По всем вопросам звоните:

+7 495 274-22-22

УДК: 681.5+664 DOI:10.33920/igt-01-2408-04

Товарная экспертиза продуктов питания: цифровая трансформация

И.И. Васильева ФГБОУ ВО «Донецкий национальный университет экономики и торговли имени Михаила Туган-Барановского», г. Донецк
В.В. Золотарёва ФГБОУ ВО «Донецкий национальный университет экономики и торговли имени Михаила Туган-Барановского», г. Донецк

В настоящее время качество продуктов питания становится важной проблемой, требующей надежных методов проверки. С развитием информационных технологий и распространением смартфонов, возникает потенциал использования этих устройств в качестве инструмента для оценки качества продуктов питания. Данный обзор отражает возможности использования смартфонов для оценки аутентичности и качества продуктов питания и предлагает некоторые методы и подходы для реализации данной концепции.

Литература:

1. Alvarez-Bermejo J.A. Efficient image-based analysis of fruit surfaces using CCD cameras and smartphones. / J.A. Alvarez-Bermejo, D.P. Morales-Santos, E. Castillo-Morales, L. Parrilla, J.A. L´opez Ramos / The Journal of Supercomputing, 2019. — 75(3), 1026–1037.

2. Giraudo, A. Development of an automated method for the identification of defective hazelnuts based on RGB image analysis and colourgrams. / A. Giraudo, R. Calvini, G. Orlandi, A. Ulrici, F. Geobaldo, F. Savorani //Food Control, 2018. — 94, 233–240.

3. Mizushima A. An image segmentation method for apple sorting and grading using support vector machine and Otsu’s method. / A. Mizushima, R. Lu, // Computers and Electronicsin Agriculture, 2013. — 94, 29–37.

4. Gilbert-L´opez B. Green foodomics. Towards acleaner scientific discipline. / B. Gilbert-L´opez, J.A. Mendiola, E. Ibanez // TRAC Trends in Analytical Chemistry, 2017. — 96, 31–41.

5. Wu D. Colour measurements by computer vision for food quality control — a review. / D. Wu, D.W. Sun // Trends in Food Science Technology, 2013. — 29(1), 5–20.

6. Nixon M. Feature extraction and image processing for computer vision. In feature extraction and image processing for computer vision /M.Nixon, A.Aguado // (4th ed.). 2020.

7. Zheng C. Recent developments and applications of image features for food quality evaluation and inspection — a review. / C. Zheng, D.W. Sun, Zheng L. (December 1). // Trends in Food Science & Technology, 2006, — 17, 642–655.

8. Song W. Use of smartphone videos and pattern recognition for food authentication. / W. Song, N. Jiang, H. Wang, J. Vincent // Sensors and Actuators B: Chemical, 2020. — 304, 127247.

9. Bouzembrak Y. Internet of Things in food safety: Literature review and a bibliometric analysis. / Y. Bouzembrak, M. Klüche, A. Gavai // Trends in Food Science Technology, 2019. — 94, 54–64.

10. Lu Y. Smartphone-based biosensors for portable food evaluation. / Y. Lu, Z. Shi, Q. Liu // Current Opinion in Food Science. cofs.2019.09.003.

11. Phuphanin A. Smartphone-based device for noninvasive eart-rate measurement of chicken embryos. / A.Phuphanin, L.Sampanporn, B. Sutapun// Sensors, 19(22), 1-14.

12. Barbin D.F., Shimokomaki M. Digital image analyses as an alternative tool for chicken quality assessment. / D.F. Barbin, S.M. Mastelini, S. Barbon, G.F.C. Campos, A.P.A. Barbon // Biosystems Engineering, 2016. — 144, 85–93.

13. Guo R. Rapid detection of Salmonella Typhimurium using magnetic nanoparticle immunoseparation, nanocluster signal mplification and smartphone image analysis. / R. Guo, S. Wang, F. Huang, Q. Chen, Y. Li, M. Liao // Sensors and Actuators B: Chemical, 2019. — 284, 134–139.

14. Сhen Y. Low cost mart phone diagnostics for food using paper-based colorimetric sensor arrays. / Y. Сhen, G. Fu, Y. Zilberman, W. Ruan, S.K. Ameri, Y.S. Zhang // Food Control, 2017. — 82, 27–232.

15. Lima M.V. Smartphone-based sound level meter application for monitoring thermal comfort of honeybees ApismelliferaL. / M.V. Lima, J.P.A.F De Queiroz, L.A.F. Pascoal, E.P. Saraiva, K.O. Soares, A. Evangelista-Rodrigues // Biological Rhythm Research, 2019. — 1–14.

16. Liu Z. A 3D printed smartphone optosensing platform for point-of-need food safety inspection / Z. Liu, Y. Zhang, S. Xu, H. Zhang, Y. Tan, C. Ma //AnalyticaChimicaActa, 2017. — 966, 81–89.

17. Ang L.-M. Development of a smartphone app for berry quality assessment. / L.-M. Ang, K.P. Seng, A. Oczkowski, A. Deloire, L.M. Schmidtke // In P.-L. Teissedre, L. Martinez (Eds.), 7th International Symposium “Opportunities and challenges for vine and wine production by preserving resources and environment” 2018. — (pp. 81–87).

18. P´erez-Bernal J.L. The smartphone as an economical and reliable tool for monitoring the rowning process in sparkling wine / J.L. P´erez-Bernal, M. Villar-Navarro, M.L. Morales, C. Ubeda, R.M. Callej´on // Computers and Electronics in Agriculture, 2017. — 141, 248–254.

1. Alvarez-Bermejo J.A. Efficient image-based analysis of fruit surfaces using CCD cameras and smartphones. / J.A. Alvarez-Bermejo, D.P. Morales-Santos, E. Castillo-Morales, L. Parrilla, J.A. L´opez Ramos / The Journal of Supercomputing, 2019. — 75(3), 1026–1037.

2. Giraudo, A. Development of an automated method for the identifi cation of defective hazelnuts based on RGB image analysis and colourgrams. / A. Giraudo, R. Calvini, G. Orlandi, A. Ulrici, F. Geobaldo, F. Savorani //Food Control, 2018. — 94, 233–240.

3. Mizushima A. An image segmentation method for apple sorting and grading using support vector machine and Otsu’s method. / A. Mizushima, R. Lu, // Computers and Electronicsin Agriculture, 2013. — 94, 29–37.

4. Gilbert-L´opez B. Green foodomics. Towards acleaner scientifi c discipline. / B. Gilbert-L´opez, J.A. Mendiola, E. Ibanez // TRAC Trends in Analytical Chemistry, 2017. — 96, 31–41.

5. Wu D. Colour measurements by computer vision for food quality control — a review. / D. Wu, D.W. Sun // Trends in Food Science Technology, 2013. — 29(1), 5–20.

6. Nixon M. Feature extraction and image processing for computer vision. In feature extraction and image processing for computer vision /M.Nixon, A.Aguado // (4th ed.). 2020.

7. Zheng C. Recent developments and applications of image features for food quality evaluation and inspection — a review. / C. Zheng, D.W. Sun, Zheng L. (December 1). // Trends in Food Science & Technology, 2006, — 17, 642–655.

8. Song W. Use of smartphone videos and pattern recognition for food authentication. / W. Song, N. Jiang, H. Wang, J. Vincent // Sensors and Actuators B: Chemical, 2020. — 304, 127247.

9. Bouzembrak Y. Internet of Things in food safety: Literature review and a bibliometric analysis. / Y. Bouzembrak, M. Klüche, A. Gavai // Trends in Food Science Technology, 2019. — 94, 54–64.

10. Lu Y. Smartphone-based biosensors for portable food evaluation. / Y. Lu, Z. Shi, Q. Liu // Current Opinion in Food Science. cofs.2019.09.003.

11. Phuphanin A. Smartphone-based device for noninvasive eart-rate measurement of chicken embryos. / A. Phuphanin, L. Sampanporn, B. Sutapun // Sensors, 19(22), 1–14.

12. Barbin D.F., Shimokomaki M. Digital image analyses as an alternative tool for chicken quality assessment. / D.F. Barbin, S.M. Mastelini, S. Barbon, G.F.C. Campos, A.P.A. Barbon // Biosystems Engineering, 2016. — 144, 85–93.

13. Guo R. Rapid detection of Salmonella Typhimurium using magnetic nanoparticle immunoseparation, nanocluster signal mplification and smartphone image analysis. / R. Guo, S. Wang, F. Huang, Q. Chen, Y. Li, M. Liao // Sensors and Actuators B: Chemical, 2019. — 284, 134–139.

14. Сhen Y. Low cost mart phone diagnostics for food using paper-based colorimetric sensor arrays. / Y. Сhen, G. Fu, Y. Zilberman, W. Ruan, S.K. Ameri, Y.S. Zhang // Food Control, 2017. — 82, 27–232.

15. Lima M.V. Smartphone-based sound level meter application for monitoring thermal comfort of honeybees ApismelliferaL. / M.V. Lima, J.P.A.F De Queiroz, L.A.F. Pascoal, E.P. Saraiva, K.O. Soares, A. Evangelista-Rodrigues // Biological Rhythm Research, 2019. — 1–14.

16. Liu Z. A 3D printed smartphone optosensing platform for point-of-need food safety inspection / Z. Liu, Y. Zhang, S. Xu, H. Zhang, Y. Tan, C. Ma //AnalyticaChimicaActa, 2017. — 966, 81–89.

17. Ang L.-M. Development of a smartphone app for berry quality assessment. / L.-M. Ang, K.P. Seng, A. Oczkowski, A. Deloire, L.M. Schmidtke // In P.-L. Teissedre, L. Martinez (Eds.), 7th International Symposium “Opportunities and challenges for vine and wine production by preserving resources and environment” 2018. — (pp. 81–87).

18. P´erez-Bernal J.L. The smartphone as an economical and reliable tool for monitoring the rowning process in sparkling wine / J.L. P´erez-Bernal, M. Villar-Navarro, M.L. Morales, C. Ubeda, R.M. Callej´on // Computers and Electronics in Agriculture, 2017. — 141, 248–254.

Повсеместное распространение смартфонов, оснащенных множеством сложных датчиков, обеспечивающих широкие возможности обработки данных (мощность, возможность подключения к сети и удобный интерфейс) делают их многообещающим инструментом для неинвазивного портативного оценивания качества продуктов питания. В сочетании с последними разработками в области Интернета вещей и облачных вычислений, они открывают возможность для применения аналитических методов, которые можно было бы использовать на каждом этапе производства, распределения и потребления продуктов питания.

С точки зрения цифрового маркетинга, активное использование смартфонов населением открывает огромные возможности для выстраивания коммуникации с потенциальным потребителем.

В этом обзоре основное внимание уделялось использованию методов, основанных на использовании смартфонов, для мониторинга и оценки качества пищевых продуктов, уделяя особое внимание тем возможностям, которые в качестве детекторов используют смартфоны, самостоятельно или в сочетании с более сложными аналитическими процедурами.

Смартфоны обычно оснащены различными сенсорами (камера, микрофон, акселерометр, гироскоп). Данные сенсоры обеспечивают возможность применения смартфонов при оценке качества продукта питания. С помощью специальных приложений могут быть проведены анализы цвета, формы, текстуры и других характеристик продукта. Например, камера может использоваться для определения степени свежести мяса по его цвету или для определения качества орехов по их форме и цельности.

Помимо калибровки в фотометрических и колориметрических подходах к количественной оценке цветных изображений, полученных с помощью камер смартфонов, распознавание образов и анализ изображений находят применение в производстве продуктов питания и оценке качества на основе изображений и видеозаписей, снятых с помощью камер смартфонов. К ним относится мониторинг урожая, например, путем оценки количества винных ягод в винограде, сортировка плодов и сортировочная оценка [1, 2, 3], выявление дефектов и оценка содержания жира в мясных продуктах [4].

Для Цитирования:
И.И. Васильева, В.В. Золотарёва, Товарная экспертиза продуктов питания: цифровая трансформация. Товаровед продовольственных товаров. 2024;8.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: