Analyse d'images pour la détection de l'adultération du ghee de vache

Les objectifs de la présente étude étaient de développer un protocole d'analyse d'images afin de dériver des descripteurs mathématiques appropriés pour détecter l'adultération du ghee de vache avec des graisses végétales et de développer un modèle pour prédire les niveaux d'adultération. L'intensité des pixels, les paramètres morphologiques, de couleur, de texture et de squelette ont été dérivés en appliquant le protocole développé sur des images acquises par un scanner à plat et analysées à l'aide du logiciel ImageJ. Ces paramètres ont été mesurés pour le ghee de vache pur et comparés au ghee frelaté contenant 5 %, 10 %, 15 % et 20 % de matières grasses végétales. Après un examen minutieux de l'intercorrélation entre les paramètres textuels et physiques, l'intensité des pixels, les branches, la luminance et le diamètre équivalent ont été sélectionnés pour développer un modèle de prédiction. La capacité potentielle des paramètres sélectionnés à détecter les niveaux d'adultération a été évaluée à l'aide d'une analyse discriminante. Les niveaux d'adultération des échantillons ont été correctement classés dans une proportion de 92,2 % et la valeur R2 ajustée pour le modèle de prédiction développé était de 0,94. En outre, le modèle de prédiction a été validé à l'aide d'un nouvel ensemble de données comprenant un échantillon de ghee commercialement populaire et s'est avéré satisfaisant.

Autorentext

Prashant Wasnik a obtenu une maîtrise en génie des procédés agricoles et un doctorat en génie laitier à l'ICAR - National Dairy Research Institute, Karnal, Inde. Il a commencé sa carrière en tant qu'ingénieur d'atelier en 1992 à l'ICAR Institute et travaille actuellement en tant que doyen associé, MAFSU- College of Dairy Technology, Udgir, Inde.

Klappentext

Les objectifs de la présente étude étaient de développer un protocole d'analyse d'images afin de dériver des descripteurs mathématiques appropriés pour détecter l'adultération du ghee de vache avec des graisses végétales et de développer un modèle pour prédire les niveaux d'adultération. L'intensité des pixels, les paramètres morphologiques, de couleur, de texture et de squelette ont été dérivés en appliquant le protocole développé sur des images acquises par un scanner à plat et analysées à l'aide du logiciel ImageJ. Ces paramètres ont été mesurés pour le ghee de vache pur et comparés au ghee frelaté contenant 5 %, 10 %, 15 % et 20 % de matières grasses végétales. Après un examen minutieux de l'intercorrélation entre les paramètres textuels et physiques, l'intensité des pixels, les branches, la luminance et le diamètre équivalent ont été sélectionnés pour développer un modèle de prédiction. La capacité potentielle des paramètres sélectionnés à détecter les niveaux d'adultération a été évaluée à l'aide d'une analyse discriminante. Les niveaux d'adultération des échantillons ont été correctement classés dans une proportion de 92,2 % et la valeur R2 ajustée pour le modèle de prédiction développé était de 0,94. En outre, le modèle de prédiction a été validé à l'aide d'un nouvel ensemble de données comprenant un échantillon de ghee commercialement populaire et s'est avéré satisfaisant.