KaydedilenlerDerginizi ekleyin

Dergiler / Türk Tarım - Gıda Bilim ve Teknoloji dergisi / 2019 / Cilt: 7 - Sayı: 7

Bilgisayarlı Görüntüleme Sistemi: Gıda Endüstrisinde Kullanımı ve Uygulamaları

Machine Vision System: Food Industry Applications and Practices

Pınar BALKIR
Kemal KEMAHLIOĞLU
Ufuk YÜCEL
Sayfa
989–999
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sistemin objektifliği, hızlılığı, ekonomikliği ve etkinliği bilgisayarlı görüntüleme sisteminin önemli avantajları olarak değerlendirilmekte ve sektörde alternatif bir yöntem olarak gelişim göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bilgisayarlı görüntüleme sistemi, kamera, görüntü yakalama kartı, bilgisayar donanımı ve görüntü işleme teknolojilerinin bir birleşimidir.
📊
Temel Bulgular & Veri:Günümüzde güvenlik garantisi sağlayan gıdalar tüketiciler tarafından daha fazla tercih edilmektedir.
💡
Sonuç & Katkı:Sistemin objektifliği, hızlılığı, ekonomikliği ve etkinliği bilgisayarlı görüntüleme sisteminin önemli avantajları olarak değerlendirilmekte ve sektörde alternatif bir yöntem olarak gelişim göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Bilgisayarlı görüntüleme sistemi, kamera, görüntü yakalama kartı, bilgisayar donanımı ve görüntü işleme teknolojilerinin bir birleşimidir. Günümüzde güvenlik garantisi sağlayan gıdalar tüketiciler tarafından daha fazla tercih edilmektedir. Bu doğrultuda gıda endüstrisinde nitel bilgi sağlama ve belirli işlemleri hızlandırma olanakları sağlaması açısından bilgisayarlı görüntüleme sistemi sektöre çeşitli avantajlar sunmaktadır. Bilgisayarlı görüntüleme sistemi, uygun görüntü işleme ve analizleme algoritmaları ile geleneksel yöntemlerden daha hızlı olması, doğru ve güvenilir sonuçlar sağlaması açısından günümüzde tahıllar, meyve sebze, et ve deniz ürünleri ve diğer bazı işlenmiş gıdaların kontrolünde geniş çapta uygulama alanı bulmuştur. Sistemin objektifliği, hızlılığı, ekonomikliği ve etkinliği bilgisayarlı görüntüleme sisteminin önemli avantajları olarak değerlendirilmekte ve sektörde alternatif bir yöntem olarak gelişim göstermektedir.

Abstract

Machine vision system is a combination of camera, image capture card, computer hardware and image processing technology. Safe foods are highly preferred by consumers today and accordingly, machine vision system has the edge on food sector for ensuring qualitative data and accelerating some certain processes. Machine vision system, which is more accurate, reliable and faster than conventional methods, has been used in wide range of applications in the inspection of cereals, fruits and vegetables, meats and marine products and some other processed foods in combination with convenient image processing and analysing algorithms. Considering the objectivity, promptness, economy and effectiveness as the chief advantages, the system makes progress as an alternative method in the sector.

🔖

Bu Makaleye Atıf Yap

BALKIR, P., KEMAHLIOĞLU, K., YÜCEL, U. (2019). Bilgisayarlı Görüntüleme Sistemi: Gıda Endüstrisinde Kullanımı ve Uygulamaları. Türk Tarım - Gıda Bilim ve Teknoloji dergisi, Cilt: 7 - Sayı: 7, 989–999. https://ajindex.com/articles/331950

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (4)

  1. Abildgaard OHA, Kamran F, Dahl AB, Skytte JL, Nielsen FD, Thomsen CL, Andersen PE, Larsen R, Frisvad JR. 2015. Non-invasive assessment of dairy products using spatially resolved diffuse reflectance spectroscopy. Applied Spectroscopy, 69(9): 1096-1105. DOI:10.1366/2F14-07529 Adi K, Pujiyanto S, Nurhayati OD, Pamungkas A. 2017. Beef quality identification using thresholding method and decision tree classification based on android smartphone. J Food Quality, 2017,1-10. DOI:10.1155/2017/1674718 Aggarwal AK, Mohan R. 2010. Aspect ratio analysis using image processing for rice grain quality. Int J Food Eng., 6 (5): 1-14. DOI:10.2202/1556-3758.1788 Ahmad IS, Reid JF, Paulsen MR, Sinclair JB. 1999. Color classifier for symptomatic soybean seeds using ımage processing. Plant Disease, 83(4): 320-327.
  2. Ahmad, I. S., Reid, J. F., Paulsen, M. R., & Sinclair, J. B. (1999). Color Classifier for Symptomatic Soybean Seeds Using Image Processing. Plant Disease, 83(4), 320–327. DOI:10.1094/pdis.1999.83.4.320 Alamprese C, Casale M, Sinelli L, Lanteri S, Casiraghi E. 2013. Detection of minced beef adulteration with turkey meat by UV-vis, NIR and MIR spectroscopy. LWT-Food Sci Technol., 53(1): 225-232. DOI:10.1016/j.lwt.2013.01.027 Alikhanov D, Penchev S, Georgieva T, Moldajanov A, Shynybaj Z, Daskalov P. 2015. Indirect method for egg weight measurement using image processing. Int J Emerging Technol Advanced Eng., 5 (11): 30-34.
  3. Ariana DP, Lu R, Guyer DE. 2006, Near-infrared hyperspectral reflectance imaging for detection of bruises on pickling cucumbers. Computers Electronics Agric., 53: 60–70. DOI:10.1016/j.compag.2006.04.001 Arivazhagan S, Shebiah RN, Sudharsan N, Kannan RR, Ramesh, R. 2013. External and internal defect detection of egg using machine vision. J Emerging Trends Computing Information Sci., 4(3): 257-262.
  4. Arsalane A, El Babri N, Rhofir K N, Tabyaoui A, Klilou A. 2017. Beef and horse meat discrimination and storage time classification using a portable device based on DSP and PCA method. Int J Intelligent Entreprise, 4: 60-74. DOI:10.1504/IJIE.2017.087005 Arsalane A, El Babri N, Tabyaoui A, Klilou A, Rhofir K, Halimi A. 2018. An embedded system based on DSP platform and PCA-SVM algorithms for rapid beef meat freshness prediction and identification. Computers Electronics Agric., 152: 385–392. DOI:10.1016/j.compag.2018.07.031 Ataş M, Yardımcı Y, Temizel A. 2012. A new approach to aflatoxin detection in chili pepper by machine vision. Computers Electronics Agric., 87: