使用自动化图像分析来描述山姆 (Dioscorea alata L.) 面粉的粉粒大小和形状

科学领域:

• 农业科学 农业科学
• 食品科学 食品科学 食品科学
• 生物技术是生物技术.

背景情况:

• 根,根茎和香 (RTB) 是重要的主食,特别是在非洲.
• 消费者对RTB产品的接受程度取决于粉颗粒的特性,包括大小和形状.
• 传统的粉颗粒表征方法耗时或提供有限的形状信息.

研究的目的:

• 开发一个开源的,自动化解决方案来测量粉颗粒大小和形状.
• 为了提高食品质量分析,使粉颗粒能够进行中等吞吐量表型化.

主要方法:

• 在微观粉图像上实施了使用值和对象识别的图像分析管道.
• 使用随机森林 (RF) 模型对粉颗粒形状进行分类.
• 将管道应用于47个子基因型的多样化小组,分析了超过205,000颗粉颗粒.

主要成果:

• 自动化方法显示出强烈的相关性 (R2 = 0.99) 和没有偏差与古典方法相比,颗粒大小.
• 射频模型在预测粉颗粒形状类别方面取得了83%的准确性.
• 颗粒大小差异很大 (预测面积中位数从381到1115μm2),观察到的形状包括圆形,多面体,圆形和三角形.

结论:

• 开发的开源管道提供了一种准确,强大和有区别的粉表型化方法.
• 这种方法促进了粉颗粒大小分布和形状分类的中等通量分析.
• 这些发现有助于更好地了解影响消费者接受RTB产品的粉特性.