Numerical modelling of geometric and physical properties of agri-food products using the examples of walnuts, peanuts and hazelnuts
 
More details
Hide details
1
Department of Working Machines and Research Methodology University of Warmia and Mazury ul. M. Oczapowskiego 11, 10-736 Olsztyn
Publish date: 2018-06-04
 
Acta Agroph. 2018, 25(1), 5–16
KEYWORDS
ABSTRACT
The aim of the study was to use a 3D scanner to develop numerical models of walnuts, hazelnuts and peanuts, to define geometric features of nuts based on these models, and to compare them against findings from digital image analysis, and measurements taken with a calliper and a pycnometer. The mean weight of a walnut is about 84% greater than the mean weight of a peanut, and about 83% greater than the mean weight of a hazelnut. Results from 3D scanning indicated that the mean surface area of a walnut is 61% larger than that of a peanut and 72% larger than that of a hazelnut. The mean volume of a walnut is 78% greater than that of a peanut and 84% greater than that of a hazelnut. 3D models of walnuts obtained by scanning can be used for the analysis of geometric properties. Measurements of nuts’ length, width and thickness taken with a calliper and 3D scanner provide similar results, and the differences are not statistically significant at α = 0.05. The use of a calliper is the simplest and fastest method of measurement. Findings from measurements and calculations of geometric properties obtained based on the image analysis of examined nuts are significantly different in most cases from findings obtained using a calliper or 3D scanner. The developed numerical models of nuts can be archived and used at any time for further analysis of shape by suitable computer software.
METADATA IN OTHER LANGUAGES:
Polish
Modelowanie numeryczne surowców rolno-spożywczych na przykładzie owoców orzecha włoskiego (Juglans regia L.), Orzechy podziemnej (Arachis hypogaea L) i leszczyny pospolitej (Corylus avellana L.)
inżynieria odwrotna, skaner 3D, modelowanie, Juglans regia L, Arachis hypogaea L, Corylus avellana L
Celem pracy było zbudowanie za pomocą skanera 3D modeli numerycznych owoców orzecha włoskiego bez okrywy zewnętrznej, orzechy podziemnej i leszczyny pospolitej, określenie cech geometrycznych owoców na podstawie tych modeli i porównanie z wynikami uzyskanymi za pomocą cyfrowej analizy obrazu, pomiarów suwmiarką oraz piknometrem cieczowym. Średnia masa owocu orzecha włoskiego jest większa od średniej masy owocu orzechy podziemnej o około 84% i od średniej masy owocu leszczyny pospolitej o około 83%. Na podstawie wyników uzyskanych po skanowaniu skanerem 3D wynika, że średnie pole powierzchni owocu orzecha włoskiego jest o 61% większe od średniego pola powierzchni owocu orzechy podziemnej i o 72% większe od średniego pola powierzchni owocu leszczyny pospolitej. Średnia objętość owocu orzecha włoskiego jest o 78% większa od średniej objętości owocu orzechy podziemnej i o 84% większa od średniej objętości owocu leszczyny pospolitej. Modele 3D owoców badanych gatunków uzyskane za pomocą skanera mogą służyć do analizy ich właściwości geometrycznych. Wykonane pomiary ukazują, że mierzenie długości, szerokości i grubości suwmiarką i skanerem 3D daje podobne wyniki, które nie różnią się istotnie od siebie przy założonym do obliczeń poziomie istotności α = 0,05. Wyniki pomiarów i obliczeń cech geometrycznych uzyskane na podstawie zdjęć badanych owoców orzechów różnią się istotnie w większości przypadków od wyników uzyskanych za pomocą suwmiarki oraz skanera 3D. Zbudowane modele numeryczne mogą zostać zarchiwizowane i w dowolnym momencie wykorzystane do dalszej analizy kształtu za pomocą odpowiedniego oprogramowania komputerowego.
 
REFERENCES (32)
1.
Anders A., Markowski P., Kaliniewicz Z., 2014 a. Badanie właściwości geometrycznych i fizycznych owoców wybranych odmian gruszy na podstawie modeli numerycznych uzyskanych za pomocą skanera 3D. ZPPNR, 577, 3-12.
 
2.
Anders A., Markowski P., Kaliniewicz Z., 2014 b. Wykorzystanie skanera 3D do badania właściwości geometrycznych nasion konopi siewnych (Cannabis Sativa L.). Acta Agroph., 21(4), 391-402.
 
3.
Aydin C., 2002. Physical properties of hazel nuts. Bios. Eng., 82 (3), 297-303, doi:10.1006/bioe.2002.0065.
 
4.
Aydin C., 2003. Physical properties of almond nut and kernel. J. Food Eng., 60, 315-320, doi:10.1016/S0260-8774(03)00053-0.
 
5.
Bayram M., 2011. Comparison of unsplit inshell and shelled kernel of the pistachio nuts. J. Food Eng., 107, 374-378, doi:10.1016/j.jfoodeng.2011.07.001.
 
6.
Datta A.K., Halder A., 2008. Status of food process modeling and where do we go from here (synthesis of the outcome from brainstorming). Comp. Rev. Food Sci. Food Saf., 7, 117-120, doi:10.1111/j.1541-4337.2007.00037.x.
 
7.
Eifert J.D., Sanglay G.C., Lee D.-J., Sumner S.S., Pierson M.D., 2006. Prediction of raw produce surface area from weight measurement. J. Food Eng., 74, 552-556, doi:10.1016/j.jfoodeng.2005.02.030.
 
8.
El-Sayed A.S., Yahaya R., Wacker P., Kutzbach H.D., 2001. Characteristic attributes of the peanut (Arachis hypogaea L.) for its separation. Int. Agrophys., 15, 225-230.
 
9.
Ercisli S., Sayincib B., Karab M., Yildiz C., Ozturk I., 2012. Determination of size and shape features of walnut (Juglans regia L.) cultivars using image processing. Sci. Hortic., 133, 47-55, doi:10.1016/j.scienta.2011.10.014.
 
10.
Frączek J., Wróbel M., 2006. Metodyczne aspekty oceny kształtu nasion. Inżynieria Rolnicza 12 (87), 155-163.
 
11.
Gastón Analía L., Abalone Rita M., Giner Sergio A., 2002. Wheat drying kinetics. Diffusivities for sphere and ellipsoid by finite elements. J. Food Eng., 52(4), 313-322, doi:10.1016/S0260-8774(01)00121-2.
 
12.
Gharibzahedi S.M.T., Mousavi S.M., Hamedi M., Khodaiyan F., 2012. Comparative analysis of new Persian walnut cultivars: nut/kernel geometrical, gravimetrical, frictional and mechanical attributes and kernel chemical composition. Sci. Hortic., 135, 202-209, doi:10.1016/j.scienta.2011.11.030.
 
13.
Goni S.M., Purlis E., Salvadori V.O., 2007. Three-dimensional reconstruction of irregular foodstuffs. J. Food Eng., 82, 536-547, doi:10.1016/j.jfoodeng.2007.03.021.
 
14.
Goni S.M., Purlis E., Salvadori V.O., 2008. Geometry modeling of food materials from magnetic resonance imaging. J. Food Eng., 88, 561-567, doi:10.1016/j.jfoodeng.2008.03.020.
 
15.
Jancsok P.T., Clijmans L., Nicolai B.M., De Baerdemaeker J., 2001. Investigation of the effect of shape on the acoustic response of ‘conference’ pears by finite element modeling. Postharvest Biol. Tech., 23, 1-12, doi:10.1016/S0925-5214(01)00098-9.
 
16.
Kim J., Moreira R.G., Huang Y., Castell-Perez M.E., 2007. 3-D dose distributions for optimum radiation treatment planning of complex foods. J. Food Eng., 79, 312-321, doi:10.1016/j.jfoodeng.2006.01.061.
 
17.
LingNa Chen, QingGuo Ma, YongKun Chen, BaoQing Wang, DongPei, 2014. Identification of major walnut cultivars grown in China based on nut phenotypes and SSR markers. Sci. Hort., 168, 240-248, doi:10.1016/j.scienta.2014.02.004.
 
18.
Majewska K., Kopytowska J., Łojko R. E., Zadernowski R., 2003. Wybrane cechy fizyczne dojrzałych owoców orzecha włoskiego. Acta Agroph., 2(3), 597-609.
 
19.
McCabe W.L., Smith J.C., Harriot P., 1986. Unit Operations of Chemical Engineering. McGraw-Hill, New York.
 
20.
MeshLab Visual Computing Lab – ISTI – CNR, 2013. http://meshlab.sourceforge.net.
 
21.
Mieszkalski L., Sołoducha K., 2008. Metody modelowania zbioru brył nasion. Postępy Techniki Przetwórstwa Spożywczego, 1, 39-44.
 
22.
Mohsenin N.N., 1986. Physical properties of plant and animal materials. Gordon and Breach Science Public, New York.
 
23.
NextEngine User Manual, 2010. http://www.nextengine.com.
 
24.
Ozdemir F., Akinci I., 2003. Physical and nutritional properties of four major commercial Turkish hazelnut varieties. J. Food Eng., 63, 341-347, doi:10.1016/j.jfoodeng.2003.08.006.
 
25.
Ozguven F., Vursavus K., 2005. Some physical, mechanical and aerodynamic properties of pine (Pinus pinea) nuts. J. Food Eng., 68, 191-196, doi:10.1016/j.jfoodeng.2004.05.031.
 
26.
Rahmi U., Ferruh E., 2009. Potential use of 3-dimensional scanners for food process modeling. J. Food Eng., 93, 337-343, doi:10.1016/j.jfoodeng.2009.01.034.
 
27.
Rasband W.S., 1997-2014. ImageJ, U.S. National Institutes of Health, Bethesda, Maryland, USA, http://imagej.nih.gov/ij/.
 
28.
Sabliov C.M., Bolder D., Keener K.M., Farkas B.E., 2002. Image processing method to determine surface area and volume of axi-symmetric agricultural products. Int. J. Food Prop., 5, 641-653, doi:10.1081/JFP-120015498.
 
29.
Scheerlinck N., Marquenie D., Jancsok P.T., Verboven P., Moles C.G., Banga J.R., Nicolai B.M., 2004. A model-based approach to develop periodic thermal treatments for surface decontamination of strawberries. Postharvest Biol. Technol., 34, 39-52, doi:10.1016/j.postharvbio.2004.04.004.
 
30.
Seyedabadia E., Khojastehpourb M., Sadrniab H., Saiediradc M.H., 2011. Mass modeling of cantaloupe based on geometric attributes: A case study for Tile Magasi and Tile Shahri. Sci. Hortic., 130, 54-59, doi:10.1016/j.scienta.2011.06.003.
 
31.
Tylek P., 2012. Wielkość i kształt jako cechy rozdzielcze nasion dębu szypułkowego (Quercus robur L.). Acta Agroph., 19(3), 673-687.
 
32.
Wróbel M. 2011. Metoda rekonstrukcji 3D nasion w aplikacji typu CAD. Inżynieria Rolnicza, 6(131), 281-288.
 
eISSN:2300-6730
ISSN:1234-4125