Applications of imaging systems for the assessment of quality characteristics of bread and other baked goods: A review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
One of the most widely researched topics in the food industry is bread quality analysis. Different techniques have been developed to assess the quality characteristics of bakery products. However, in the last few decades, the advancement in sensor and computational technologies has increased the use of computer vision to analyze food quality (e.g., bakery products). Despite a large number of publications on the application of imaging methods in the bakery industry, comprehensive reviews detailing the use of conventional analytical techniques and imaging methods for the quality analysis of baked goods are limited. Therefore, this review aims to critically analyze the conventional methods and explore the potential of imaging techniques for the quality assessment of baked products. This review provides an in-depth assessment of the different conventional techniques used for the quality analysis of baked goods which include methods to record the physical characteristics of bread and analyze its quality, sensory-based methods, nutritional-based methods, and the use of dough rheological data for end-product quality prediction. Furthermore, an overview of the image processing stages is presented herein. We also discuss, comprehensively, the applications of imaging techniques for assessing the quality of bread and other baked goods. These applications include studying and predicting baked goods' quality characteristics (color, texture, size, and shape) and classifying them based on these features. The limitations of both conventional techniques (e.g., destructive, laborious, error-prone, and expensive) and imaging methods (e.g., illumination, humidity, and noise) and the future direction of the use of imaging methods for quality analysis of bakery products are discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle