1. IntroductionWhenever consumers c

1. Introduction
Whenever consumers consider buying fresh products, such as fruits,
vegetables, and meat, color is used as a quality parameter. Evaluation of
the product is based on earlier experiences, and expectations are set accordingly
(MacDougall & Hutchings, 2002) and therefore determines
the purchase. This fact makes color evaluation an important factor in
not only quality control by the producer and manufacturer, but also
within research and product development. It is important that such
color evaluations are performed in a consistent and objective manner
to achieve reliable results (Wu & Sun, 2013). Important as well, is that
the color measurements reflect the human perception of color and
that they can be performed in a non-invasive manner. It is therefore
worthwhile investigating the current and future methods for meat
color assessment.
The traditional instrument for assessing meat color is a colorimeter.
The colorimeter measurements are based on a number of site measurements
and the average of these is the final color measurement. This
sampling strategy does not reflect the color variation of the full sample
and can be hard to reproduce (Larraín, Schaefer, & Reed, 2008; Mancini &
Hunt, 2005). To meet these shortcomings we suggest to use a camera
based vision system. A vision system has the advantage of not being in
physical contact with the meat and therefore there will be no risk of
contaminating the meat by the color measurement. Earlier studies
using vision systems for color evaluation have focused on converting
RGB images to CIELAB values (Blasco, Aleixos, & Moltó, 2003; Chen,
Chao, & Kim, 2002; Larraín et al., 2008; Mendoza, Dejmek, & Aguilera,
2006; O'Sullivan et al., 2003; Yam & Spyridon, 2004). Wu and Sun
(2013) emphasize that the RGB images, among other issues, are dependent
on the sensitivity of the camera employed, and cannot be directly
transformed to the standardized color space, sRGB, in a consistent manner.
Therefore, two systems might measure the same sample differently.
Despite this issue Yagiz, Balaban, Kristinsson, Welt, and Marshall (2009)
present a study on the color of fresh salmon filets where they compare
the color outcome from an RGB vision system with the colorimeter
measurements. Their study revealed that despite that similar results
were obtained from calibration plates for the two assessment methods,
the measured color of fresh salmon deviated. The color returned by the
vision system had close resemblance to the perceived color of the filets,
whereas the colorimeter returned grayish colors. A similar study was
carried out by Girolami, Napolitano, Faraone, and Braghieri (2013),
where a panel was exposed to an image of a meat sample and next to it
two squares on a monitor. One square representing the color returned
by the colorimeter and the other representing the color obtained from a
computer vision system (CVS). The study clearly showed that the colors
returned by the CVS resemble

ผลลัพธ์ (ไทย) 1:

1. บทนำเมื่อใดก็ตามผู้บริโภคพิจารณาซื้อสดผลิตภัณฑ์ ผลไม้ผักและเนื้อสัตว์ ใช้เป็นพารามิเตอร์คุณภาพสี การประเมินของผลิตภัณฑ์ขึ้นอยู่กับประสบการณ์ก่อนหน้านี้ และตั้งความคาดหวังตาม(MacDougall & Hutchings, 2002) และดังนั้นจึง กำหนดซื้อ ข้อเท็จจริงนี้ทำให้สีเป็นปัจจัยสำคัญในการประเมินไม่เพียงแต่ควบคุมคุณภาพ โดยผู้ผลิตและผู้ผลิต แต่ยังในการพัฒนางานวิจัยและผลิตภัณฑ์ มันเป็นสิ่งสำคัญที่ดังกล่าวดำเนินการประเมินสีในลักษณะสอดคล้องกัน และวัตถุประสงค์เพื่อให้บรรลุผลลัพธ์ที่เชื่อถือได้ (วูแอนด์ซัน 2013) มีความสำคัญเช่น ที่วัดสีสะท้อนรับรู้มนุษย์สี และว่า พวกเขาสามารถจะทำในลักษณะที่ไม่ทำลายธรรมชาติ ดังนั้นคุ้มค่าการตรวจสอบวิธีการปัจจุบัน และอนาคตสำหรับเนื้อสัตว์การประเมินสีเครื่องมือแบบดั้งเดิมสำหรับการประเมินสีเนื้อเป็นเครื่องแบบการวัดเครื่องจะขึ้นอยู่กับจำนวนเว็บไซต์วัดและค่าเฉลี่ยเหล่านี้เป็นวัดสุดท้ายสี นี้สุ่มตัวอย่างกลยุทธ์ไม่สะท้อนถึงการเปลี่ยนแปลงสีของตัวอย่างเต็มรูปแบบและยากที่จะทำซ้ำ (Larraín, Schaefer และ ลิ้น 2008 Mancini และล่า 2005) การแสดงเหล่านี้ เราขอแนะนำการใช้กล้องวิสัยทัศน์ระบบงาน ข้อดีของการไม่มีวิสัยทัศน์ระบบจริงติดต่อกับเนื้อ และมีดังนั้นจะไม่มีความเสี่ยงของขยะเนื้อ โดยวัดสี การศึกษาก่อนหน้านี้ใช้วิสัยทัศน์ระบบสำหรับการประเมินสีได้เน้นแปลงภาพ RGB ค่า CIELAB (Blasco, Aleixos, & Moltó, 2003 เฉินเจ้า & คิม 2002 Larraín et al., 2008 เมนโดซา Dejmek, & สติ นาปี 2006 โรงง et al., 2003 ยำและ Spyridon, 2004) วูและดวงอาทิตย์(2013) เน้นที่ภาพ RGB ประเด็นอื่น ๆ อ้างอิงในความไวของกล้องทำงาน และไม่สามารถโดยตรงแปลงไปพื้นที่สีมาตรฐาน sRGB ในลักษณะที่สอดคล้องกันดังนั้น สองระบบอาจวัดตัวอย่างเดียวกันแตกต่างกันทั้ง ๆ นี้ออก Yagiz, Balaban, Kristinsson, Welt และมาร์แชลล์ (2009)ปัจจุบันการศึกษาสีของนเดอร์ลอยน์แซลมอนสดซึ่งการเปรียบเทียบผลสีที่ได้จากระบบ RGB วิสัยทัศน์กับเครื่องวัด เปิดเผยการศึกษาที่แม้ มีผลลัพธ์ที่คล้ายคลึงกันได้รับจากแผ่นเทียบสำหรับวิธีการประเมินที่ 2แซลมอนสีวัด deviated สีที่ได้จากการรูปปิดการรับรู้สีของนเดอร์ลอยน์ มีวิสัยทัศน์ระบบในขณะเครื่องกลับสีเงิน มีการศึกษาเหมือนกันดำเนินการ โดย Girolami, Napolitano, Faraone และ Braghieri (2013),ที่แผงได้สัมผัสกับภาพ ของตัวอย่างเนื้อ และอยู่ด้านข้างสองช่องบนหน้าจอ หนึ่งช่องแสดงสีที่ส่งคืนโดยเครื่องและที่อื่น ๆ แสดง สีที่ได้รับจากการระบบการมองเห็นคอมพิวเตอร์ (CVS) การศึกษาอย่างชัดเจนพบว่าสีได้จาก CVS คล้าย

ผลลัพธ์ (ไทย) 2:

1. บทนำ
เมื่อใดก็ตามที่ผู้บริโภคพิจารณาซื้อสินค้าสดเช่นผลไม้
ผักและเนื้อสัตว์สีถูกนำมาใช้เป็นพารามิเตอร์ที่มีคุณภาพ การประเมินผลของ
ผลิตภัณฑ์ที่ได้รับขึ้นอยู่กับประสบการณ์ก่อนหน้านี้และความคาดหวังมีการกำหนดตาม
(MacDougall & Hutchings, 2002) และดังนั้นจึงกำหนด
ซื้อ ความจริงเรื่องนี้ทำให้การประเมินผลสีปัจจัยสำคัญในการ
ไม่เพียง แต่การควบคุมคุณภาพโดยผู้ผลิตและผู้ผลิต แต่ยัง
ภายในวิจัยและพัฒนาผลิตภัณฑ์ มันเป็นสิ่งสำคัญที่เช่น
การประเมินผลสีจะดำเนินการในลักษณะที่สอดคล้องและมีวัตถุประสงค์
เพื่อให้บรรลุผลลัพธ์ที่น่าเชื่อถือ (Wu & Sun, 2013) สิ่งสำคัญเช่นกันคือ
วัดสีสะท้อนให้เห็นถึงการรับรู้ของมนุษย์ของสีและ
การที่พวกเขาสามารถดำเนินการในลักษณะที่ไม่รุกราน ดังนั้นจึงเป็นเรื่อง
ที่คุ้มค่าการตรวจสอบวิธีการในปัจจุบันและอนาคตสำหรับเนื้อ
ประเมินสี.
เครื่องมือที่ใช้ในการประเมินแบบดั้งเดิมสีเนื้อ colorimeter.
วัด colorimeter จะขึ้นอยู่กับจำนวนของการวัดเว็บไซต์
และค่าเฉลี่ยของเหล่านี้เป็นวัดสีสุดท้าย นี้
กลยุทธ์การสุ่มตัวอย่างไม่ได้สะท้อนให้เห็นถึงการเปลี่ยนแปลงสีของตัวอย่างเต็มรูปแบบ
และสามารถยากที่จะทำซ้ำ (Larraín, Schaefer และกก 2008; ซานโดรและ
ล่า 2005) เพื่อตอบสนองข้อบกพร่องเหล่านี้เราขอแนะนำให้ใช้กล้อง
ตามระบบการมองเห็น ระบบการมองเห็นได้ประโยชน์จากการไม่ได้อยู่ใน
การติดต่อทางกายภาพกับเนื้อและดังนั้นจึงจะมีความเสี่ยงของการไม่มี
การปนเปื้อนเนื้อสัตว์โดยการวัดสี การศึกษาก่อนหน้านี้
โดยใช้ระบบการมองเห็นสำหรับการประเมินผลสีได้มุ่งเน้นการแปลง
ภาพ RGB ไปเป็นค่า CIELAB (Blasco, Aleixos และ molto, 2003; เฉิน
เจ้าและคิม, 2002. Larraín, et al, 2008; Mendoza, Dejmek และ Aguilera,
2006. ซัลลิแวนและคณะ, 2003; & Yam Spyridon, 2004) Wu และอาทิตย์
(2013) เน้นว่าภาพ RGB ท่ามกลางปัญหาอื่น ๆ จะขึ้นอยู่
กับความไวของกล้องที่ใช้และไม่สามารถโดยตรง
เปลี่ยนเป็นพื้นที่สีมาตรฐาน sRGB, ในลักษณะที่สอดคล้อง.
ดังนั้นทั้งสองระบบอาจจะวัด ตัวอย่างเดียวกันแตกต่างกัน.
แม้จะมีปัญหานี้Yağız, Balaban, Kristinsson, ดามและมาร์แชลล์ (2009)
นำเสนอการศึกษาเกี่ยวกับสีของ Filets ปลาแซลมอนสดที่พวกเขาเปรียบเทียบ
ผลสีจากระบบการมองเห็น RGB กับ colorimeter
วัด การศึกษาของพวกเขาแสดงให้เห็นว่าแม้จะมีผลที่คล้ายกันที่
ได้รับจากการสอบเทียบแผ่นสำหรับทั้งสองวิธีการประเมินผลการ
วัดสีของปลาแซลมอนสดเบี่ยงเบน สีกลับโดย
ระบบการมองเห็นมีความคล้ายคลึงใกล้เคียงกับสีที่รับรู้ของ Filets,
ในขณะที่ colorimeter กลับสีเทา ได้รับการศึกษาที่คล้ายกัน
ดำเนินการโดย Girolami, Napolitano, Faraone และ Braghieri (2013),
ที่แผงได้สัมผัสกับภาพของตัวอย่างเนื้อและถัดไป
สองสี่เหลี่ยมบนหน้าจอ หนึ่งตารางที่เป็นตัวแทนของสีกลับ
โดย colorimeter และอื่น ๆ ที่เป็นตัวแทนของสีที่ได้จาก
ระบบการมองเห็นคอมพิวเตอร์ (CVS) การศึกษาอย่างชัดเจนแสดงให้เห็นว่าสีที่
ส่งกลับโดย CVS คล้าย

ผลลัพธ์ (ไทย) 3:

1 . บทนำ
เมื่อใดก็ตามที่ผู้บริโภคพิจารณาซื้อสินค้าสด เช่น ผลไม้ ผัก และเนื้อสัตว์
, , สีใช้เป็นพารามิเตอร์ที่มีคุณภาพ การประเมิน
ผลิตภัณฑ์จะขึ้นอยู่กับประสบการณ์ก่อนหน้านี้และความคาดหวังตั้งค่าตามนั้น
( เมิกดูเกิล&ฮัทชิงส์ , 2002 ) และดังนั้นจึงกำหนด
ซื้อ ข้อเท็จจริงนี้ทำให้การประเมินสีเป็นปัจจัยสําคัญใน
ไม่เพียง แต่คุณภาพควบคุมโดยผู้ผลิต และผู้ผลิต แต่ยัง
ในการวิจัย และพัฒนาผลิตภัณฑ์ มันเป็นสิ่งสำคัญที่เกี่ยวกับสีเช่น
จะดำเนินการในลักษณะที่สอดคล้องกัน และมีวัตถุประสงค์เพื่อให้เกิดผลลัพธ์ที่น่าเชื่อถือ ( อู๋
& Sun , 2013 ) ที่สำคัญเช่นกันคือ
สีวัดสะท้อนให้เห็นถึงมนุษย์ การรับรู้สีและ
ที่พวกเขาสามารถดำเนินการในลักษณะที่ไม่รุกรานจึง
คุ้มค่าการตรวจสอบในปัจจุบันและอนาคตวิธีการสำหรับการประเมินสีเนื้อ
.
เครื่องดนตรีแบบดั้งเดิมสำหรับการประเมินสีเนื้อเป็น colorimeter .
colorimeter วัดจะขึ้นอยู่กับจำนวนของเว็บไซต์วัด
และค่าเฉลี่ยของเหล่านี้คือ วัดสีสุดท้าย
ตัวอย่างกลยุทธ์นี้ไม่ได้สะท้อนให้เห็นถึงสีรูปแบบของ
ตัวอย่างเต็มและสามารถยากที่จะทำซ้ำ ( ลาล่าí n , Schaefer & , รีด , 2008 ; มันชินี่&
ล่า , 2005 ) พบข้อบกพร่องเหล่านี้เราขอแนะนำให้ใช้กล้อง
วิสัยทัศน์ระบบตาม ระบบวิสัยทัศน์ได้ประโยชน์ไม่เป็น
สัมผัสกับเนื้อ และดังนั้น จะไม่มีความเสี่ยงของการปนเปื้อนเนื้อสัตว์โดย
สีขนาด การศึกษาก่อนหน้านี้
การใช้ระบบวิสัยทัศน์การประเมินสีได้มุ่งเน้นในการแปลง RGB ภาพแข็งค่า (
aleixos กระตือรือร้นมากที่สุด , , &ลอกคราบó , 2003 ; เฉิน
เจ้า , &คิม , 2002 ; ลาล่าí n et al . , 2008 ; เมนโดซา dejmek & Aguilera ,
, 2006 ; o'sullivan et al . , 2003 ; ยำ & Spyridon , 2004 ) อู๋ซัน
( 2013 ) เน้นที่ RGB ภาพ ในประเด็นอื่น ๆขึ้นอยู่กับ
ในความไวของกล้องที่ใช้และไม่สามารถโดยตรง
แปลงพื้นที่สีมาตรฐาน sRGB ในลักษณะที่สอดคล้องกัน
ดังนั้นสองระบบอาจใช้ตัวอย่างเดียวกันแตกต่างกัน แม้จะมีปัญหา
yagiz บาลาบั้น kristinsson ดาม , , , , และมาร์แชล ( 2009 )
ปัจจุบันการศึกษาสีสด กินแซลมอนที่พวกเขาเปรียบเทียบ
สีผลจากวิสัยทัศน์ระบบ RGB ด้วยระบบดิจิตอล
การวัดการศึกษาพบว่า แม้ว่าผลลัพธ์ที่ได้จากการสอบเทียบ
คล้ายจานสำหรับสองการประเมินวิธีการ
วัดสีของปลาแซลมอนสด 1 . สีกลับมาโดยมีความคล้ายคลึงกับระบบวิสัยทัศน์
ปิดการรับรู้สีของ filets
ส่วนคัลเลอริมิเตอร์ , กลับสีสีเทา การศึกษาที่คล้ายกัน
ดำเนินการโดย girolami Napolitano , หลักทรัพย์ , ,และ braghieri ( 2013 ) ,
ที่แผงเปิดเผยภาพของเนื้อตัวอย่างและข้างๆ
สองสี่เหลี่ยมบนหน้าจอ . ตารางหนึ่งแทนสีกลับมา
โดย colorimeter และอื่น ๆ แสดงสีได้จากระบบคอมพิวเตอร์วิสัยทัศน์เป็น
( CVS ) ผลการศึกษาพบว่า สี
กลับมาโดยย่อ คล้าย