توصيف كنتيك قهوه اي شدن آنزيمي برش هاي تازه سيب گلاب با استفاده از روش هاي مختلف آناليز تصاوير ديجيتال

Description of the kinetic enzymatic browning in fresh- cut "Golab" apple slices using different methods of digital image analysis

هدف از اين پژوهش، سنجش توانايي تحليل تصوير در توصيف كينتيك قهوه اي شدن آنزيمي برش هاي تازه ميوه سيب گلاب با استفاده از بعد فراكتال(FD) و ماتريس همزمان يسطح خاكستري(GLCM) و مقايسه آن با شاخص هاي مبتني بر پارامتر هاي رنگي مي باشد. براي محاسبه FD از روش تبديل فوريه تصوير و براي بيان كنيتك قهوه اي شدن آنزيمي از مدل پاورلا استفاده شد. نتايج نشان داد كه پارامتر L در طي قهوه اي شدن آنزيمي كاهش پيدا مي كند در حالي كه مقدار FD افزايش مي يابد كه نشان دهنده پيچيدگي هاي گسترده اي در توزيع رنگ در طي فرآيند مي باشد. با توجه به اين كه مشخصه هاي بافت در طي قهوه اي شدن آنزيمي تغيير كرده و روند افزايش يا كاهش پيدا مي كنند، لذا اين امكان وجود دارد كه از آناليز بافت GLCM جهت توصيف كينتيك قهوه اي شدن استفاده كرد. آناليز بافت تصوير اين توانايي را دارد كه برخي از اطلاعات مانند تغييرات ايجاد شده در توزيع شدت رنگ بر روي سطح در طول قهوه اي شدن كه به وسيله L مشخص نمي شود را ثبت نمايد. تغييرات هيستوگرام نيز مورد بررسي قرار گرفت و نتايج حاصل از آن نشان داد كه در طي قهوه اي شدن، هيستوگرام تصوير سطح سيب به طور كلي به سمت سطوح خاكستري تيره تر حركت مي كند اما اين حركت به صورت يكنواخت نبوده كه نشان دهنده بالاتر بودن شدت قهوه اي شدن در برخي نقاط است

The objective of the study was to assess the ability of image analysis described in enzymatic browning kinetics of apple using fractal dimension (FD) and gray level co-matrix (GLCM) and compare it with color indicators such as average L* value (conventional method). The Fourier fractal texture image was used to calculate a fractal dimension value (FD). Power-law model used to model the enzymatic kinetic. The results showed that the average of L* value decreased during an enzymatic browning in fruit slices, while FDL* rose. Results showed that it is possible to use GLCM image texture to describe the browning kinetic, because the surface intensity in image becomes more jagged and local variation in color intensity are distributed non- homogeneously on the image during browning. Image texture gives us information about the spatial arrangement of color or intensities in an image that was not recorded when the traditional (L* value) method was used. Changes in the histogram of image intensities was studied and the resulted showed during browning, image histogram towards the apple generally darker gray levels change while the changes are not uniform, which represents the greater intensity of browning at some points.