С. (1989). Технология и технологический контроль кондитерского производства. Легкая и пищевая промышленность.

14. Петров, А. Ю., Благовещенская, М. М., Благовещенский, В. Г., Ионов, А. В., & Благовещенский, И. Г. (2019). Главные принципы при построении системы компьютерного зрения в хлебопекарной промышленности. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 121 – 126).

15. Петряков, А. Н., Благовещенская, М. М., Благовещенский, В Г., Митин, В. В., & Благовещенский, И. Г. (2019). Повышение качества идентификации и позиционирования объекта на цифровых стерео изображениях при помощи алгоритмов построения карты глубины. В Интеллектуальные системы и технологии в отраслях пищевой промышленности (с. 133 – 138).

16. Петряков, А. Н., Благовещенская, М. М., Благовещенский, В. Г., & Крылова, Л. А. (2018). Применение методов объектно-ориентированного программирования для контроля показателей качества кондитерской продукции. Кондитерское и хлебопекарное производство, 5-6(176), 21-23.

17. Савостин, С. Д., Благовещенская, М. М., & Благовещенский, И. Г. (2016). Автоматизация контроля показателей качества муки в процессе размола с использованием интеллектуальных технологий. Франтера.

18. Шторх, Л. В. (2013). Совершенствование технологии хлеба для школьного питания с применением автоматизированной системы контроля цвета изделий: Автореф. дис. ... канд. техн. наук.ВГУИТ.

19. Agoston, M. K. (2004). Computer Graphics and Geometric Modeling. Springer.

20. Ali, S. M. (2013). Gap-Filling Restoration Methods for ETM+ Sensor Images. Iraqi Journal of Science, 54(1),206-214.

21. Benosman, R. (2001). Panoramic vision : Sensors, theory. New York. XXIV.

22. Blagoveshchenskiy, I. G., Sulimov, V. D., Shkapov, P. M., & Blagoveshchenskay, M. M. (2018). Hybrid algorithms for optimization and diagnostics of hydromechanical systems used in food production biotechnology. In Materials Science and Engineering «Fundamental and Applied Problems of Mechanics – 2017», 012039 - 012048.

23. Fattal, R. (2007). Image upsampling via imposed edges statistics. ACM Transaction on Graphics, 26(3), Article 95. http://doi.acm.org/10.1145/1239451.1239546

24. Fisher, R. A. (2006). The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics.

25. Garcia, L. A., Arguesso, F., Garcia, A. I., & Diaz, M. (1995). Application of neural networks for controlling and predicting quality parameters in beer fermentation. Journal of industrial microbiology, 5, 28 – 35.

26. Gardner J., & Bartlett P. (1998). Electronic Noses: Principles and Applications. Oxford University Press.

27. Gorban, A. N. (2007). Principal Manifolds for Data Visualisation and Dimension Reduction. Springer.

28. Komarinskiy, S. (2008). The Cognitive Visualization System. In Astronomical Data Analysis Software and Systems (ADASS) XVII (pp. 252 – 386).

29. Legin, A., Rudnitskaya, A., Vlasov, Yu., Di Natale, C., & D’Amico, A. (1999). Sensors and Actuators. West Publishing Company.

30. Newton, D. E. (2007). Food Chemestry. Facts On File.

31. Semenov, G. V., Krasnova, I. S., Suvorov, O. A., Shuvalova, D., & Posokhov, N. D. (2015). Influence of freezing and drying on phytochemical properties of various fruit. Biosciences Biotechnology Research Asia,12(2), 1311-1320.

32. Semenov, G. V., Tikhomirov, A. A., & Krasnova, I. S. (2016). The choice of the parameters of vacuum freeze drying to Thermolabile materials with desired quality level. International Journal of Applied Engineering Research, 11(13), 8056-8061.

33. Sun, D. W. (2008). Modern Techniques for food authentication. Academic Press.

34. Tikhomirov, A. A., & Matison, V. A. (2016). A study on the problem of customer relation ship-oriented design food. Research Journal of Pharmaceutical, Biological and Chemical Sciences, 7(4), 2680-2690.

35. Tikhomirov, A. A., & Matison, V. A. (2016). On the application of consumer evaluation in developing new food products. International Journal of Applied Business and Economic Research, 14(14), 735-746.

36. Wilson, C. I., & Threapleton L. (2003). Application Of Artificial Intelligence For Predicting Beer Flavours From Chemical Analysis. In European Brewery Convention (pp. 18 – 25).


Просмотров: 1


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2712-7648 (Online)