МРТ и машинное зрение «попробовали» хамон на солёность

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Может показаться, что в этой новости испанские учёные переплюнули мифических «британских учёных». Можно быть уверенным, что их работа, опубликованная в журнале Journal of Food Engineering (IF=3.199), будет одним из претендентов на Шнобелевскую премию. Но тем не менее, это – большая наука и важная технология. Итак, учёные из Института изучения мяса и мясных продуктов при Университете Эстремадуры научились определять солёность хамона, не пробуя его. При помощи МРТ и машинного обучения.

magneticreso

Действительно, цена национального достояния Испании – хамона – позволяет проводить такие исследования, а уровень солёности критически важен для качества. Поэтому на МРТ можно потратиться. Авторы и использовали не самый мощный сейчас МРТ – полуторатесловик Philips Gyroscan NT Intera 1.5 T. Следует отметить самое важное отличие МРТ хамона от МРТ человека, помимо того, что хамон уже мёртв. Когда мы делаем МРТ человека, мы ориентируемся на атомы водорода – протоны, именно их резонанс считывается при томографии. В случае с хамоном регистируется сигнал от изотопа 23Na, содержащегося в соли.

hamon

Схема обработки данных МРТ. Рисунок из обсуждаемой статьи

Но главное – это обработка данных. В полученном при помощи томографии изображении сначала выделялась текстура мышц, а затем полученная картинка обрабатывалась тремя алгоритмами машинного зрения, в результате чего удавалось достаточно точно определять соленость хамона по всему его объему.

Так две важные технологии из мира нейронаук позволят теперь получать лакомство высочайшего качества.

Текст: Алексей Паевский

if4

Modeling salt diffusion in Iberian ham by applying MRI and data mining

Daniel Caballero, Andr?s Caro, Pablo G. Rodr?guez, Mar?a Luisa Dur?n, Mar?a del Mar ?vila, Ram?n Palacios, Teresa Antequera, Trinidad ?rez-Palacios

Journal of Food Engineering

http://dx.doi.org/10.1016/j.jfoodeng.2016.06.003


Источник: neuronovosti.ru

Комментарии: