Turab SELÇUK, Ahmet ALKAN, Abdullah Sinan ÇOLAKOĞLU

Görüntü işleme teknikleri kullanılarak ekmek doku analizi ve arayüz programının geliştirilmesi

Ekmek, içerisine konulan maddelerin miktarı ve cinsine bağlı olarak farklı kalitede üretilebilmektedir. Ekmek dokusundaki gözeneklerin, sayısı, yoğunluğu, alanı gibi yapısal özellikler ekmeğin kalitesi açısındanönemli bilgiler içermektedir. Bu çalışmada DATEM (Diacetil tartaric esters of monogliserid) katkımaddesinin, fosfolipaz (FL) enziminin ve glikolipaz (GL) enziminin doğrudan ekmek yapım yöntemiyleüretilmiş ekmeklerdeki kaliteye olan etkisi belirlenmiştir. Bu amaçla, Matlab'te görüntü işleme tekniklerikullanılmış ve ekmek gözeneklerinin bölütlenmesi temelli bir yazılım oluşturulmuştur. Çalışmada, 104 farklı ekmek imgesi kullanılmıştır. Elde edilen sonuçlar DATEM'in ekmeğin gözenek yapısını iyileştirerek,konsantrasyonuyla doğru orantılı olarak ekmek hacmini arttırdığını göstermiştir. FL'nin 20 mg.kg-1 ve GL'nin 60 mg.kg-1 konsantrasyonlarında ise gözenek sayısı ve gözenek alanında artış olduğu dagözlemlenmiştir. Çalışmanın başarımının belirlenmesinde ZSI (Zijdenbos Similarity Index) indeksi kullanılmıştır. Elde edilen başarım indeks değerleri 0,87 ile 0,93 arasında değişmekte olup literatürde 0,7'den büyük değerler başarılı olarak kabul edilmektedir. Elde edilen sonuçlar, önerilen metodolojinin ekmekgözeneklerinin bölütlenmesine dayanan ekmek kalitesi analizinde kullanılabileceğini göstermiştir

Bread texture analysis and development of user interface using image processing techniques

Bread can be produced in different qualities, depending on the quantity and type of the ingredients. The textural properties such as number, density, area of cells in bread texture contain important information aboutthe quality of bread. In this study, impact of diacetyl tartaric esters of monoglycerides (DATEM) additive, (FL) phospholipase enzyme and (GL) glucolipase enzyme on the directly produced bread quality isdetermined. For this purpose, image processing techniques have been used in Matlab and a segmentation ofthe bread cells based software was created. In this study, 104 different bread images were used. The obtainedresults showed that DATEM additive increased bread volume by improving structure of cell which is directlyproportional with the concentrations. It is also observed that number and area of cells are increased in the 20 mg/kg of concentrations of FL lipase enzyme and 60mg/kg of concentrations of GL lipase enzyme. The ZSIwas used to determine the success of the study. The achieved index values ranged from 0.87 to 0.93 and inthe literature values greater than 0.7 were considered as successful. The achieved results showed that theproposed methodology can be used in bread quality analysis based on segmentation of bread cells

PDF

___

1. Lasztity R., The Chemistry of Cereal Proteins, CRC Press, U.S.A., 1996.
2. Altan A., Tahıl İşleme Teknolojisi, Çukurova Üniv. Ziraat Fak Ders Notları, 1986.
3. Pyler E.J., Baking Science and Technology, Sosland Publishing Company, U.S.A., 1988.
4. Sara M., Anneleen P., Jan A.D., Impact of lipases with different substrate specificity in wheat flour separation on the properties of the resultant gluten, Journal of Cereal Science, 77, 291-296, 2017.
5. Anneleen P., Jan A.D., Impact of water-extractable components from different cereals on the quality of oat bread, Journal of Cereal Science, 79 (1), 134-140, 2018.
6. Kamman P.W., Factors affecting the grain and texture of white bread. Baker's Digest 44 (2), 34-38, 1970.
7. Gonzales-Barron U. and Butler F., Discrimination of crumb grain visual appearance of organic and nonorganic bread loaves by image texture analysis, Journal of Food Engineering 84 (3), 480-488, 1986.
8. Sapirstein H.D., Roller R., Bushuk W., Instrumental Measurement of Bread Crumb Grain by Digital Image Analysis, Analytical Techniques and İnstrumentation, Inc, 71 (4), 383-391, 1994.
9. Butler F., Gonzales Barron U.A Comparison of Seven Thresholding Techniques with The K-Means Clustering Algorithm for Measurement of Bread-Crumb Features by Digital Image Analysis, 74 (2), 268-278, 2006.
10. AACC International, Approved Methods of American Association of Cereal Chemists, Method No's: 10-10B, 44-19, St.Paul, MN, 2000. Selçuk ve ark. / Journal of the Faculty of Engineering and Architecture of Gazi University 33:1 (2018) 31-41 41
11. Selvi E, Selver M, Kavur A, Güzeliş C, Dicle O., Segmentation of abdominal organs from mr images using multi-level hierarchical classification, Journal of the Faculty of Engineering and Architecture of Gazi University, 30 (3), 533-546, 2015.
12. Akben S.B., Alkan A., Density-based feature extraction to improve the classification performance in the datasets having low correlation between attributes, Journal of the Faculty of Engineering and Architecture of Gazi University, 30 (4), 597-603, 2015.
13. Zijdenbos A.P., Dawant B.M., Margolin R.A., Palmer A.C., Morphometric analysis of white matter lesions in MR images: Method and validation, IEEE Trans Med Imag. 13, 716-724, 1994.
14. Alkan A., Tuncer S.A., Gunay M., Comparative MR image analysis for thyroid nodule detection and quantification, Measurement, 47, 861-868, 2014.