تحقیقات مهندسی صنایع غذایی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

ارزیابی تصویری نمونه‌های لوبیای قرمز بانک ژن گیاهی ملی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، کرج، ایران . رایانامه : ahmadimehrzad@ymail.com

2 2- دانشیار موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی(AREEO) ، کرج، ایران. رایانامه: aghanbari2004@yahoo.com

3 کارشناس، موسسه تحقیقات اصلاح و تهیه نهال و بذر، سازمان تحقیقات، آموزش و ترویج کشاورزی (AREEO)، کرج، ایران. رایانامه:Sharafi.1390@gmail.com.

10.22092/fooder.2026.370846.1432

چکیده

این پژوهش با هدف ارزیابی ویژگی‌های مورفولوژیکی و تعیین استانداردهای ظاهری لوبیا قرمز در ایران اجرا شد. در این مطالعه، 115 نمونه لوبیا قرمز شامل 95 نمونه لوبیای قرمز متوسط و 20 نمونه لوبیای قرمز کپسولی از کلکسیون بانک ژن گیاهی ملی ایران بررسی گردید. برای پردازش تصویر و اندازه‌گیری صفات شامل طول، عرض، ضخامت، محیط، مساحت، نسبت طول به عرض، وزن تک بذر و چگالی فرم بذر از نرم‌افزار ImageJ (FFD) استفاده شد. نتایج بررسی­ها نشان داد که در لوبیای قرمز متوسط، میانگین طول، عرض و ضخامت به ترتیب11.84، 7.58 و 5.51 میلی‌متر و در لوبیای قرمز کپسولی به ترتیب 16.05، 8.25 و 5.67 میلی‌متر است. مقادیر چگالی فرم بذر (FFD) برای لوبیای متوسط و کپسولی به ترتیب 0.0028 و 0.0028 گرم بر سانتی­متر مربع به دست آمد. میانگین شدت رنگ برای لوبیای قرمز متوسط 1442.99 و برای لوبیای قرمز کپسولی 170.71 (در مقیاس صفر تا 255) به دست آمد. میانگین ضریب استوانه‌ای برای لوبیای متوسط 78.28 درصد و برای لوبیای کپسولی 82.04 درصد محاسبه شد. میانگین ضریب کرویت نیز برای لوبیای متوسط 66.45 درصد و برای لوبیای کپسولی 56.25 درصد بود.  این پژوهش نشان‌دهندۀ تنوع قابل توجه در ویژگی‌های ظاهری لوبیای قرمز ایرانی است و لزوم تدوین استانداردهای ملی برای درجه‌بندی لوبیا بر اساس ابعاد، شکل و دیگر ویژگی‌های ظاهری را تاکید می‌کند. استفاده از روش‌های پردازش تصویر می‌تواند به عنوان ابزاری سریع، دقیق و غیرمخرب در ارزیابی کیفیت بذر و بهبود استانداردهای بازارپسندی لوبیا به­کار رود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Visual evaluation of kidney bean accessions from the National Plant Gene Bank of Iran

نویسندگان [English]

  • Mehrzad Ahmadi 1
  • Ali Akbar Ghanbari 2
  • Zeinab Sharafi 3

1 Assistant prof. Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran. E-mail: ahmadimehrzad@ymail.com

2 Associate. prof. Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran. E-mail: aghanbari2004@yahoo.com

3 Expert . Seed and Plant Improvement Institute, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran. E-mail:Sharafi.1390@gmail.com

چکیده [English]

This study investigated 115 kidney bean accessions, comprising 95 medium-seed and 20 long-seed types, obtained from the collection of the National Plant Gene Bank of Iran. ImageJ software was used for image processing and to measure traits including length, width, thickness, perimeter, area, the length-to-width ratio, single seed weight, and Seed factor form density (FFD).
The results showed that the average length, width, and thickness of the medium red kidney beans were 11.84, 7.58, and 5.51 millimeters, respectively. For the long-shaped red kidney beans, the average values were 16.05, 8.25, and 5.67 millimeters, respectively. Furthermore, the Seed factor form density (FFD) values for both the medium and long-shaped beans were 0.0028 grams per square centimeter. The average color intensity for kidney beans was 142.99, and for large kidney beans, it was 170.71 (on a scale of 0 to 255).The average cylindrical coefficient for kidney beans was calculated as 78.28%, and for large kidney beans it was 82.04%.The average sphericity factor was 66.45% for kidney beans and 56.25% for large kidney beans.
This study reveals significant diversity in the appearance characteristics of Iranian red kidney beans and emphasizes the necessity of developing national standards for grading beans based on dimensions, shape, and other morphological characteristics. The use of image processing methods can serve as a fast, accurate, and non-destructive tool for seed quality assessment and for enhancing bean marketability standards.

کلیدواژه‌ها [English]

  • Image evaluation
  • Gene bank
  • Image processing
  • Seed form density
  • Red bean
مراجع
Ahmadi, M. (2023). Final report on the identification, revival and evaluation of green bean germplasm in the National Plant Gene Bank of Iran . Institute for Research on Breeding and Production of Seed and Seedling. (pages: 24) (In Persian).
Anonymous. (1995).  Iranian National Standard No. 38: Beans- Characteristics and test methods .Institute of Standards and Industrial Research of Iran Publications. Pp: 12. (In Persian).
Bennetau-Pelissero, C. (2019). Plant proteins from legumes In: Bioactive Molecules in Food. Reference Series in Phytochemistry. Springer. Pp: 223–265.
Beyzaei, E., & Dari, H. R. (2011). Guidelines for planting, maintenance and harvesting of pinto bean. Agricultural Research, Education and Extension Organization. Pp: 46. (In Persian).
Dori, H.R., Qanberi, A.A., Lak, M.R. and Bani Jamali, M. (2009). Guide bean (plantation, cultivation, harvesting). Agricultural extension, education and research organization, deputy of education and extension, Pp: 1-112. (In Persian).
Fachi, L. R., Krause, W., Vieira, H. D., de Araújo, D. V., da Luz, P. B., & Viana, A. P. (2019). Digital image analysis to quantify genetic divergence in passion fruit seeds. Genetics and Molecular Research, 18(2), 1-144 https://doi.org/10.4238/gmr16039955.
FAO.( 2023). https://www.fao.org/faostat/en/#data/QCL
Garden-Robinson, J. and McNeal, K. (2024), All About Beans Nutrition, Health Benefits, Preparation and Use in Menus, North Dakota State University Fargo, North Dakota.Pp:16
Kalantari, D., Jafari, H., Kaveh, M., Szymanek, M., Asghari, A., Marczuk, A., & Khalife, E. (2022). Development of a machine vision system for the determination of some of the physical properties of very irregular small biomaterials. International Agrophysics, 36(1), 27-35. doi:10.31545/intagr/145920.
Kapadia, V. N., Sasidharan, N., & Patil, K. (2017). Seed Image Analysis and Its Application in Seed Science Research. Advances in Biotechnology & Microbiology, 7(2), 29-40. https: //doi.org /10. 19080 /AIBM.2017.07.555709.
Khan, T., Jamil, M., Ali, A., Rasheed, S., Irshad, A., Magsood, M. F., Zulfiqar, U., Chaudhary, T., Ali, M. A., & Elshikh, M. S. (2024). Exploring water-absorbing capacity: A digital image analysis of seeds from 120 wheat varieties. Scientific Reports, 14(1), 57-67. https://doi.org/10.1038/s41598-024-57193-w.
Kumar, M., Bora, G., & Lin, D. (2013). Image processing technique to estimate geometric parameters and volume of selected dry beans. Food Measure, 7(2), 81-89.
Lisciani, S., Marconi, S., Le Donne, C., Camilli, E., Aguzzi, A., Gabrielli, P., Gambelli, L., Kunert, K., Marais, D., Vorster, B.J., Alvarado-Ramos, K., Reboul, E., Cominelli, E., Preite, C., Sparvoli, F., Losa, A., Sala, T., Botha, A-M. and Ferrari, M. (2024) Legumes and common beans in sustainable diets: nutritional quality, environmental benefits, spread and use in food preparations. Front. Nutr. 11:1385232. doi: 10.3389/fnut.2024.1385232.
Majnoun Hosseini, N.( 2015). Agriculture and production of cereals (new edition of cereals in Iran). Tehran University Jihad Publishing Organization. 283p.
Maphosa, Y and Jideani, V. A. (2017). The Role of Legumes in Human Nutrition, From The Edited Volume, Functional Food - Improve Health through Adequate Food, DOI: 10.5772/intechopen.69127.
Mhango, W. (2011). Nitrogen budgets in legume based cropping systems in northern Malawi. Dissertation Abstracts International,. 72 (03), 65-73
Mokle, S. R., Waghmare, H. K., & Patil, S. (2020). Seed Quality Analysis Using Image Processing. IJSART - International Journal of Science and Advanced Research in Technology, 6(1), 229–237. Retrieved from www.ijsart.com.
Perez de la Vega, M., Santalla, M. and Marsolais, F. (2017). The common bean genome. Springer International Publishing. 304p.
Punthumast, P., Auttawaitkul, Y., Chiracharit, W., and Chammongthai, K. (2012)."Non-destructive Identification of Unmilled Rice Using Digital Image Analysis," in Proceedings of IEEE Conference,  Pp. 1–4.
Sawarkar, M., & Rode, S. V. (2017). Digital Image Processing Applied to Seed Purity Test. International Journal of Innovative Research in Electrical, Electronics, Instrumentation and Control Engineering, 5(5), 256–260. https://doi.org/10.17148/JUREEICE.2017.5539.
Tavakoli, H., & Mohammadi Gol, R. (2016). Application of Digital Image Processing in Estimating Some Morphological Characteristics of Common Bean Varieties in Markazi Province. The 6th National Iranian Pulses Congress.Pp5. [In Persian]
Tavakoli, H., & Mohammadi Gol, R. (2016). Identification of Different Bean Seed Varieties Using Image Processing and Random Forest Algorithm. Proceedings of the 6th National Iranian Pulses Congress. Pp:5. [In Persian]
Koklu, M., & Ozkan, I. A. (2020). Multiclass classification of dry beans using computer vision and machine learning techniques. Computers and Electronics in Agriculture, 174, 32-45. https:// doi.org / 10.1016/j.compag.2020.105507
 
تحقیقات مهندسی صنایع غذایی
دوره 25، شماره 1 - شماره پیاپی 80
بهار و تابستان
فروردین 1405
صفحه 83-98
فایل ها
هم رسانی
ارجاع به این مقاله
آمار