Листья винограда — калорийность, полезные свойства, польза и вред, описание

Калории, ккал: 

93

Углеводы, г: 

6.3

Виноград является не только древнейшим растением, но и своеобразным символом возрождения. Высадившись из ковчега на вершине горы Арарат, спасшийся от потопа библейский Ной, посадил в землю первое растение – виноградную лозу. Виноград нарисован в египетских пирамидах. В Греции неразбавленное виноградное вино разрешалось выпить только перед смертью (калоризатор). Армянский герб долгие годы украшала виноградная гроздь.

Люди давно осознали пользу винограда и научились использовать все его части – ягоды для еды, виноградные косточки в косметологии, виноградные гребни для производства спирта. Отдельное место в медицине и кулинарии занимают виноградные листья.

Калорийность листьев винограда

Калорийность листьев винограда составляет 93 ккал на 100 граммов продукта.

Состав листьев винограда

При низкой калорийности витаминно-минеральная составляющая листьев, необходимых человеку для здоровья, очень хороша. В состав листьев винограда входит холин, филлохинон (К), аскорбиновая кислота (С), ретинол (А), витаминами В1–В9, Е, а также минералы такие как: селен, медь, калий, кальций и фосфор.

Польза и вред листьев винограда

Листья винограда обладают полезными свойствами, а также противопоказаниями. Свежие листья винограда часто применяются в современной медицине в качестве эффективного средства от запоров. При ревматизме, а также при проблемах со зрением готовят холодный раствор виноградных листьев. Виноградные листья также дают хороший результат при лечении сахарного диабета, потому что они обладают способностью снижать содержание сахара в организме.

Из сушенных листьев винограда готовят порошок, который способствует скорейшему заживанию гнойных ран, а также останавливает носовое кровотечение. Этот порошок является высокоэффективным антисептическим средством.

Плоды винограда противопоказаны при острых формах туберкулеза, сахарном диабете, хронических и острых колитах, а также при онкологических заболеваниях желудка. Кроме того, их нельзя употреблять на последней стадии беременности, а также в случае склонности к аллергическим реакциям.

Листья винограда в кулинарии

Основное направление использования виноградных листьев – приготовление блюд. Как правило, в пищу идут молодые листья белого винограда. Наиболее благоприятным временем для сбора таких листьев считается период цветения виноградной лозы. Нежный сочный лист, собранный в данный период, отличается приятным кисловатым вкусом.

Наибольшее количество блюд с виноградными листьями готовят в Греции, Армении, Молдавии, Турции и странах Азии. Под различными названиями (долма, толма, досмадес) подразумеваются одинаковые блюда – рисово-мясной фарш, обернутый виноградными листьями. Это очень близкий аналог капустных голубцов. Молодые листочки можно использовать как своеобразную упаковку и для других начинок, например, из овощей или рыбы (calorizator). Интересными получаются рулетики из виноградных листьев, квашенные вместе с овощами.

Наиболее полно раскрыть вкус листьев винограда позволяют их сочетания с копченостями или с жирными видами мяса, например, с бараниной. Кроме того, листья винограда хорошо гармонируют с фасолью, чечевицей или нутом. Молодые нежные листья наряду с медом и сухофруктами входят в рецепт сладкого плова.

Виноградные листья – их свойства (польза и вред) и рецепт заготовки

Калорийность: 93 кКал.

Энергетическая ценность продукта Виноградные листья:
Белки: 5.6 г.
Жиры: 2.12 г.
Углеводы: 6.31 г.

Описание

Виноградные листья – нетрадиционный для нашего региона, но очень популярный на Востоке (особенно в Средиземноморском регионе и на Кавказе) продукт, который используют во многих национальных кухнях мира.

Листья имеют разные оттенки: они могут быть насыщенно-зелеными или иметь бронзовый оттенок, могут быть совсем светлыми или с легким золотистым оттенком (см. фото). Все зависит только от сорта винограда и непосредственно не влияет на полезные свойства его листков.

Как заготовить?

Заготавливать виноградные листья необходимо в начале лета, собирая их с молодых побегов виноградной лозы. Собранные листья не должны быть жесткими.

На зиму их заготавливают впрок в маленьких баночках, зачастую вместе с томатным соком, например, по такому рецепту. Тщательно помытые листья нужно скрутить в рулетики, поместить в банку и залить кипятком на 15 минут. После этого воду следует слить, а рулетики повторно залить кипящим томатным соком. Закатанные баночки лучше укутать до полного остывания. Зимой такая консервация выручит перед праздниками: гостей можно будет угостить домашней долмой.

Томатный сок после листьев можно использовать в качестве основы под различные соусы.

Полезные свойства

Полезные свойства виноградных листьев давно отмечены народной медициной. Листики винограда богаты витаминами А, С, В, а также минералами марганцем, магнием, железом и кальцием. Достаточно 30 граммов виноградных листьев, чтобы обеспечить организм суточной нормой витамина А. Если вам не хочется ничего готовить из этого продукта, просто съешьте 5-6 листьев винограда. Так они принесут даже больше пользы.

Употребление в пищу виноградных листьев поможет людям, которые страдают от отеков и венозной недостаточности. Их можно применять для улучшения кровообращения и снятия болей. Чай из виноградных листьев применяют для облегчения менструальных болей. Для того чтобы приготовить чай, достаточно залить кипятком сушеные листья винограда.

Есть сведения, что листья помогают при носовых кровотечениях, для избавления от них вдыхают порошок из высушенных виноградных листьев. Также этот порошок можно использовать для обработки ран в качестве антисептического средства.

Измельченные листья издавна использовали в косметических целях. Порошок из виноградных листьев смешанный с цветочным медом наносили на лицо при нормальном типе кожи. Такая маска убирает шелушение и делает кожу более мягкой.

Использование в кулинарии

В кулинарии листья винограда широко используются в Греции, Турции, Болгарии. Не обходится без виноградных листьев и армянская, арабская и вьетнамская кухня. Растение в этих странах применяют для приготовления голубцов, которые там называются «долма». Для ее приготовления мясной фарш заворачивают в листья винограда, заменяющие более привычную для нас капусту, и жарят или запекают.

Листья винограда хорошо поддаются термической обработке, в любом виде они впитывают запахи других ингредиентов и добавляют блюду свой неповторимый вкус. Особенно хорошо листья сочетаются с жирными копченостями и мясом, лучше всего подходят к баранине. Помимо прекрасных вкусовых качеств, листья винограда украсят привычные блюда перед подачей на стол.

В гастрономических целях, как правило, употребляют листья белого винограда. Такие листья лучше собирать в период цветения лозы. Листья собранные в это время будут иметь приятную кислинку. Листья красного винограда применяются реже. Дело в том, что их край достаточно неровный, из-за чего такой лист неудобно использовать для обертывания фарша, да и на вкус он более жесткий.

Виноградные листья лучше употреблять в свежем виде, но так как жители городов не имеют такой возможности, то продукт можно заготовить впрок. Листья можно заморозить или засолить – выбирайте любой удобный для вас вариант их хранения. Преимуществом замораживания является то, что листики сохраняют больше полезных веществ и на вкус лишь самую малость отличаются от свежих. Маринованные виноградные листья имеют приятный вкус, но требуют гораздо больше времени на заготовку.

Виноградные листья хорошо сочетаются с бобовыми продуктами, их часто готовят с нутом, фасолью, чечевицей. Вместе с мёдом и сухофруктами свежие листья принято добавлять в сладкий плов. Перетертые супы обретут новый вкус, если добавить в них несколько виноградных листочков.

Небольшая калорийность листьев (всего 13 ккал на 100 граммов) позволяет использовать продукт в целях корректировки веса.

Польза виноградных листьев и лечение

Польза листьев и лечебные свойства объясняются высоким содержанием в них растительных волокон (около 8% суточной нормы для современного человека). Клетчатка заполняет желудок, оставляя чувство сытости, помогает процессам пищеварения. Таким образом, клетчатка замедляет процесс выброса сахара в кровь.

Листья винограда являются ценным источником витамина А, который обладает антиоксидантным действием. Витамин А принимает участие в формировании иммунитета, защищает клетки от свободных радикалов, улучшает зрение. Регулярное употребление листьев помогает улучшить состояние кожи и волос. Кальций, который содержится в виноградных листьях, необходим для поддержания нервной и мышечной ткани, для здоровья зубов, костей.

Благодаря антиоксидантным свойствам листья винограда замедляют процессы старения и помогают предотвратить многие хронические заболевания. Листья винограда содержат вещество, которое обеспечивает выработку ресвератрола – очень мощного антиоксиданта. В составе листьев есть также вещества, которые снижают риск развития сердечно-сосудистых болезней, защищают от инсульта.

Потребеление листьев в пищу поможет справиться с депрессией.

В Северной Америке издавна применяли чай из виноградных листьев как средство от гепатита, диареи, различного характера болей в животе. Поможет чай еще и в лечении молочницы.

Для того чтобы снизить риск кариеса, достаточно пожевать виноградный лист. Этот простой прием уменьшит количество «плохих» бактерий в ротовой полости. Также листья уберегут от пародонтоза и возникновения зубного налета.

Виноградные листья являются часто используемым продуктом в народной медицине для лечения множества болезней. Из листьев винограда готовят целебные чаи, отвары и компрессы.

Чтобы сделать отвар из виноградных листочков, потребуется две чайные ложечки сухих измельченных листьев растения залить двумястами миллилитрами кипятка и дать постоять около тридцати минут. По прошествии указанного промежутка времени отвар следует сцедить при помощи марлевого кармана. Такой отвар очень полезен при лечении ангины. Для этого достаточно будет ежедневно полоскать полость рта до полного исчезновения болезни.

Также можно запросто приготовить чай из виноградных листьев в домашних условиях. Он является тонизирующим напитком, который используется при менструальном кровотечении и при нарушении кровообращения. Для изготовления чая необходимо взять по десять граммов высушенных виноградных листочков и зеленого чая, а затем заварить двумястами пятьюдесятью миллилитрами кипятка. Дать чаю настояться примерно пять минут, а после процедить с помощью марлевой ткани, избавившись от жмыха.

Специалисты нетрадиционной медицины советуют сделать из виноградных листьев компресс, который эффективно борется с варикозным расширением вен.

Лечение варикоза виноградными листьями заключается в следующем. Молодые, только что сорванные листья растения нужно залить кипятком и оставить на несколько минут, чтобы они стали мягче. Затем ошпаренные листочки следует измельчить до кашицеобразной консистенции и нанести на больной участок ноги. Теплый компресс из виноградных листочков должен пролежать на ноге около шестидесяти минут. Процедуру необходимо выполнять не меньше четырех раз в неделю. Курс лечения длится ровно тридцать дней.

Для лечения коленного сустава виноградными листьями необходимо приготовить такой настой: две чайные ложечки сухих измельченных в порошок листьев растения следует заварить двумястами миллилитрами кипятка и дать настояться в течение тридцати минут, а после сцедить, удалив жмых. Настой употреблять три раза в сутки за тридцать минут до начала приема пищи по три столовые ложки.

В домашней косметологии виноградные листья используются для лечения и ополаскивания волос.

Чтобы предотвратить выпадение волос, необходимо две чайные ложечки высушенных листочков винограда залить стаканом крутого кипятка и дать настояться минут двадцать. Затем настой следует сцедить. Процедура заключается в следующем. Лечебный настой нужно втирать массирующими движениями в кожу головы только после того, как помоете волосы шампунем. Процедуру рекомендуется проводить один раз в две недели.

Также листья винограда можно применять для ополаскивания волос, чтобы придать им блеск и упругость. Для этого требуется сначала заварить около ста граммов виноградных листьев двумя с половиной стаканами кипятка и дать настояться примерно двадцать минут. По прошествии времени настой следует сцедить, а затем влить туда приблизительно пятьсот миллилитров четырехпроцентного винного уксуса, хорошо помешав. Ежедневно на протяжении десяти суток приготовленный настой нужно разогревать до сорока градусов и промывать им волосы. Процедуру лучше всего делать вечером перед сном.

Многих интересует вопрос: «Можно ли виноградные листья при грудном вскармливании?» Специалисты советуют начинать кушать данный продукт только через шесть месяцев после родов и только в виде приготовленной из них долмы. Такое блюдо должно состоять из нежирного мяса и коричневого риса. Также можно использовать сливки и масло растительное в пропорции 1:1. Долму следует запекать в духовом шкафу. Если после употребления блюда у малыша появились колики, вздутие животика, значит, от таких голубцов следует временно отказаться.

Ниже прилагается видео о полезных свойствах виноградных листьев.

Вред виноградных листьев и противопоказания

Вред листья винограда могут нанести человеку, который страдает сахарным диабетом.

Люди с некоторыми хроническими заболеваниями, а также с язвой и ожирением должны проконсультироваться с лечащим врачом, прежде чем употреблять данный продукт.

Противопоказаний к употреблению листьев винограда нет, если знать меру.

Женщины должны воздержаться от употребления листьев на последней стадии беременности, поскольку листья влияют на работу молочных желез.

Фотографии продукта

Рецепты приготовления блюд c фото

Долма из говядины

70 мин.

Долма в мультиварке

160 мин.

Похожие продукты питания

Пищевая ценность

Витамины

Минеральные вещества

Листья винограда: польза, применение, рецепты

Листья винограда содержат множество веществ и особенно полезны для диабетиков

Польза листьев винограда

Листья винограда малокалорийны, но при этом они содержат большое количество полезных веществ: витамины А, В, К, холин, фосфор, кальций, медь, калий, селен. Продукт обладает свойством снижать содержание сахара в крови, поэтому часто его рекомендуют для употребления диабетикам.

Лучший вкус у виноградного листа в период цветения

Порошок из сухих листьев способствует быстрому затягиванию ран, снимает воспаление. Его используют в качестве эффективного антисептического средства.

Для приготовления блюд чаще всего используют молодые листья винограда белых сортов. Оптимальное время для сбора — период цветения. В это время листочки обладают приятным ароматом и вкусом с легкой кислинкой.

Основные блюда c виноградным листом

Рецептов блюд с виноградными листьями много, но их объединяет первый этап приготовления. Листочки проваривают в кипятке, либо просто кладут в закипевшую воду на несколько минут.

Вымачивание листьев винограда в кипятке

Традиционная долма по-кавказки готовится в два этапа, сначала подготавливается начинка, в состав которой входят:

• 1 кг фарша из говядины;
• четвертая часть стакана длинного риса;
• сухая кинза;
• соль, перец, майоран;
• подготовленные листья.

Чтобы приготовить своеобразный соус — мацони, вам понадобится:

• 2 стакана свежего молока;
• 150 мл кефира;
• 2 зубчика чеснока;
• пол стакана воды.

Готовим блюдо следующим образом:

1. В глубокой емкости смешиваем фарш с вымытым рисом добавляем специи, соль и перец по вкусу, наливаем воду.
2. Расправляем лист винограда на деревянной доске, кладем 1-2 ложки начинки и плотно заворачиваем.
3. Если листья маленькие, можно использовать для одной долмы два листочка.
4. Укладываем заготовки плотно в большую кастрюлю, придавливаем ее тарелкой, заливаем водой и ставим на средний огонь на 1-2 часа.
5. Для соуса разогреваем молоко, заливаем в него кефир, смешиваем и переливаем в стеклянную тару, которую укутываем и ставим в теплое место на 5 часов. Затем добавляем в смесь чеснок с солью и мацони готов для подачи.

Приготовление долмы — заворачиваем начинку в виноградный лист

В подготовленные листья можно заворачивать практически любую начинку — мясной фарш, рис, яйцо, молотый грецкий орех, или тушеные овощи. В России виноградные листья используют вместо капустных для приготовления необычных голубцов, которые начиняют традиционно, но вкус блюда получается совершенно иной.

Долму плотно укладывают в кастрюлю, тушат или запекают. Подается блюдо со сметанным соусом, или свежей сметаной.

Голубцы из виноградных листьев подаются под чесночным соусом

Листья винограда можно использовать при готовке рыбы. Они полностью нивелируют специфический рыбный запах. В сушеном виде листья становятся идеальной приправой практически ко всем блюдам, и придают им особый аромат.

Зачем маринуют листья винограда

Совсем необязательно ждать весну, чтобы полакомится вкусной долмой. Существуют простые рецепты заготовки виноградных листьев на зиму:

• собираем листочки, тщательно вымываем под проточной водой;
• пропариваем кипятком, просушиваем;
• складываем листья по 5 штук и заворачиваем в «конвертик»;
• полученные заготовки складываем в стерилизованную банку;
• заливаем горячим рассолом (ложка соли на пол литра воды) и закатываем.

Маринованные листья винограда вкуснее, так как пропитываются специями

Такие листья ничуть не уступают по вкусовым качествам свежим. Они отлично подходят для приготовления различных видов долмы и экзотических голубцов. Кроме того, маринованный виноградный лист не требует подготовки (проварки или ошпаривания) — достал из банки, и приступил к приготовлению.

Для насыщенности вкуса виноградного листа можно добавлять стандартные специи, чеснок, перец, зонтики укропа.

Итог

Виноградные листья — доступный природный продукт, который можно использовать для приготовления полезных блюд. А если воспользоваться рецептами консервации, можно наслаждаться настоящей вкусной долмой круглый год.

«Вкус листа зависит от сорта винограда» – Weekend Украина – Коммерсантъ

Виноградные листья — кладезь полезных веществ. В них есть углеводы, витамины, калий, магний, кальций. Сушеные виноградные листья применяли в медицине как кровеостанавливающее средство, а виноградным соком укрепляли волосы. Виноградные листья широко используют в кулинарии — их жарят на гриле, подают со сладостями, консервируют. О том, как используют виноградные листья киприоты, Марине Гладкой рассказал шеф-повар кипрского отеля Anassa Александр Гефрой.

— Виноградные листья можно есть в сыром виде?

— Вкус нежного листа с ароматом винограда довольно приятен, но это не традиционная салатная зелень, которую можно использовать для закусок. Впрочем, если мы возьмем большой лист, положим туда жаренную в чесноке креветку, сыр и овощи, то можно смело есть. И все же виноградный лист лучше термически обработать. Допускается незначительное добавление виноградных листьев в салат, но это не частая практика. На Кипре любят тушить мясо в горшочке с виноградными листьями, они очень хорошо себя проявляют в блюдах, лист становится мягким, но не рыхлым, он сохраняет упругость и в то же время прекрасно пропитывается соком, становится вкусным. К тому же лист отдает витамины и минеральные соли — он, как любая зелень, полезен.

— Какими полезными свойствами отличаются виноградные листья?

— Виноград для нас — это в первую очередь сладкие ягоды, но прежде чем созреют грозди, появляются листья. Сначала именно они накапливают ценные вещества, а уже потом запасы распределяются по всему растению. Листья для винограда очень важны, это мини-завод, который поставляет углеводы, крахмал, питательные вещества, органические кислоты всей лозе. Виноградные листья содержат много минеральных солей — калий, кальций, железо, а вот витамина С больше в корнях, чем в листьях. В любом случае лист с полным набором жизненно важных питательных элементов — отличный антиоксидант и хороший попутчик для питательных блюд. На Кипре, например, любят готовить долмадаки — блюдо ювелирной работы.

— Долмадаки — это то же, что долма?

— Кипрская кухня формировалась под влиянием многих народов. Чужестранцы захватывали остров, а киприоты подсматривали у них рецепты, поэтому неудивительно, что в кухне островитян и такое блюдо, как долма, давно стало своим. По сути, это мировой бестселлер, и в Армении, и в Греции, и на Востоке мясной фарш или вегетарианскую начинку заворачивают в виноградный лист и тушат на медленном огне. Многие народы считают долму своим специалитетом, но киприоты найдут достаточно фактов, чтобы доказать, что это блюдо исконно кипрское.

— Можно ли сравнить долмадаки с голубцами?

— Ни в коем случае. Голубцы — это не всегда тонкая работа, хотя это по-своему вкусное блюдо. Для голубцов мясной фарш заворачивают в капустный лист, а для долмы или долмадаки — в виноградный. У него другой химический состав и совершенно иной вкус.

— Для долмадаки сгодится любой виноградный лист?

— Сортов винограда очень много. Если присмотреться к листьям, они невероятно разные — есть шершавые, есть резные, есть со сглаженным рисунком. Все эти качества повар обязательно учитывает. Чем фигуристее лист и больше изгиб кромки, тем неудобнее работать. Идеальная листовая пластина для долмадаки — простая, с мягкой волной. К тому же важен вкус листа, он зависит от сорта винограда. Белый виноград мягче, красный имеет терпкость, следовательно, листья темных сортов резче на вкус и жестче, у светлых сортов вкус с нежной кислинкой и гибкие листы. Лист для винограда, как паспорт, форма листовой пластины — главный сортовой признак. Специалист, даже не взглянув на грозди, по осенним листьям назовет сорт и цвет ягод. Формула такая: желтые листья у светлых сортов, бурые — у темных. Но это только на первый взгляд просто, нюансов на самом деле много.

— Мясо хорошо сочетается с виноградными листьями?

— Да, оно отдает листу свой вкус, но и сам лист помогает мясу стать интереснее — делится с ним кислинкой, убирает тяжесть. Организму всегда легче переваривать мясо с зеленью, а с виноградным листом, пусть даже обработанным,— тем более. Многим нравится сочетать с виноградным листом рис или бобовые, например чечевицу или нут. Виноградные листья в мировой кухне используют широко, их жарят на гриле, подают со сладостями и консервируют. Нельзя сказать, что жареный лист приятно съесть без сопровождения, но своей свежестью, кислинкой и витаминами он однозначно украсит комплексное блюдо.

— А почему на Кипре, со всех сторон омытом водой, меньше любят рыбу, а больше мясо?

— Киприоты подсознательно всегда были готовы к войне, чтобы отразить атаки соседей, которым остров не давал покоя. Только уходили одни, с другой стороны уже подбирались другие, поэтому киприоты не очень любили жить у береговой линии, выбирали середину острова. Так что на Кипре больше привыкли к мясу, а не к рыбе. Постоянные войны помогли островитянам переключиться на животноводство и сделали из них виртуозов изготовления мясных изделий. Они большие специалисты по крольчатине, птице, баранине и свинине. Но овощи и фрукты здесь тоже имеются в изобилии — киприоты выращивают их на богатых плантациях у подножия массива Тродос. Еще на Кипре любят сыр халуми. Здесь готовы есть халуми на завтрак, обед и ужин, используют его в десертах и салатах. Дело в том, что халуми имеет прекрасные качества — он не растекается при тепловой обработке, хорошо держит форму, его часто жарят на гриле и подают с кольцами лука и сладким перцем.

Виноградные листья — Полезные и опасные свойства виноградных листьев

Виноградные листья собирают с молодых побегов лозы,
не жесткие,поэтому заниматься их заготовкой надо в начале
лета или с недавно посаженной и прижившейся виноградной
лозы. Виноградные листья подходят как для кулинарных
шедевров, так и для лечения многих заболеваний.

Этот полуфабрикат очень выручит вас в зимний дни, когда
семья потребует ДОЛМУ или САРМАЛЕ (голубцы по-молдавски).

На рынке их продают, конечно, но только соленые или
насквозь промаринованные в уксусе. Приходится вымачивать,
вываривать.

Эта консервация не содержит посторонней кислоты, только
собственно виноградный лист и томатный сок! Главное, как писалось выше, чтобы собранные листья
были не жесткими, с молодых побегов лозы.

Собранные утром сочные молодые листья заливаем холодной водой на
час. Можно добавить в воду кубики льда. Затем промываем под проточной
водой, срезаем стебли и часть утолщенных прожилок у основания листа.
Скручиваем подготовленные листья по 10 штук в рулетики и плотно
укладываем в стерильную листровую банку. В нее входит примерно 60-70
листиков. Заливаем кипящей водой на 15 минут, накрываем крышкой.
Воду сливаем прочь. Заливаем вторично кипящим томатным соком, лучше
свежевыжатым. Немедленно закатываем и закутываем в теплое одеяло
до полного остывания.Зимой эти листики не нуждаются в дополнительной
обработке — доставайте и готовьте.А томатный сок прекрасно подходит
для соуса.

Полезные свойства виноградных листьев

Свежие виноградные листья (в 100 г):

Калории 93 ККал

Виноградные листья и веточки содержат до 2% сахаров,
большое количество органических кислот. В виноградных
семечках — до 20% жирного масла; дубильные вещества
— флабофен; лецитин; ванилин и уксусная кислота. Кроме
этого, в них определены пикгенолы — вещества с антиоксидантной
активностью.

В виноградных корнях много витамина С, алкалоидов,
гликозидов, дубильных веществ. Все части растения содержат
в большом количестве соли Si, Na,
P, Fe,
Cu.

Если съесть молодые ветки винограда, то они не дадут
вредным испарениям подняться в мозг. Молодые ветви,
усики, листья помогают при горячей головной боли, жжении
в глазах и горячих опухолях, если их размять и смешать
с ячменной мукой, а потом приложить на больное место.
Виноградные ветки, повешенные на шею больного падучей,
предупреждает припадки.

Виноградные листья используют в восточной медицине.
Свежие, они помогают при кашле и усиливают мужскую потенцию,
а выжатый из них сок лечит болезни желудка и кишечника.

Сгущенный сок листьев винограда при приеме во внутрь
укрепляет горячий желудок, останавливает рвоту, лечит
кровавую рвоту, язвы кишок, желчный понос. Таким же
образом действует виноградный сок, если его ввести в
задний проход. Сок гонит мочу и укрепляет плод в утробе.
Сок винограда, примененный наружно, способствует росту волос.

Виноградные листья помогают при кровохарканье. Если
из сока веток виноградника сварить сироп с сахаром и
выпить, вылечит сердцебиение от желчи, улучшит аппетит,
вылечит похмелье, успокоит жар желчи, тошноту. Но этот
сироп вреден при кашле. Листья винограда усиливают потенцию.
Камедь и сгущенный сок виноградника сильно очищают и
сушат натуру. Если выпить их с вином, сильно очистят
селезенку, раздробят камни мочевого пузыря и почек.
Сок растения с вином при наружном применении лечит экзему.
Но перед этой процедурой нужно протереть больное место
содой. Камедь или сгущенный сок виноградника, смешанный
с оливковым маслом, при наружном употреблении укрепляет
волосы. Сок, выделяемый при сжигании ветвей виноградника,
при наружном употреблении лечит бородавки, веснушки,
лишаи, особенное, если его растереть с изюмом.

В современной народной медицине свежие виноградные
листья применяют при запорах. Холодный настой листьев
применяют для укрепления зрения, при ревматизме. Для
приготовления настоя 350 г листьев винограда заливают
3 л холодной воды и настаивают в течение 3 суток.

Отвар виноградных листьев ощелачивает мочу и постепенно
поможет избавиться от уратных камней в почках. Полезен
отвар и при подагре. У виноградных листьев определены
сахароснижающие свойства – их успешно применяют для
лечения диабета. Считается также, что листья винограда
усиливают потенцию.

Настой из листьев винограда: заварить 1 стаканом кипятка
1 ст. л. сухих измельченных листьев, настоять 25-30
мин, процедить. Пить по 1-2 ст. л. 3 раза в день за
0,5 ч до еды, а также полоскать горло при ангине, обмывать
раны и язвы.

Порошок сушеных виноградных листьев вдыхают при носовом
кровотечении. Ещё им лечат гнойные раны, используя как
антисептическое средство.

Виноградные семена оказывают кровоостанавливающее действие
при маточных кровотечениях. Соком винограда лечат неврастению,
истерию, функциональные заболевания сердца.

Опасные свойства виноградных листьев

Не смотря на большое количество полезных свойств, которыми обладают
виноградные листья, у них есть некоторые противопоказания. Нанести
вред они могут в случаях, когда человек страдает от ожирения,
хронической язвы желудка, сахарного диабета,
сердечной недостаточности. Существенный вред они могут нанести в
этих случая только при употреблении в больших количествах.

Также виноградные листья могут быть неполезны для женщин, которые
находятся на завершающей стадии беременности, т.к. они оказывают
неблагоприятный эффект на работу молочных желез.

Масло виноградных косточек очень полезно для волос. Из представленного видео вы узнаете, как правильно сделать из него ночную маску для волос.

Рейтинг:

8.7/10

Голосов:
3

Смотрите также свойства других продуктов:

О чем «говорит» лист винограда

КАК вы уже знаете, виноградный куст получает все необходимое ему для нормальной жизнедеятельности из двух источников: подземного (корневая система) и надземного (листовой полог). Сегодня мы подробно поговорим о втором из них, а если точнее — о виноградном листе, который всегда у вас на виду и многое может рассказать внимательному и грамотному хозяину. Надо только держать под постоянным контролем развитие зеленой кроны, а главное — уметь своевременно и точно расшифровать ее немые сигналы, безотлагательно принимая необходимые меры помощи.
Следует подчеркнуть: листья играют огромную роль в жизни винограда. Это «фабрика» органических веществ (сахара, крахмала и др.). Это «толкач» воды и растворенных в ней питательных веществ от корней к надземным частям куста. Это «командный пункт» дыхательных процессов.
Что даст вам практически «разговор» с виноградным листом? Во-первых, вы сможете смолоду уточнить сортовой состав прижившихся на плантации черенков и саженцев, приобретенных где-то на стороне. А это залог проведения дифференцированной (сортовой) агротехники, гарантирующей стабильную урожайность. Во-вторых, характер облиственности куста, состояние листовых пластинок наглядно раскроют вам складывающуюся обстановку в подземной сфере (баланс минерального питания, степень увлажнения почвы). А это определит оптимальные сроки, состав и способы вегетационных подкормок, поливов. И, в-третьих, на листьях оперативно проявляются признаки развития болезненных процессов и вредоносной деятельности врагов урожая. Чем раньше их заметите, тем эффективнее будет и защита плантации.
Начнем с ранней весны, когда на молодых саженцах, на заземленных осенью черенках или свежих прививках станут распускаться почки, появятся первые листки и обозначатся зачаточные побеги. Проверьте (если есть хоть малейшее сомнение), те ли дефицитные сорта, которые вам хотелось, приживаются сейчас на плантации. Не затесались ли сюда по чьей-то ошибке (или недобросовестности) нежелательные новоселы.
Припоминается такой случай. Лет 10-12 назад, впервые увидев на городской выставке полуметровые грозди комплексно-устойчивого молдавского сорта Страшенский, загорелся желанием посадить у себя несколько кустов этой рекордно урожайной и высокодоходной новинки. Там же приобрел черенки, укоренил их с зимы на подоконнике, намереваясь в марте — апреле высадить в грунт на постоянное место.
Но что это? Рассматриваю в лупу развившиеся в сосудах проростки: верхушки молодых побегов и первые листочки имеют фиолетовый оттенок, опушение отсутствует… А в ампелографическом справочнике о типичных признаках Страшенского сказано так: «Коронка и первые листья желто-зеленые с золотисто-бронзовым оттенком, имеют сильное опушение». А то, что развивалось на моем окне, полностью совпадало с характеристикой сорта Криулянский (его три куста у меня уже плодоносили и, признаться, не очень устраивали семью — чрезмерно затянутое созревание, переуплотненность ягод в грозди, ведущая к их сильной деформации и загниванию). Словом, выбросил я эти липовые саженцы. Но Страшенский отлично плодоносит у меня уже много сезонов (знакомый любитель срезал при мне несколько черенков с этого куста, где я сам пробовал спелые ягоды).
Для того, чтобы читатели наши могли самостоятельно разобраться в сортовых признаках еще на ранневесеннем этапе, приведем характеристику молодой поросли ряда других сортов винограда (цветовые оттенки коронок и первых листьев, характер их опушения):
Муромец — серовато-зеленые, опушение войлочное;
Ляпа — слегка бронзовые, неопушенные;
Памяти Негруля — светло-зеленые с винно-фиолстовым оттенком, опушение войлочное;
Молдова — оттенок винно-бронзовый, покрытие паутинистое;
Юбилей Журавля — зеленые с интенсивным бронзовым оттенком, блестящие, без опушения;
Лоза горянки — серовато-зеленые с паутинистым покрытием;
Декабрьский — слабый золотистый оттенок, легкое опушение;
Юбилей Молдавии — зеленые, блестящие, с бронзовым опенком, слабоопушенные;
Днестровский розовый — коронка зеленая с розовой каймой, первые два листочка винно-красные.

Тем же любителям, которых интересуют другие сорта, придется заглянуть в ампелографический справочник, в виноградарскую энциклопедию или посоветоваться с более опытными коллегами.
В летнее время, когда виноградные кусты оделись хорошо развитой зеленью, их сортовую принадлежность не так уж трудно определить по типовой конфигурации листьев (рис, I). В морфологическом плане здесь различаются, во-первых, характер общего контура пластинки: округлый (или цельнокрайний), яйцевидный и поперечно-овальный (или почковидный). Во-вторых количеством лопастей и их очертаниями, а также глубиной боковых вырезок. В третьих, величиной и цветом. В-четвертых, характером листовой поверхности. В-пятых, очертанием черешковых выемок (сводчатые, стрельчатые, лировидные, открытые или закрытые…) .

Рис. I. Типовая структура 5-лопастной листовой пластинки: А — средняя жилка; Б и БI — верхняя пара главных жилок; В и В1 — нижняя пара главных жилок; Г — средняя лопасть; Д и Д1 — верхние боковые лопасти; Е и Е1 — нижние боковые лопасти; Ж и Ж1 — верхние боковые вырезки; З и З1 — нижние боковые вырезки; И — .черешковая выемка; К — место крепления черешка..

Конечно, здесь очень сложная и многоступенчатая градация, но для нас, любителей, важны самые главные сортовые показатели. Они и приводятся обычно в популярных пособиях по виноградарству. Вот несколько примеров из книги К.А.Войтовича «Новые комплексно-устойчивые столовые сорта винограда» (г. Кишинев, 1987 г.):

Юбилей-70 — листья крупные или средние, темно-зеленые, округлые или слегка вытянутые, 5-лопастные слаборассеченные. Черешковая выемка открытая, лировидная. Поверхность листа слабо-сетчато-морщинистая, снизу легкое паутинистое опушение.
Солнечный — лист светло-зеленый, 5-лопастный, средне-рассеченный. Его поверхность гладкая, снизу неопушенная. Краевые зубчики треугольные.
Кутузовский — листья крупные, темно-зеленые, 3-5-лопастные. Сверху сетчато-морщинистые, снизу неопушенные, выемка открытая, сводчатая.

Думается, такие сведения также помогут вам разобраться в возделываемом сортименте. Запоминайте (а еще лучше записывайте), где и как изменяется расцветка листьев осенью, как на различных кустах загибаются края листьев, где и почему изменяется длина междоузлий.

О тревожных сигналах.

Вторая заповедь «листовой азбуки» — это вовремя замечать и правильно реагировать на такие внешние признаки, которые вызваны неполадками в почвенной толще. Начнем с ухудшения водного режима. Мы знаем, что в условиях оптимального увлажнения корнеобитаемого горизонта верхушки зеленых побегов немного склоняются вниз (образуя, как бы вопросительный знак). Но стоит почве чуть пересохнуть, как ростовая коронка сразу же выпрямляется («дайте воды!»). Не отреагируете быстро ж этот «крик» — создается продолжительное водное голодание кустов: побеги притупят рост, листва потеряет упругость (тургор), снизится эффект фотосинтеза, а стало быть и урожай, растение может зачахнуть. Не доводите виноград до крайности, следите за листовым «барометром»!

Виноград способен сигналить и о разбалансировании минерального питания.
Причем делает это с завидной избирательностью (поэлементно). Составьте себе подробную таблицу этих тревожных заявок. А мы здесь изложим их суть в сжатом варианте. Тем же читателям, которые захотят «подковаться» детальнее, советую обратиться к занятию № 15.
Итак, внешние признаки нехватки или избытка питания. Если в почве недостает азота, ослабляется вегетативная сила куста, листья теряют окраску (бледнеют), грозди остаются мелкими и недоразвитыми. Излишек азота (при плохой обеспеченности фосфором и калием), наоборот, вызывает буйный рост, ягоды крупнеют, но становятся водянистыми и легко поражаются гнилью, побеги не вызревают и теряют устойчивость к морозам,
Отсутствие фосфора притупляет рост побегов и листьев, грозди формируются рыхлые, ягоды осыпаются, на листве появляются красновато-фиолетовые пятна. О дефиците калия свидетельствует появление по краям листа расплывчатых желтоватых пятен, сам лист принимает чашеобразную форму, затем темнеет и становится ломким. При сильной нехватке калия на листьях образуются желтые чернеющие пятна, которые впоследствии продырявливаются, побеги не вызревают.
Теперь о микроэлементах, при плохой обеспеченности магнием пластинки листьев приобретают светло-зеленый оттенок (а жилки остаются темно-зелеными). Осветление и пожелтение листвы в период роста, а также усиленное развитие пасынков указывают на недостаток железа, мелколиственность в средней и верхней части побега — на дефицит цинка. При нехватке в почве марганца светлеют листья, на них образуются темные пятна. Если недостает бора, ослабляется рост побегов, отмирают точки роста, появляются признаки карликовости и короткоузлия.
Особо следует сказать о кальции (извести). При его дефиците рано светлеют верхние листья, на них появляются коричневые пятна, затем листовые пластинки свертываются и опадают. Избыток же этого элемента чреват еще более серьезными последствиями: тормозятся ростовые процессы, снижается плодоношение кустов, насаждения постепенно гибнут от хлороза. Добавим, что это заболевание обусловлено комплексом неблагоприятных факторов — кроме перенасыщения почвы известью, здесь сказываются нехватка железа, недобор активных температур в весенние месяцы, повышенная плотность (и карбонатность) местных почв, чем вызывается кислородное голодание растений.
Учитесь разбираться во всей этой тревожной сигнализации, принимая безотлагательно соответствующие меры — внекорневые и жидкие подкормки винограда недостающими в почве элементами питания. Имейте в своей садовой аптечке запас таблеток, содержащих различные микроэлементы. Используйте для подкормок те виды органики, которые богаты полезными для растений микродобавками — птичий помет, золу, навоз и компосты.
Теперь о болезнях и вредителях. Регулярный осмотр листового полога и плодовых образований позволит вам резко повысить действенность защитных мероприятий. Конечно, лучше поставить дело так, чтобы ваши химобработки носили предупредительный характер (не допускать повреждений виноградника). По это, к сожалению, не всегда удается:— у виноградного растения много врагов, они развиваются скрытно и нападают внезапно. Тут и необходимо пресечь опасность в зародыше.
На виноградном кусте поселяются вредные насекомые, клещи, микроскопические грибы (возбудители болезней), бактерии и вирусы. Из болезней наиболее распространены милдью, оидиум, белая и серая гнили, краснуха, антракноз; из вредителей — листовертки, клещи, скосари. В занятии № 13 мы знакомили нас с большинством из этих «нахлебников». А сейчас ограничимся лишь описанием первых признаков наиболее частых повреждений, обнаружив которые на вегетирующих кустах, вы не замедлите с защитными мерами.
Милдью — желто-коричневые маслянистые пятна на верхней части листовой пластинки, появившиеся после дождя или сильной росы «упустите срок — «белый пожар» охватит всплошную нижние стороны листьев, зеленые побеги, соцветия или завязи).
Оидиум — нежный мучнистый серовато-пепельный налет на пластинке листа, позднее — беловатые паутинные пятна на побегах и плодовых завязях, а также растрескивание листьев, ягод, и побегов.
Серая гниль — побурение листовых пластинок, угнетение саженцев, серый пушистый налет на соцветиях и ягодах, вызывающий их частичное или полное загнивание (особенно после обильного дождя или запоздалой) полива, способствующих растрескиванию ягод.
Белая гниль — незадолго до созревания (при жаркой и влажной погоде) ягоды буреют, сморщиваются и загнивают, на их поверхности — мелкие грязно-белые бугорочки, затем засыхают гребень и пораженные ягоды.
Краснуха — покраснение или пожелтение (в зависимости от цвета ягод) нижних листьев с их частичным усыханием в углах между крупными жилками (рис. 2).

Рис. 2. Проявление грибковой болезни краснухи: А — поврежденные краснухой участки листа; Б — конидиеспоры; В — аскоспоры.

Антракноз — появление угловатых коричневых пятен (с черной каймой), на листьях они образуют дырки, на завязях — круглые вдавленные участки, из-за чего эти ягоды преждевременно опадают, а побеги вскоре засыхают и легко обламываются.
Гроздевая листовертка — опутанные паутиной, поврежденные бутоны и цветки, затем надгрызанные ямки в молодой завязи и, наконец, засыхающие или загнивающие спелые ягоды.
Виноградный зудень — вздутие на верхней и углубление на нижней стороне листа, окаймленные густым войлочным опушением белого или рыжеватого цвета, позднее пластинка листа становится бугристой (рис.3).

Рис. 3. Повреждение листа виноградным зуднем: А — внешний вид клеща; Б — нижняя часть листа, пораженная войлочностью; В — верхняя пластинка со вздутиями и деформацией кожицы.

Паутинный клещ — желтоватые точки снизу листа, при слиянии которых появляются пятна на верхней стороне (кирпично-красные у темных сортов и желтоватые у белых), преждевременный сброс листвы.
Турецкий скосарь — ранней весной — выгрызанные почки винограда, затем (вплоть до конца лета) обглоданные края листьев, а осенью и зимой — поврежденные молодые почки.

Вот видите, друзья, какой богатой и разносторонней информацией может снабдить вас обычный виноградный лист. Чутко прислушивайтесь к его негромкому «голосу», оперативно выручайте растение от беды.

Строение листьев винограда — Страница 6

Страница 6 из 7

На каждом однолетнем побеге и в каждом узле располагаются листья. Число листьев на побеге зависит от условий роста, сорта и приемов агротехники. Листья, расположенные у основания побега, как правило, бывают более мелкими и менее рассеченными по сравнению с выше расположенными.
Наиболее характерными для сорта являются листья, расположенные в пределах от 5 до 8 узлов от основания побега. У различных сортов и видов виноградного растения листья имеют неодинаковую форму, рассеченность, величину, опушенность и другие признаки.
Признаки листа являются наиболее характерными для определения сорта. Как и у большинства других растений, лист винограда состоит из черешка и пластинки. Пластинка листа в свою очередь состоит из жилок различной величины, называемых «нервами», и тканей самой пластинки листа, располагаемой между нервацией.

Рис. 31. Изрезанность листьев: 1—лист цельный, 2—трехлопастной, 3—пятилопастной.
Листья винограда бывают цельными и изрезанными. Большинство сортов имеет листья различной степени изрезанности. Изрезанность бывает слабая, средняя и сильная. В зависимости от числа вырезок — трех- и пятилопастные (рис. 31 и 32).

Рис. 32. Различные формы листьев.
По форме листья бывают круглые, овальные, сердцевидные, яйцевидные и др. Большое значение как признак сорта имеют степень и характер опушения листьев с верхней и нижней их стороны. Отличительным признаком сорта является также черешок, который различается по длине, толщине, окраске и степени опушенности.

Рис. 33. Формы черешковых выемок: 1—округлая, 2—копьевидная, 3—ширококопьевидная, 4—щелевидная, 5—куполообразная.
Ценным признаком сорта является форма вырезок листа и особенно черешковая вырезка (рис. 33).
При определении сортов по листьям приходится пользоваться большой суммой мелких признаков. К таким признакам относятся:

1. Размер и форма листьев.
2. Степень изрезанности листа, форма и размер лопастей (верхней лопасти, средней пары и нижней).
3. Величина и форма вырезок (верхней пары вырезок, нижней пары и черешковой выемки). Особенно характерными являются черешковые выемки.
4. Величина, форма, равномерность и окраска зубчиков, расположенных по краям пластинки листа.
5. Характер верхней и нижней поверхности пластинки листьев (волнистая, гладкая, пузырчатая и т. д.).
6. Окраска верхней и нижней стороны листа.
7. Степень покрытия волосками верхней и нижней поверхности листа.
8. Характер опушения листа (щетинистый, волокнистый, паутинистый).
9. Степень выраженности нервации и характер ее опушения.
10. Длина черешка, его окраска, толщина и форма.
11. Соотношение длины главных нервов.
12. Углы расхождения главных нервов.

Следует помнить, что в пределах сорта, а также в пределах куста и даже побега, листья по своим признакам: могут отличаться. Поэтому для описания сорта необходимо выбирать типичный куст для данного сорта, а в пределах куста брать наиболее характерные побеги и листья.

Греческие фаршированные виноградные листья с рисом и травами (Долмадакия)

Долмадакия , греческое слово, обозначающее фаршированные виноградные листья, является одним из самых знаковых рецептов греческой кухни, и, несмотря на то, что существует множество разновидностей, постный вариант является наиболее распространенным. В теплое время года старайтесь найти и использовать свежие виноградные листья; они более нежные и ароматные, чем консервированные. Вне сезона опавшие листья являются прекрасной заменой (мы предпочитаем бренд Orlando).

Полное руководство по большим жирным греческим и ближневосточным сигарным закускам

Умеет: Как сделать свои собственные долмы (фаршированные виноградные листья) для идеальных тарелок мезе

Получайте сезонные рецепты, методы и приемы, отправленные прямо на ваш почтовый ящик — подпишитесь здесь , чтобы получать информационные бюллетени Saveur.И не забудьте , подписывайтесь на нас в Instagram по адресу @SaveurMag .

Что вам понадобится

Листья греческого винограда, фаршированные рисом и зеленью (долмадакия)

Долмадакия, греческое слово, обозначающее долмы, является одним из самых знаковых рецептов греческой кухни, и, несмотря на то, что существует множество разновидностей, постный вариант является наиболее распространенным. В теплое время года старайтесь найти и использовать свежие виноградные листья; они более нежные и ароматные, чем консервированные.Вне сезона опавшие листья являются прекрасной заменой (мы предпочитаем бренд Orlando).

Урожайность: обслуживает 6-8 человек.

Состав

• 60-70 свежих виноградных листьев или одна банка объемом 16 унций, высушенные виноградные листья, удаленные стебли
• ³ ⁄ ₄ стаканов оливкового масла первого холодного отжима, разделенного на части, плюс еще для сервировки
• 1 большая белая луковица, нарезанная кубиками (2 стакана)
• 4 больших зеленых лука или 8 зеленых луковиц, только зеленые части, тонко нарезанные (1 ½ стакана)
• 1 ¹ ⁄ ₃ чашек мелко нарезанного свежего укропа (3 унции.)
• 1 ² ⁄ ₃ стаканов мелко нарезанной плоской петрушки (3 унции)
• 1 стакан мелко нарезанной свежей мяты (2 унции)
• 1 ³ ⁄ ₄ стаканов (12 ¼ унций) короткозернистого риса, замоченного в прохладной воде на 10 минут, затем слить)
• Кошерная соль и свежемолотый черный перец
• 2 ст.свежий лимонный сок, плюс несколько дольок лимона для подачи
• Простой греческий йогурт для сервировки (по желанию)

Инструкции

1. Доведите до кипения большую кастрюлю с водой. Заполните большую миску ² ⁄ ₃ ледяной водой. Добавьте виноградные листья в кипящую воду и варите 2 минуты до размягчения. Удалите листья шумовкой или небольшим ситечком и переложите в ледяную воду.После охлаждения процедите листья и обсушите чистым полотенцем. Отложите в сторону.
2. Поставьте большую сковороду на средний огонь и добавьте ¼ стакана масла. Когда он станет горячим, добавьте белый лук и готовьте, периодически помешивая, пока он не станет мягким, 5 минут. Добавьте зеленый лук, укроп, петрушку и мяту и продолжайте готовить, пока лук не станет полностью мягким и полупрозрачным, еще 3-4 минуты. Добавьте рис и 1 чайную ложку кошерной соли и варите, постоянно помешивая, 2 минуты.Добавьте 1 стакан воды и варите, периодически помешивая, 10 минут. Снимите с огня и приправьте солью и перцем. Отложите, пока полностью не остынет.
3. Выстелите дно большой кастрюли или голландской духовки тремя слоями виноградных листьев (это предотвратит последующее подгорание долмадакии).
4. Работая по одному, поместите оставшиеся листья нижней стороной вверх, остриями к себе. Положите большую столовую ложку начинки в центр каждого листа, затем сложите левую и правую стороны над начинкой.Сложите кончик листа поверх начинки, затем плотно сверните, чтобы получилась сигара размером примерно 2 дюйма на ¹ ⁄ ₂ дюймов. Положите рулет швом вниз в горшок с подкладкой. Продолжайте с оставшимися листьями и начинкой, плотно уложив их в горшок и продолжая при необходимости на втором слое.
5. Поставьте кастрюлю на плиту и добавьте 1 ¹ ⁄ ₃ стаканов кипятка, лимонный сок и оставшиеся ½ стакана масла.Доведите до кипения на среднем огне, затем уменьшите огонь до средне-слабого и накройте сковороду; готовьте, пока рис не станет мягким, а листья не станут очень мягкими, около 45 минут.
6. Снимите кастрюлю и дайте остыть. Подавайте долмадакию комнатной температуры или в охлажденном виде, сбрызнув оливковым маслом и добавив дольки лимона для отжима и греческий йогурт для макания или посыпки.

Фаршированные по-гречески виноградные листья с рисом и травами (долмадакия) Мэтт Тейлор-Гросс

Информация, рецепты и факты о виноградных листьях

3150 товаров

Яблоко

Абрикосы

Артишоки

Азиатский

Спаржа

Авокадо

Бананы

Фасоль

Свекла

Болгарский перец

Ягоды

Горькая дыня

Бок Чой

Брокколи

Брюссельская капуста

Капуста

Кактус

Морковь

Цветная капуста

Сельдерей

Мангольд Швейцарский

Вишня

Каштаны

Цикорий

Цитрон

Цитрус

CM

Кокос

Кукуруза

Огурцы

Даты

Драконий фрукт

дуриан

Баклажан

Яйца

Эндив

Папоротники

Инжир

Цветы

Собран на кормах

Fresh Origins

Чеснок

Имбирь

Грейпфрут

Виноград

Зелень

Groc

Гуавас

Травы

Джамбу

мармелад

Кале

Киви

Кумкватс

Листья

Лук-порей

Лимоны

Салат-латук

Лимау

Лаймы

Луло

Мамей

Мандарин

Манго

Мангустин

дыня

Микро Гринс

Грибы

Нектарины

Гайки

Окра

Репчатый лук

Апельсины

Org

Орнамент

Папайя

Маракуйя

Горох

Персики

Груши

Горох

Пепинос

Перец Чили

Перец сушеный

Перец

Хурма

Ананас

Сливы

Помело

Картофель

Тыквы

Айва

Редис

Рамбутан

Красный

Ret

Корень

Салак

Sapote

Лук-шалот

Шпинат

Ростки

Кабачок

Стоунфрут

Танжелос

Мандарины

Помидоры

Tomatillos

Помидоры

тропический

Трюфель

Клубни

Репа

Кресс-салат

Дикий

Дерево

Специальность по фруктам

Овощи прочие

Разное

границ | Выявление болезней виноградных листьев с использованием усовершенствованных глубоких сверточных нейронных сетей

Введение

Виноградная промышленность является одной из основных фруктовых отраслей в Китае, и общий объем производства винограда достиг 13.083 млн тонн в 2017 году. Однако болезни виноградных листьев препятствовали развитию виноградной отрасли и привели к значительным экономическим потерям. Таким образом, выявлению и диагностике болезней листьев винограда уделяется большое внимание со стороны садоводов и экспертов по борьбе с болезнями и вредителями.

Современные подходы к обнаружению болезней основаны в основном на визуальном распознавании. Однако это не только визуальное распознавание — трудоемкая и трудоемкая задача, но и точность распознавания не удовлетворяет требованиям (Dutot et al., 2013). В результате ошибочный диагноз приведет к злоупотреблению пестицидами, которые разрушат среду роста винограда и ухудшат качество фруктов. Таким образом, различные методы спектроскопии широко применяются для диагностики и мониторинга болезней растений. Однако потребность в громоздких датчиках и точных инструментах приводит к низкой эффективности и высокой стоимости (Mahlein et al., 2013; Lin et al., 2014). С развитием техники компьютерного зрения исследователи предложили некоторые алгоритмы распознавания болезней растений, основанные на методах машинного обучения (Waghmare et al., 2016; Али и др., 2017; Hamuda et al., 2017; Акбарзаде и др., 2018; Гриффель и др., 2018; Шариф и др., 2018; Каур и др., 2019; Хан и др., 2019; Кур и Арора, 2019; Лю и др., 2019; Wang et al., 2019; Чжу и др., 2019; Mohammadpoor ​​et al., 2020). Однако классификационные признаки в этих подходах выбираются на основе человеческого опыта, что ограничивает обобщаемость моделей, а точность этих моделей все еще не удовлетворяет требованиям распознавания. Напротив, сверточная нейронная сеть (CNN) может эффективно избегать сложной предварительной обработки изображений и использовать общие веса для уменьшения потребления памяти.CNN по-прежнему считается одним из оптимальных алгоритмов для задач распознавания образов. Таким образом, использование CNN для выявления ранних болезней растений стало предметом исследований в области информатизации сельского хозяйства. В (Mohanty et al., 2016; Zhang and Wang, 2016; Lu J. et al., 2017; Lu Y. et al., 2017; Khan et al., 2018; Liu et al., 2018; Geetharamani, Pandian) , 2019; Ji et al., 2019; Jiang et al., 2019; Liang et al., 2019; Oppenheim et al., 2019; Pu et al., 2019; Ramcharan et al., 2019; Wagh et al., 2019; Чжан и др., 2019a; Zhang et al., 2019b; ), CNN широко изучаются и применяются для диагностики болезней растений. Согласно этим исследованиям, CNN могут изучать расширенные надежные признаки болезней непосредственно из исходных изображений, вместо того, чтобы выбирать или извлекать признаки вручную, что превосходит традиционные подходы к извлечению признаков.

В этой статье представлен инновационный подход к распознаванию болезней листьев винограда на основе CNN. Этот подход направлен на преодоление двух основных проблем. Во-первых, модели CNN требуют большого количества данных для обучения.Однако каждая болезнь листьев винограда проявляется в разный период времени, и время для сбора изображений болезни ограничено. Таким образом, для обучения модели недостаточно изображений больного виноградного листа. Во-вторых, задача классификации мелкозернистых изображений для болезней виноградных листьев является сложной задачей, и модели, обученные с помощью трансферного обучения , с трудом достигают удовлетворительной производительности. Следовательно, разработка оптимальной структуры CNN для распознавания болезней виноградных листьев является сложной задачей.

Инновация статьи заключается в применении улучшенного алгоритма CNN для распознавания болезней виноградных листьев, и основные вклады и нововведения, внесенные в этот документ, резюмируются следующим образом:

● Набор данных о болезнях виноградных листьев создан и является важным фундамент для обобщения модели. Во-первых, для повышения надежности модели собираются изображения больных листьев винограда со сложным и однородным фоном. Кроме того, чтобы уменьшить явление переобучения модели, исходные изображения пораженных виноградных листьев обрабатываются с помощью технологии увеличения данных для создания достаточного количества обучающих изображений.Кроме того, технология цифровой обработки изображений используется для моделирования изображений болезней виноградных листьев в различных средах, что значительно улучшает характеристики обобщения модели.

● Предложена улучшенная модель CNN для диагностики болезней виноградных листьев. Путем анализа особенностей изображений пораженных листьев винограда предлагается новая модель глубокой сверточной нейронной сети, а именно плотная сверточная нейронная сеть Inception (DICNN). Глубокая разделяемая свертка сначала используется DICNN для построения первых двух сверточных слоев, чтобы уменьшить количество параметров и предотвратить проблему переобучения модели.Затем используется начальная структура для повышения эффективности экстракции многомасштабных пятен болезней. Наконец, стратегия плотного соединения применяется к четырем каскадным структурам Inception для облегчения проблемы исчезающего градиента, поощрения распространения и повторного использования функций.

По результатам экспериментов точность модели DICNN достигает 97,22%, что лучше других классических моделей. Кроме того, после увеличения данных с использованием набора данных из 107 366 изображений пораженных болезней виноградных листьев точность увеличивается на 14.42%, тем самым демонстрируя более высокую надежность и лучшие характеристики распознавания.

Остальная часть документа организована следующим образом: Связанная работа представляет и резюмирует связанную работу. В Generating the Grape Leaf Disease Data Set , основанном на получении изображений натуральных виноградных листьев, с помощью технологии обработки изображений генерируются обильные изображения виноградных листьев. Модель идентификации болезней виноградных листьев представляет модель DICNN. Результаты экспериментов и обсуждение представляет эксперименты для оценки производительности модели и анализирует результаты экспериментов.В последнем разделе представлены выводы статьи.

Сопутствующие работы

Чтобы уменьшить ущерб от болезней, многие исследователи приложили огромные усилия для выявления болезней растений. Благодаря постоянному развитию алгоритмов машинного обучения они широко используются для выявления вредителей и болезней растений.

В (Hamuda et al., 2017), Hamuda et al. предложил алгоритм автоматического определения посевов. Алгоритм использовался для обнаружения цветной капусты из видеопотоков при естественном освещении при различных погодных условиях, а результаты обнаружения сравнивались с наземными данными, которые были получены с помощью ручного аннотирования .Этот алгоритм реализовал чувствительность 98,91% и точность 99,04%. В (Akbarzadeh et al., 2018), Akbarzadeh et al. предложил подход к классификации растений, основанный на машине опорных векторов. Набор данных состоял из спектральных характеристик отражения кукурузы и серебряной свеклы при 635, 685 и 785 нм со скоростью 7,2 км / ч. Результаты экспериментов показали, что предложенный алгоритм эффективно классифицирует растения с точностью 97%. В (Wang et al., 2019) Zhang et al.предложили подход к распознаванию мучнистой росы огурцов, основанный на визуальных спектрах. Благодаря классификации и распознаванию спектральных характеристик, диапазон видимого света от 450 до 780 нм был выбран в качестве диапазона исследований. Затем алгоритм SVM был использован для построения модели классификации, а функция ядра с радиальным базисом была применена для оптимизации модели. Результаты экспериментов показали, что эта модель реализовала точность 100% и 96,25% для здоровых листьев огурца и листьев мучнистой росы соответственно, а общая точность составила 98.13%. В (Waghmare et al., 2016) Waghmare et al. предложила методику выявления болезней винограда с помощью анализа текстуры листьев и распознавания образов. Система взяла один лист растения в качестве входных данных, и после удаления фона была проведена сегментация. Затем сегментированное изображение листа было проанализировано через фильтр высоких частот для обнаружения пораженной части листа. Наконец, извлеченный образец текстуры был передан в мультиклассовый SVM. В (Mohammadpoor ​​et al., 2020) Mohammadpoor ​​et al.предложила интеллектуальную технику обнаружения вируса фанлиста винограда. На основе алгоритма нечеткого C-среднего была выделена область пораженных частей каждого листа, а затем она была классифицирована с помощью SVM. Кроме того, для повышения диагностической надежности системы был применен метод перекрестной проверки в K раз с k = 3 и k = 5. Результаты экспериментов показали, что средняя точность системы составляет около 98,6%. Однако алгоритмы машинного обучения требуют громоздкой предварительной обработки изображений и извлечения признаков (Кулин и др., 2017; Zhang et al., 2018). Напротив, CNN может автоматически различать и извлекать отличительные признаки для идентификации изображения.

В последние годы CNN сделали большой прорыв в области компьютерного зрения. Таким образом, использование CNN для выявления болезней растений стало горячей точкой исследований в области сельскохозяйственных информационных технологий. В (Khan et al., 2018) Khan et al. изолировали области заражения от фона и использовали VGG и AlexNet для извлечения характеристик областей заражения.Эксперименты проводились на Plant Village и CASC-IFW, и точность классификации составила 98,60%. Результаты экспериментов показали, что предложенная модель превосходит доступные подходы с высокой точностью и высокой точностью распознавания. В (Zhang et al., 2019) Zhang et al. предложил алгоритм выявления болезней огурцов, основанный на AlexNet, а именно GPDCNN. Подход эффективно объединяет контекстную информацию путем объединения уровней глобального пула через расширенную свертку , что может оптимизировать сходимость и повысить скорость распознавания.Модель GPDCNN была обучена на шести распространенных болезнях листьев огурца, и точность распознавания составила 94,65%. В (Liang et al., 2019) Liang et al. предложила систему диагностики рисового взрыва, основанную на CNN. Модель была обучена на наборе данных из 5808 пораженных изображений, которые включали 2906 положительных образцов, и продемонстрировали удовлетворительные характеристики с точки зрения точности распознавания, AUC и ROC. Экспериментальные результаты показали, что предложенная модель может извлекать больше различительных и эффективных высокоуровневых функций, чем традиционные подходы LBPH и Haar-WT.В (Zhang et al., 2019) Zhang et al. обучили трехканальную модель CNN для распознавания болезней листьев томатов и огурцов. В этом подходе использовались три канала RGB отдельно для использования информации о цвете и реализовано автоматическое извлечение болезненных признаков с помощью информации о цвете. На наборе данных о болезнях листьев томатов и огурцов предложенная модель превзошла традиционные подходы с точки зрения точности классификации. В (Wagh et al., 2019) Wagh et al. предложила автоматическую систему идентификации болезней винограда для распознавания пяти болезней, включая мучнистую росу, ложную мучнистую росу, ржавчину, бактериальные пятна и антракноз.Извлечение признаков и обучение модели изображений листьев были выполнены с использованием заранее определенной архитектуры AlexNet. И результаты экспериментов показали, что модель смогла точно классифицировать болезни винограда. В (Ji et al., 2019) Ji et al. предложена единая архитектура сверточных нейронных сетей, основанная на интегрированном методе. Предлагаемая архитектура CNN, а именно UnitedModel, была разработана для классификации распространенных болезней виноградных листьев. UnitedModel смогла выделить дополнительные отличительные признаки благодаря комбинации нескольких CNN.И результаты экспериментов показали, что UnitedModel продемонстрировала лучшую производительность по различным параметрам оценки и достигла средней точности теста 98,57%.

Согласно этим исследованиям, CNN получили удовлетворительные результаты в распознавании болезней растений. Однако CNN редко используются в области идентификации болезней виноградных листьев. Кроме того, большинство прикладных алгоритмов идентификации изображений основаны на популярных методах обучения передачи, и в алгоритмы было внесено несколько улучшений.Таким образом, в данной статье предлагается модель идентификации изображений, основанная на CNN для болезней листьев винограда.

Создание набора данных о болезнях виноградных листьев

Сбор данных

Поскольку нет подходящего набора данных для идентификации болезней виноградных листьев, большое количество времени уделяется сбору изображений пораженных виноградных листьев. Всего с помощью цифровой камеры было собрано 7669 изображений виноградных листьев, которые относятся к семи категориям: антракноз, бурая пятнистость, клещи, черная гниль, ложная мучнистая роса, фитофтороз и здоровые листья.Классы антракноза, клещей, ложной мучнистой росы и здоровых листьев собирают в хорошую погоду на экспериментальной станции по посадке винограда Северо-Западного университета A&F, провинция Шэньси, Китай. И эта часть набора данных включает в себя всего 4023 изображения. Класс коричневой пятнистости, черной гнили и фитофтороза собирают из общедоступных наборов данных, и эта часть набора данных включает в общей сложности 3646 изображений. Таблица 1 подробно иллюстрирует исходный набор данных о болезнях листьев винограда.

Таблица 1 Исходный набор данных о болезнях листьев винограда.

Семь репрезентативных изображений набора данных показаны на Рисунке 1, где четко видны различия между семью типами изображений. Поверхность здорового виноградного листа зеленая, без пятен. Пятно антракноза почти круглое. Центральная часть пятна белая, а край темно-фиолетовый. Для категории коричневых пятен на поверхности виноградных листьев присутствуют коричневые пятна неправильной формы. Середина каждого пятна темно-коричневая, а края коричневые. Клещи вызывают появление множества белых пятен неправильной формы на обратной стороне листьев, а поверхность листьев покрывается пузырями.Пятна черной гнили почти круглые с темно-коричневой серединой и коричневыми краями. На лицевых сторонах листьев винограда при ложной мучнистой росе постепенно появляются желто-зеленые пятна болезни, а на оборотной стороне листьев появляется белая морозная мучнистая роса. Фитофтороз приводит к появлению темно-коричневых пятен на поверхности виноградных листьев. Различия между этими пятнами болезни способствуют распознаванию различных болезней листьев винограда.

Рисунок 1 Семь распространенных типов изображений виноградных листьев. (A) Антракноз, (B) Коричневая пятнистость, (C) Клещи, (D) Черная гниль, (E) Ложная мучнистая роса, (F) Фитофтороз, (G) Здоровые листья.

Расширение данных

Проблема переобучения на этапе обучения CNN может быть преодолена с помощью увеличения данных. Когда подбирается случайный шум, а не лежащая в основе взаимосвязь, возникает проблема переобучения моделей глубокого обучения (Heisel et al., 2017). С большим количеством изображений после расширения с помощью методов увеличения данных модель может изучить как можно больше нерелевантных шаблонов в процессе обучения, тем самым избегая переобучения и повышая способность противодействия помехам в сложных условиях.

Для выполнения операций увеличения данных используется несколько технологий обработки цифровых изображений. Влияние погодных факторов во время съемки моделируется через интерференцию интенсивности изображения , которая включает интерференцию яркости, контрастности и резкости. Размытие по Гауссу имитирует влияние туманной погоды на получение изображения. Взаимное расположение камеры и пораженных листьев имитируется с помощью преобразований вращения (включая 90 градусов, 180 градусов и 270 градусов) и с помощью операций горизонтальной и вертикальной симметрии.Гауссов шум, интерференция контраста и резкость используются для моделирования влияния факторов оборудования. Кроме того, для расширения исходного набора данных применяется дрожание PCA.

Значения яркости каждого изображения регулируются путем случайного увеличения или уменьшения значений RGB пикселей. Предположим, что V ₀ — это исходное значение RGB, V представляет настроенное значение, а d — коэффициент преобразования яркости. Процесс преобразования значения RGB выражается как:

На основе среднего значения яркости значение контрастности изображения регулируется путем увеличения больших значений RGB и уменьшения меньших значений RGB.Процесс преобразования значений RGB выражается как:

Лапласовский шаблон применяется к изображению для настройки значения резкости. Предположим, что пиксель изображения RGB представлен как c (x, y) = [R (x, y), G (x, y), B (x, y)] T. Формула выглядит следующим образом:

∇2 [c (x, y)] = [∇2R (x, y) ∇2G (x, y) ∇2B (x, y)]

Изображение поворачивается путем поворота каждого пикселя. на такой же угол вокруг центра. Предположим, что P ( x , y ) — произвольная точка на изображении и что ее новая координата после поворота по часовой стрелке на θ ° равна P ₂ (x, h-y).Расчетные координаты двух точек выражаются как:

{X = rcos (α − θ) = xcosθ + yrsinθY = rsin (α − θ) = — xcosθ + yrcosθ

Операция вертикальной симметрии использует горизонтальную среднюю линию изображения. в качестве оси для выполнения симметричного преобразования всех пикселей. Предположим, что h представляет высоту, а P ( x , y ) — произвольную точку на изображении. После обработки вертикальной симметрии координаты новой точки равны P ₂ (x, h – y). Операция горизонтальной симметрии аналогична операции вертикальной симметрии.

С помощью этих методов создания изображений из каждого изображения получается 13 новых изображений. На рисунке 2 представлен пример, иллюстрирующий процесс создания изображения.

Рисунок 2 Увеличение изображения изображения болезни виноградных листьев. (A) Исходное изображение, (B) высокая яркость, (C) низкая яркость; (D) высокая контрастность; (E) низкая контрастность; (F) высокая резкость; (G) низкая резкость; (H) поворот на 90 градусов; (I) поворот на 180 градусов; (J) поворот на 270 градусов; (К) вертикальная симметрия; (L) горизонтальная симметрия; (M) Гауссов шум и (N) Дрожание PCA.

После процесса увеличения изображения был получен набор данных изображений пораженных листьев винограда, который включает 15 736 изображений из класса антракноза, 19 362 изображения из класса коричневых пятен, 15 484 изображений из класса клещей, 16 618 изображений из класса класс черной гнили, 12 740 изображений класса ложной мучнистой росы, 15 064 изображения класса фитофтороза и 12 362 изображения класса здоровых листьев. Затем размер всех изображений в наборе данных изменяется до 256 × 256. Наконец, набор данных делится на три части в соотношении 6: 2: 2, которые, соответственно, используются в качестве обучающего набора, набора проверки и набор тестов.Подробная информация о наборе данных представлена ​​в таблице 2.

Таблица 2 Набор данных о болезнях виноградных листьев.

Модель идентификации болезней виноградных листьев

На основе архитектуры и характеристик четырех классических моделей CNN, а именно VGG16 (Симонян и Зиссерман, 2014), GoogLeNet (Szegedy et al., 2015), ResNet (He et al., 2016) и DenseNet (Huang et al., 2017), новая модель на основе CNN, а именно DICNN, предлагается для диагностики семи распространенных классов виноградных листьев.Согласно Таблице 3 и Рисунку 3, модель DICNN состоит из трех частей: первая часть — это «предсетевой модуль», а ее первый глубокий разделяемый сверточный слой фильтруется с помощью 64 ядер размером 3 × 3. Затем 3 × Слой 3 max-pooling добавляется после первого глубокого разделяемого сверточного слоя. Следующий глубоко разделяемый сверточный слой содержит 64 ядра свертки размером 3 × 3, за которым следует слой максимального объединения 3 × 3 и слой пакетной нормализации. Далее идет структура Inception, за которой следует еще один уровень максимального пула.Второй модуль, а именно «начальный модуль с плотным каскадом», состоит из четырех начальных структур с плотными связями. Применение стратегии плотной связи повышает эффективность использования карт функций и способствует объединению многомерных функций между структурами Inception, повышая эффективность диагностики болезней виноградных листьев. Последний модуль состоит из двух уровней максимального пула, начального уровня, уровня глобального среднего пула (GAP) и 7-стороннего уровня Softmax.

Таблица 3 Состав модели DICCN.

Рисунок 3 Структурная схема модели DICNN.

Сверточный слой с глубоким разделением

Ограниченная количеством изображений набора данных о болезнях виноградных листьев, модель большого размера склонна к переобучению в процессе обучения. Следовательно, уменьшение количества параметров способствует улучшению обобщающих характеристик модели. Кроме того, модель с меньшим количеством параметров имеет более высокую скорость обучения и потребляет меньше вычислительных ресурсов.В то время как глубокая разделимая свертка состоит из глубинной свертки и точечной свертки, которая имеет меньше параметров, чем стандартная свертка (Howard et al., 2017). При глубокой разделяемой свертке одиночный фильтр применяется в глубокой свертке к каждому входному каналу. Затем с помощью поточечной свертки применяется сверточная операция 1 × 1 для объединения выходных данных. Такая факторизация существенно уменьшает размер модели и потребление вычислительных ресурсов, при этом точность распознавания модели не снижается.

Cascade Dense Inception Module

Размеры пятен болезни существенно различаются для разных сортов виноградных листьев. Производительность модели при извлечении признаков в различных масштабах оказывает существенное влияние на окончательную точность распознавания. Для извлечения пространственных объектов различных размеров к модели был применен каскадно-плотный начальный модуль, который состоит из четырех начальных структур с плотными связями. Ядра извилин с небольшим размером извлекают мелкозернистые очаги поражения, тогда как ядра извилин большого размера больше фокусируются на особенностях болезненных пятен большого размера.Поэтому была применена структура Inception в GoogLeNet (Szegedy et al., 2015). В начальной структуре сверточные слои разного размера размещаются параллельно на своих ветвях. Каждая параллельная ветвь структуры Inception концентрируется на отдельных функциях. Это не только увеличивает ширину сети, но и повышает производительность многомасштабного извлечения признаков. Кроме того, на основе подхода асимметричной факторизации (Szegedy et al., 2016) применяются асимметричные свертки для повышения производительности извлечения признаков и снижения вычислительных затрат.Начальная структура подробно проиллюстрирована на рисунке 4.

Рисунок 4 Начальная структура.

Обычно операции с плавающей точкой используются для оценки временной сложности модели CNN. Для одного сверточного слоя его временная сложность может быть выражена как:

, где M представляет собой длину стороны выходной карты признаков, K представляет длину стороны ядра свертки, C _в является количеством входных каналов. карта характеристик, а C _out — количество каналов выходной карты характеристик.

Структура Inception содержит несколько сверточных слоев, и ее временная сложность может быть выражена суммой времени работы всего сверточного слоя:

Time∼O (∑i = 1DMi2 * Pi * Qi * C (i, in) * C (i, out))

, где D представляет количество сверточных слоев в структуре Inception, P _i представляет длину ядра свертки, Q _i представляет ширину ядра свертки (Q _i не является равно P _и при использовании асимметричной свертки).

Во время потока карт признаков особенности мелких пятен болезней винограда трудно перенести на более глубокие слои модели. Эта потеря функций серьезно влияет на точность распознавания модели. В DenseNet была предложена стратегия плотного подключения для дальнейшего улучшения информационного потока между уровнями. Слой λ получает карты признаков из всех предыдущих слоев, как выражено в уравнении:

x = Hλ ([x0, x1,…, xλ − 1])

, где [ x ₀ , x ₁ ,…, x _{λ -1} ] обозначает объединение карт из предыдущих слоев.

Как показано на рисунке 5, стратегия плотного подключения применяется к модулю начального уровня с плотным каскадом. Следовательно, карты характеристик всех предыдущих слоев в этом модуле применяются в качестве входных данных для этого слоя, а его собственные карты характеристик применяются в качестве входных данных для всех последующих слоев. Применение стратегии плотного соединения имеет решающее значение для повышения производительности модели. Во-первых, градиент, полученный каждым слоем, представляет собой сумму градиентов из предыдущих слоев; следовательно, он снимает проблему исчезающего градиента.Кроме того, он усиливает распространение функций и поощряет повторное использование функций, что может эффективно предотвратить проблему переобучения. Наконец, по сравнению с остаточной стратегией, она существенно снижает параметры и накладные расходы на хранение предлагаемой модели.

Рис. 5 Схематическая диаграмма стратегии плотного подключения.

Стратегия адаптивного подключения

Модель на основе CNN должна быть обучена классификации болезней виноградных листьев. Выбор алгоритма оптимизации существенно влияет на эффективность обучения.

Адаптивная оценка момента (Adam) была применена вместо традиционного алгоритма стохастического градиентного спуска (SGD) в качестве алгоритма оптимизации модели. Адам — ​​эффективный алгоритм для оптимизации стохастических целевых функций на основе градиента первого порядка (Kingma and Ba, 2015). Алгоритм требует мало памяти и прост в реализации; следовательно, он подходит для задач с большими объемами данных или многими параметрами. t + ε)

, где α представляет скорость обучения, β ₁ и β ₂ представляют скорости экспоненциального затухания на данный момент оценок, θ _t — текущий обновленный параметр, θ _t-1 — предыдущий обновленный параметр, f ( θ ) представляет собой стохастическую функцию с параметрами θ , ε — это малая константа ( ε = 10 ^-8 в этой статье), m _t — это первый вектор момента, а v _t — второй вектор момента.

Результаты экспериментов и обсуждение

Стратегия адаптивного подключения

Эксперименты проводились на сервере глубокого обучения, который содержал два процессора Tesla P100 (16 ГБ памяти) с системой Ubuntu. Кроме того, фреймворки глубокого обучения TensorFlow и Keras использовались для реализации модели DICNN, которая удобна для разработки сравнительных экспериментов благодаря своим интерфейсам Python (Bahrampour et al., 2015; Abadi et al., 2016a; Abadi et al. ., 2016b; Тан, 2016). Дополнительные параметры конфигурации перечислены в таблице 4.

Таблица 4 Программная и аппаратная среда.

Сравнение точности и скорости сходимости

На основе набора тестов проводится эксперимент для сравнения точности и скорости сходимости модели DICNN с другими классическими подходами, включая нейронную сеть обратного распространения (BP), машину опорных векторов (SVM), VGG-16, GoogLeNet, ResNet-34 и DenseNet-169. Между тем, предлагаемая модель также сравнивается с недавней моделью классификации болезней винограда, включая AlexNet для классификации болезней винограда (AFGDC) (Wagh et al., 2019) и UnitedModel (Ji et al., 2019).

Все классификационные модели были обучены с нуля с 30 эпохами, и была принята та же стратегия обучения. Алгоритм Адама использовался в качестве оптимизатора для обучения модели. А скорость обучения была установлена ​​на 0,01, что может ускорить сходимость модели в процессе обучения. Согласно таблице 5, предложенная модель DICNN имела оптимальную производительность распознавания с точностью 97,22% на тестовой выборке. К тому же точность 94.89% было реализовано DenseNet, что связано с его неоспоримыми преимуществами усиления распространения функций и поощрения повторного использования функций. Остаточная нейронная сеть ResNet-34 показала общую точность 94,89%. Кроме того, GoogLeNet реализовал точность 94,25%, что связано с его возможностями многомерного извлечения функций. VGG-16 получил среднюю точность 88,96%, тогда как модель SVM и нейронная сеть BP показали плохие характеристики распознавания с точностью 67,82% и 57.93% соответственно. UnitedModel, которая была специально разработана для выявления болезней винограда, смогла выделить дополнительные отличительные признаки благодаря комбинации нескольких CNN. И он реализовал точность 96,58%. Другая модель обнаружения болезней винограда, AFGDC, использовала предопределенную архитектуру AlexNet для извлечения признаков и достигла точности 88%. Результаты экспериментов показали, что подходы на основе CNN превосходят классические подходы машинного обучения. Классические подходы машинного обучения к распознаванию болезней виноградных листьев зависят от классификационных характеристик, разработанных экспертами.Напротив, подходы на основе CNN автоматически извлекают лучшие классификационные признаки. Благодаря этим функциям модели на основе CNN обеспечивают превосходное распознавание болезней виноградных листьев. Среди всех моделей CNN DICNN имеет лучшую производительность и может точно классифицировать изображения болезней винограда. Кроме того, кривые точности использовались для визуального представления точности и скорости сходимости моделей. Как показано на рисунке 6, модели сошлись после нескольких циклов обучения эпох и в конечном итоге реализовали свои оптимальные идентификационные характеристики.В целом, процессы обучения DenseNet-16, DICNN, GoogLeNet, ResNet-34, UnitedModel, AFGDC и VGG-16 примерно стабильны после 9 эпох, а нейронная сеть BP и модель SVM показали приемлемую конвергенцию после 17 эпох. В нашей работе для предложенной модели DICNN были приняты стратегия плотного подключения и начальные структуры. По сравнению с другими моделями, предложенная модель DICNN реализовала самую быструю скорость сходимости и имела тенденцию к сходимости в шестую эпоху.

Таблица 5 Показатели распознавания.

Рисунок 6 Сходимость восьми моделей распознавания.

Кроме того, собираются невидимые изображения с различными виноградниками и погодными условиями, которые используются для проверки характеристик обобщения модели. Эти изображения болезней листьев винограда получены на базе виноградных плантаций в замке Юаньши, который находится в городе Иньчуань, провинция Нинся, Китай. Согласно окончательным экспериментальным результатам, модель DICNN имеет точность 96,86% при тестировании с невидимыми изображениями. Хотя точность модели немного ниже, чем раньше, модель все же может точно классифицировать болезни листьев винограда.Таким образом, экспериментальные результаты доказали, что модель имеет отличные характеристики обобщения в различных виноградных хозяйствах и погодных условиях.

Благодаря своей начальной структуре DICNN может извлекать признаки из нескольких шкал на основе характеристик поражений листьев винограда. Использование глубокой разделяемой свертки эффективно снижает параметры модели CNN, тем самым решая проблему переобучения. Кроме того, благодаря стратегии плотного подключения DICNN, распространение функций улучшается, и поощряется повторное использование функций.Следовательно, предложенный алгоритм дает лучшую производительность, чем популярные методы трансферного обучения.

Эффективность распознавания для каждого класса

В этом разделе, на основе матрицы неточностей, эффективность распознавания каждой болезни виноградного листа оценивалась по Точности, Получаемой памяти и баллу F1. Матрица неточностей, как стандартный формат для выражения оценки точности, выражается в виде матрицы с n строками и n столбцами. Каждый столбец матрицы неточностей обозначает количество экземпляров в базовом классе истинности, в то время как каждая строка обозначает количество экземпляров в прогнозируемом классе, чтобы увидеть, не путает ли система два класса.Оценка точности, отзыва и F1 выводится из числа ложноположительных (FP), истинно положительных (TP), ложноотрицательных (FN) и истинно отрицательных (TN) результатов. Эти показатели выводятся следующим образом:

F1 Score = 2 × Precision × RecallPrecision + Recall = 2 × TP2 × TP + FN + FP

В таблице 6 представлена ​​матрица неточностей окончательных результатов теста, а также оценка точности, отзыва и F1 каждого вид виноградных листьев. Пятна болезней листьев схожи по геометрическим характеристикам, что снижает эффективность классификации.Следовательно, классификатор может ошибиться, столкнувшись с мелкозернистой классификацией. Однако предложенная модель глубокого обучения дала удовлетворительный результат. Главной особенностью этого класса клещей является то, что поверхность листьев покрыта пузырями, что значительно отличается от пятен других болезней. Диагностика клещей, подтвержденная матрицей недоразумений, лучше других. Цвет пятен ложной мучнистой росы желто-зеленый, поэтому эти пятна легко отличить от пятен других болезней.Таким образом, сохраняемость ложной мучнистой росы достигает 98,04%. Однако коричневые пятна, антракноз, гниль и черная гниль схожи по своим геометрическим характеристикам, и это сходство приводит к их более низким показателям распознавания. Воспроизводимость классов коричневой пятнистости, антракноза, фитофтороза и черной гнили составила 96,54%, 95,84%, 97,05% и 97,29% соответственно. В конечном итоге 96,60% здоровых листьев были идентифицированы правильно.

Таблица 6 Матрица неточностей модели DICNN.

На основе структуры «Начало» признаки болезни на исходном изображении могут быть извлечены из нескольких измерений.Таким образом, точность распознавания образов болезни значительно повышается. Поддерживаемая вышеупомянутыми экспериментами, предложенная модель DICNN реализует превосходные характеристики распознавания при выявлении болезней виноградных листьев.

Влияние увеличения данных на производительность идентификации

В этом документе увеличение данных было использовано для предотвращения переобучения. Сначала были отловлены больные листья винограда при различных погодных условиях. Изменяя фон съемки, можно повысить эффективность защиты от помех в сложных условиях предлагаемой модели.Впоследствии методы цифровой обработки изображений были использованы для увеличения исходного набора данных.

В этом разделе был проведен сравнительный эксперимент для оценки влияния увеличения данных на точность классификации. На рисунке 7 показано, что предложенная модель DICNN имела крайне нестабильный процесс обучения при обучении на исходном наборе данных. Модель наконец-то достигла уровня узнаваемости 82,80%. Однако модель, обученная на расширенном наборе данных, показала точность 97.22%. Результаты экспериментов показали, что модель DICNN изучает более подходящие функции на расширенном наборе данных, что повышает эффективность защиты от помех в различных средах. Кроме того, параметры модели классификации были полностью обучены из-за разнообразия изображений в расширенном наборе данных, в то время как изображения в исходном наборе данных не имели разнообразия, что делало модель сети чрезмерно зависимой от подмножества функций. , что приводит к переобучению.Что еще более важно, предварительная обработка изображения смоделировала реальное окружение виноградных листьев, тем самым сделав модель более надежной.

Рисунок 7 Эффект увеличения данных.

Эффект стратегии плотного соединения

В этом эксперименте оценивалось влияние стратегии плотного соединения на производительность распознавания модели на основе CNN. Как показано на рисунке 8, при той же стратегии обучения реализована модель со стратегией плотного соединения 97.Точность распознавания 22%, что на 3,47% выше, чем у модели, в которой не применялась стратегия плотного соединения. Стратегия плотного соединения соединяет структуры Inception в сверточном слое для обеспечения максимальной передачи информации между структурами Inception в сети и напрямую передает градиентные потери на мелкие слои. Таким образом, предлагаемая модель с этой стратегией обеспечивает более эффективную идентификацию болезней листьев винограда.

Рисунок 8 Эффект от стратегии плотного подключения.

Эффект глубокого разделяемого сверточного слоя

Глубокая разделяемая свертка используется DICNN для построения первых двух сверточных слоев для уменьшения параметров и предотвращения проблемы переобучения модели. Для того, чтобы оценить влияние двух глубоких разделимых сверточных слоев, была обучена модель с традиционным сверточным слоем. В сравнительном эксперименте количество параметров сверточных слоев и точность распознавания используются в качестве показателей окончательной оценки.Окончательные результаты экспериментов представлены в таблице 7. С одной стороны, параметры первого сверточного слоя были уменьшены с 1792 до 283, а параметры второго сверточного слоя — с 36 928 до 4736, что способствует снижению потребления вычислительные ресурсы и повысить производительность обобщения. С другой стороны, точность модели улучшена на 0,13% по сравнению с моделями, содержащими традиционные сверточные слои.

Таблица 7 Влияние глубокого отделяемого сверточного слоя.

Выбор оптимизации

Выбор алгоритма оптимизации имеет решающее значение для повышения производительности модели. Поэтому алгоритм оптимизации Адама был принят для предложенной модели DICNN. Алгоритм оптимизации Адама и алгоритм оптимизации SGD с той же скоростью обучения 0,01 были применены для обучения модели DICNN для оценки производительности алгоритма.

На рисунке 9 показан процесс обучения модели. Точность модели с алгоритмом оптимизации Адама — 97.22%, а точность модели с алгоритмом оптимизации SGD составляет 94,69%. Алгоритм оптимизации SGD обновил параметры на основе текущей позиции и пакета, что привело к крайне нестабильному направлению обновления. Согласно результатам экспериментов, модель, основанная на алгоритме оптимизации SGD, столкнулась с проблемой «локального минимума» и не смогла достичь оптимального состояния. Оптимизатор Adam использует градиентный спуск с импульсом для выхода из положения локального минимума.Кроме того, алгоритм оптимизации Адама представляет собой схему адаптивной оптимизации, которая регулирует скорость обучения для каждого параметра. Поэтому алгоритм оптимизации Адама был принят для предложенной модели DICNN.

Рисунок 9 Сравнение двух алгоритмов оптимизации.

Процесс визуализации функций

Из-за слабой интерпретирующей способности функции, которые изучаются моделями на основе CNN, трудно представить в удобочитаемой форме. Следовательно, сложно понять огромное количество параметров, многослойную скрытую структуру и другие факторы этих моделей.Однако методы визуализации — отличный способ изучить, как CNN изучают особенности для различения классов. В этом разделе для анализа предложенной модели используются два наиболее часто используемых метода визуализации, а именно визуализация промежуточной активации и визуализация тепловых карт активации классов в изображении.

Визуализация промежуточной активации относится к отображению карт функций, которые выводятся всеми видами слоев свертки и объединения в сети для указанного входа.Это облегчает понимание того, как последовательные слои свертки преобразуют свои входные данные, а также значение каждого фильтра. На рисунке 10 показано исходное изображение из класса антракноза и изображение визуальной активации после второго сверточного слоя модели DICNN. По результатам визуализации на изображении участок пятна болезни на виноградном листе четко отделен от фона. Предполагается, что модель может идентифицировать болезненные пятна на изображении и может характеризовать болезненные пятна как один из критериев для классификации.Эксперимент визуализации активации для болезней виноградных листьев иллюстрирует превосходные характеристики распознавания модели DICNN и показывает, как предлагаемая модель DICNN изучает особенности для различения области поражения и фона.

Рисунок 10 Визуализация активации.

Визуализация тепловых карт активации класса относится к созданию тепловых карт активации класса по входным изображениям (Selvaraju et al., 2017). Эти методы визуализации также известны как методы визуализации карты активации классов (CAM), которые облегчают понимание того, какие части входного изображения приводят к окончательному классификационному решению сверточной нейронной сети.На рисунке 11 показано исходное изображение и сгенерированные тепловые карты активации класса. Эти визуализированные данные облегчают понимание того, какие части входного изображения приводят к окончательному классификационному решению модели. По результатам визуализации сильно активирована зона пятна болезни: так сеть различает различные болезни листьев винограда. В целом результаты этого эксперимента демонстрируют, что модель уделяет все внимание особенностям пятна болезни и обеспечивает превосходное распознавание болезней листьев винограда.

Рисунок 11 CAM-визуализация. (A) антракноз; (B) Коричневое пятно; (C) Клещи; (D) Черная гниль; (E) Ложная мучнистая роса; (F) Упадок листьев; (G) Здоровые листья.

Выводы

В этой статье предложен подход глубокого обучения для выявления шести распространенных болезней виноградных листьев и здоровых листьев. На основе 7669 собранных изображений виноградных листьев было создано 107 366 изображений посредством увеличения изображений.Путем анализа признаков болезней листьев винограда предлагается усовершенствованная CNN для идентификации болезней листьев винограда. К модели была применена глубокая разделяемая свертка вместо стандартной свертки, чтобы избежать переобучения и уменьшить количество параметров. Принимая во внимание различные размеры пятен болезни виноградных листьев, к модели были применены структуры Inception для улучшения возможности многомасштабного извлечения признаков. Кроме того, была введена стратегия плотного подключения для поощрения повторного использования функций и усиления распространения функций.

Предложенный подход к идентификации болезней виноградных листьев на основе CNN был реализован в платформах TensorFlow и Keras на платформе Tesla P100 GPU. С расширенным набором данных предложенная модель DICNN была обучена классифицировать семь типов виноградных листьев. Согласно результатам экспериментов, предложенный алгоритм реализует точность распознавания 97,22%, что дает лучшую производительность, чем другие популярные методы трансферного обучения. По сравнению со стандартными архитектурами ResNet и GoogLeNet предлагаемая модель DICNN реализует более высокую скорость сходимости в процессе обучения и более высокую точность.Результаты этого исследования демонстрируют, что предложенный алгоритм реализует сквозную классификацию болезней виноградных листьев и предоставляет решение и справочный материал для применения подходов глубокого обучения в классификации болезней сельскохозяйственных культур.

Заявление о доступности данных

Наборы данных, созданные для этого исследования, доступны по запросу соответствующему автору.

Вклад авторов

Концептуализация, BL, ZD и LT. Методология, BL, ZD и LT.Программное обеспечение, ZD и LT. Проверка, BL, DH, SL и HW. Написание — подготовка оригинального черновика, ZD и LT. Написание — просмотр и редактирование, BL, ZD и LT. Надзор, BL. Получение финансирования, BL, DH, SL и HW. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Это исследование поддержано Национальным фондом естественных наук Китая в рамках гранта № 61602388, Фондом постдокторантуры Китая в рамках гранта № 2017M613216, Фондом фундаментальных исследований для центральных университетов в рамках гранта №2452019064, План фундаментальных исследований в области естественных наук в провинции Шэньси, Китай, грант № 2017JM6059, Фонд постдокторской науки провинции Шэньси, Китай, грант № 2016BSHEDZZ121, Центр совместных инноваций в области технологий умного сельского хозяйства Нинся, грант № 2017DC53, Программой ключевых исследований и разработок Шэньси в рамках гранта № 2019ZDLNY07-06-01, а также Программой обучения инновациям и предпринимательству Северо-Западного университета Китая A&F в рамках гранта №201

2048.

Конфликт интересов

Автор HW работал в компании West Electronic Business.

Остальные авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Автор хотел бы поблагодарить анонимных рецензентов за их ценные предложения по этой рукописи.

Список литературы

Абади, М., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., et al. (2016a). TensorFlow: система для крупномасштабного машинного обучения 12-я конференция USENIX по разработке и внедрению операционных систем 265–283.

Google Scholar

Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Zheng, X. (2016b). TensorFlow: крупномасштабное машинное обучение в гетерогенных распределенных системах. arXiv . 1603.04467v1.

Google Scholar

Акбарзаде, С., Паап, А., Ахдером, С., Апопей, Б., Аламех, К. (2018). Дискриминация растений с помощью машинного классификатора опорных векторов на основе спектрального отражения. Comput. Электрон. Agric. 148, 250–258. doi: 10.1016 / j.compag.2018.03.026

CrossRef Полный текст | Google Scholar

Али, Х., Лали, М. И., Наваз, М. З., Шариф, М., Салим, Б. А. (2017). Автоматическое обнаружение болезней цитрусовых на основе симптомов с использованием цветовой гистограммы и текстурных дескрипторов. Comput. Электрон. Agric. 138, 92–104. DOI: 10.1016 / j.compag.2017.04.008

CrossRef Полный текст | Google Scholar

Bahrampour, S., Ramakrishnan, N., Schott, L., Shah, M. (2015). Сравнительное исследование программных фреймворков глубокого обучения. arXiv . 1511.06435.

Google Scholar

Дюто, М., Нельсон, Л., Тайсон, Р. (2013). Прогнозирование распространения послеуборочной болезни в хранящихся фруктах, применительно к яблокам. Послеуборочная биол. Technol. 85, 45–56. DOI: 10.1016 / j.postharvbio.2013.04.003

CrossRef Полный текст | Google Scholar

Geetharamani, G., Pandian, A.J. (2019). Идентификация болезней листьев растений с использованием девятиуровневой глубокой сверточной нейронной сети. Comput. Электр. Англ. 76, 323–338. doi: 10.1016 / j.compeleceng.2019.04.011

CrossRef Полный текст | Google Scholar

Гриффель, Л. М., Делпарт, Д., Эдвардс, Дж. (2018). Использование машинной классификации опорных векторов для дифференциации спектральных сигнатур растений картофеля, инфицированных вирусом картофеля Y. Comput. Электрон. Agric. 153, 318–324. doi: 10.1016 / j.compag.2018.08.027

CrossRef Полный текст | Google Scholar

Hamuda, E., Mc Ginley, B., Glavin, M., Jones, E. (2017). Автоматическое определение урожая в полевых условиях с использованием цветового пространства HSV и морфологических операций. Comput. Электрон. Agric. 133, 97–107. doi: 10.1016 / j.compag.2016.11.021

CrossRef Полный текст | Google Scholar

He, K., Zhang, X., Ren, S., Sun, J. (2016).Глубокое остаточное обучение для распознавания изображений. IEEE Conf. Comput. Распознавание образов зрения. 770–778. doi: 10.1109 / CVPR.2016.90

CrossRef Полный текст | Google Scholar

Heisel, S., Kovačević, T., Briesen, H., Schembecker, G., Wohlgemuth, K. (2017). Выбор переменных и дизайн обучающего набора для классификации частиц с использованием линейного и нелинейного классификатора. Chem. Англ. Sci. 173, 131–144. doi: 10.1016 / j.ces.2017.07.030

CrossRef Полный текст | Google Scholar

Howard, A.Г., Чжу, М., Бо, К., Калениченко, Д., Ван, В., Вейанд, Т. и др. (2017). MobileNets: эффективные сверточные нейронные сети для приложений мобильного зрения. Comput. Распознавание образов зрения. 1–9.

Google Scholar

Хуанг, Г., Лю, З., Маатен, Л. В. Д., Вайнбергер, К. К. (2017). Плотно связанные сверточные сети. IEEE Conf. Компьютер, распознавание образов. 2261–2269. doi: 10.1109 / CVPR.2017.243

CrossRef Полный текст | Google Scholar

Джи, М., Чжан, Л., Ву, К. (2019). Автоматическая идентификация болезней виноградных листьев с помощью UnitedModel на основе нескольких сверточных нейронных сетей. Инф. Процесс. Сельское хозяйство . 1–9. doi: 10.1016 / j.inpa.2019.10.003

CrossRef Полный текст | Google Scholar

Jiang, P., Chen, Y., Liu, B., He, D., Liang, C. (2019). Обнаружение болезней листьев яблони в реальном времени с использованием подхода глубокого обучения на основе усовершенствованных сверточных нейронных сетей. IEEE Access 7, 59069–59080. DOI: 10.1109 / ДОСТУП.2019.2

9

CrossRef Полный текст | Google Scholar

Каур, П., Панну, Х. С., Малхи, А. К. (2019). Распознавание болезней растений с использованием моментов Цернике дробного порядка и классификатора SVM. Neural Comput. Прил. , 1–20. doi: 10.1007 / s00521-018-3939-6

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хан, М. А., Акрам, Т., Шариф, М., Авайс, М., Джавед, К., Али, Х. и др. (2018). CCDF: Автоматическая система сегментации и распознавания болезней плодовых культур на основе коэффициента корреляции и глубоких характеристик CNN. Comput. Электрон. Agric. 155, 220–236. doi: 10.1016 / j.compag.2018.10.013

CrossRef Полный текст | Google Scholar

Хан, М. А., Лали, М. И. У., Шариф, М., Джавед, К., Аурангзеб, К., Хайдер, С. И. и др. (2019). Оптимизированный метод сегментации и классификации болезней Apple на основе сильной корреляции и выбора признаков на основе генетических алгоритмов. IEEE Access 7, 46261–46277. doi: 10.1109 / ACCESS.2019.2₀

CrossRef Полный текст | Google Scholar

Kingma, D., Ба, Дж. (2015). Адам: Метод стохастической оптимизации. Внутр. Конф. Учить. Представления 1–15.

Google Scholar

Кур, В. П., Арора, С. (2019). Машина опорных векторов на основе оптимизации роя частиц (P-SVM) для сегментации и классификации растений. IEEE Access 7, 29374–29385. doi: 10.1109 / ACCESS.2019.20

CrossRef Полный текст | Google Scholar

Кулин М., Казаз Т., Моэрман И., Портер Э. Д. (2017). Сквозное обучение на основе спектральных данных: подход глубокого обучения для идентификации беспроводных сигналов в приложениях для мониторинга спектра. IEEE Access 6, 18484–18501. doi: 10.1109 / ACCESS.2018.2818794

CrossRef Полный текст | Google Scholar

Лин, Ю., Хуанг, Ю., Лораамм, Р. В., Ни, К., Ван, Дж., Чжан, Дж. (2014). Спектральный анализ листьев озимой пшеницы для выявления и дифференциации болезней и насекомых. Field Crops Res. 156, 199–207. doi: 10.1016 / j.fcr.2013.11.012

CrossRef Полный текст | Google Scholar

Лю Б., Чжан Ю., Хе Д., Ли Ю. (2018). Выявление болезней листьев яблони на основе глубоких сверточных нейронных сетей. Симметрия 10, 1–16. doi: 10.3390 / sym10010011

CrossRef Полный текст | Google Scholar

Лю Б., Хе С., Хе Д., Чжан Ю., Гуйзани М. (2019). Алгоритм параллельной сегментации нечетких C-средних на основе Spark для больших данных сельскохозяйственных изображений. IEEE Access 7, 42169–42180. doi: 10.1109 / ACCESS.2019.2

3

CrossRef Полный текст | Google Scholar

Лу, Дж., Цзе, Х., Чжао, Г., Мэй, Ф., Чжан, К. (2017). Система автоматической диагностики болезней пшеницы в полевых условиях. Comput. Электрон. Agric. 142, 369–379. doi: 10.1016 / j.compag.2017.09.012

CrossRef Полный текст | Google Scholar

Лу, Й., Йи, С., Цзэн, Н., Лю, Й., Чжан, Ю. (2017). Выявление болезней риса с помощью глубоких сверточных нейронных сетей. Нейрокомпьютеры 267, 378–384. doi: 10.1016 / j.neucom.2017.06.023

CrossRef Полный текст | Google Scholar

Mahlein, A. K., Rumpf, T., Welke, P., Dehne, H. W., Plümer, L., Steiner, U., et al.(2013). Разработка спектральных индексов для обнаружения и идентификации болезней растений. Remote Sens. Environ. 128, 21–30. doi: 10.1016 / j.rse.2012.09.019

CrossRef Полный текст | Google Scholar

Mohammadpoor, M., Nooghabi, M. G., Ahmedi, Z. (2020). Интеллектуальная техника для обнаружения вируса Grape Fanleaf. Внутр. J. Взаимодействовать. Мультимедиа Артиф. Intell. 6, 62–67. doi: 10.9781 / ijimai.2020.02.001

CrossRef Полный текст | Google Scholar

Оппенгейм, Д., Шани, Г., Эрлих, О., Црор, Л. (2019). Использование глубокого обучения для обнаружения болезней клубней картофеля на основе изображений. Фитопатология 109, 1083–1087. doi: 10.1094 / PHYTO-08-18-0288-R

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Pu, Y., Apel, D. B., Szmigiel, A., Chen, J. (2019). Распознавание изображений угля и угольных скоплений с помощью сверточной нейронной сети и передачи обучения. Энергия 12, 1–11. doi: 10.3390 / en120

CrossRef Полный текст | Google Scholar

Рамчаран, А., McCloskey, P., Baranowski, K., Mbilinyi, N., Mrisho, L., Ndalahwa, M., et al. (2019). Мобильная модель глубокого обучения для диагностики болезни маниока. Фронт. Plant Sci. 10, 1–19. doi: 10.3389 / fpls.2019.00272

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сельвараджу, Р. Р., Когсуэлл, М., Дас, А., Ведантам, Р., Парих, Д., Батра, Д. (2017). Grad-CAM: визуальные объяснения из глубоких сетей с помощью градиентной локализации. IEEE Int. Конф. Comput.Видение 618–626. doi: 10.1109 / ICCV.2017.74

CrossRef Полный текст | Google Scholar

Шариф, М., Хан, М. А., Икбал, З., Азам, М. Ф., Лали, М. И. У., Джавед, М. Ю. (2018). Выявление и классификация болезней цитрусовых в сельском хозяйстве на основе оптимизированной взвешенной сегментации и выбора признаков. Comput. Электрон. Agric. 150, 220–234. doi: 10.1016 / j.compag.2018.04.023

CrossRef Полный текст | Google Scholar

Симонян К., Зиссерман А.(2014). Очень глубокие сверточные сети для распознавания крупномасштабных изображений. arXiv , 1–14.

Google Scholar

Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., et al. (2015). Углубляясь в свертки. IEEE Conf. Comput. Распознавание образов зрения. 1–9. doi: 10.1109 / CVPR.2015.7298594

CrossRef Полный текст | Google Scholar

Сегеди, К., Ванхаук, В., Иоффе, С., Шленс, Дж., Война, З. (2016). Переосмысление начальной архитектуры компьютерного зрения. IEEE Conf. Comput. Распознавание образов зрения. 2818–2826. doi: 10.1109 / CVPR.2016.308

CrossRef Полный текст | Google Scholar

Tang, Y. (2016). TF.Learn: модуль высокого уровня TensorFlow для распределенного машинного обучения. arXiv , 1612.04251.

Google Scholar

Ваг, Т. А., Самант, Р. М., Гуджарати, С. В., Гайквад, С. Б. (2019). Обнаружение болезни листьев винограда с помощью сверточной нейронной сети. Внутр. J. Comput. Прил. 178, 7–11.doi: 10.5120 / ijca2019918982

CrossRef Полный текст | Google Scholar

Waghmare, H., Kokare, R., Dandawate, Y. (2016). «Обнаружение и классификация болезней виноградных растений с использованием функции локального двоичного шаблона противоположного цвета и машинного обучения для автоматизированной системы поддержки принятия решений» (Международная конференция по обработке сигналов и интегрированным сетям), 513–518. doi: 10.1109 / SPIN.2016.7566749

CrossRef Полный текст | Google Scholar

Wang, X., Zhu, C., Фу, З., Чжан, Л., Ли, X. (2019). Исследование распознавания мучнистой росы огурцов по визуальным спектрам. Spectrosc. Спектр. Анальный. 39, 1864–1869. doi: 10.3964 / j.issn.1000-0593 (2019) 06-1864-06

CrossRef Полный текст | Google Scholar

Zhang, S., Wang, Z. (2016). Распознавание болезней огурцов на основе разложения глобально-локальных сингулярных значений. Нейрокомпьютеры 205, 341–348. doi: 10.1016 / j.neucom.2016.04.034

CrossRef Полный текст | Google Scholar

Zhang, Y., Гравина, Р., Лу, Х., Виллари, М., Фортино, Г. (2018). PEA: Параллельная аутентификация на основе электрокардиограммы для интеллектуальных систем здравоохранения. J. Netw. Comput. Прил. 117, 10–16. doi: 10.1016 / j.jnca.2018.05.007

CrossRef Полный текст | Google Scholar

Zhang, S., Zhang, S., Zhang, C., Wang, X., Shi, Y. (2019a). Идентификация болезни листьев огурца с помощью расширенной сверточной нейронной сети с глобальным объединением. Comput. Электрон. Agric. 162, 422–430. DOI: 10.1016 / j.compag.2019.03.012

CrossRef Полный текст | Google Scholar

Zhang, S., Huang, W., Zhang, C. (2019b). Трехканальные сверточные нейронные сети для распознавания болезней листьев овощей. Cogn. Syst. Res. 53, 31–41. doi: 10.1016 / j.cogsys.2018.04.006

CrossRef Полный текст | Google Scholar

Чжу, М., Ян, Х., Ли, З. (2019). Раннее обнаружение и идентификация заболевания оболочек риса на основе гиперспектрального изображения и содержания хлорофилла. Spectrosc.Спектр. Анальный. 39, 1898–1904. doi: 10.3964 / j.issn.1000-0593 (2019) 06-1898-07

CrossRef Полный текст | Google Scholar

Рецепт ферментированных виноградных листьев

Были ли у вас коммерческие маринованные виноградные листья? Если нет, не беспокойтесь, я почти уверен, что они являются причиной того, что некоторые люди утверждают, что не любят виноградные листья или вещи, сделанные из них, например долмады. Как и многие другие маринованные продукты, я обычно нахожу виноградные листья с полки магазина слишком кислыми, как будто переработчик пытается уничтожить виноградные листья уксусом.Конечно, вы можете промыть или замочить их, но это совсем другое. Если бы компании, которые продают маринованные виноградные листья, вернулись бы к старому способу, оригинальному способу маринования виноградных листьев, который стареет (путем лакто-ферментации с солью и водой), я думаю, многим людям они понравятся больше. Свежие или замороженные тоже подойдут, но есть что-то приятное в том, чтобы иметь наготове несколько колдовских банок.

Прекрасное время для сбора урожая Vitis riparia. Vitis aestivalis не так хорош, так как листья имеют глубокие зазубрины, из-за чего их трудно набивать.

Натурально ферментированные виноградные листья — один из самых простых проектов, которые я делаю в это время года, и сейчас они просто идеальны для сбора. Кажется, они почти везде, где я бываю, и мне повезло, что у меня есть прямо на заднем дворе, размером с обеденную тарелку. Абсолютно огромный. В качестве бонуса сбор виноградных листьев — отличное напоминание для меня проверить лозы, к которым я должен вернуться примерно через месяц или два, чтобы собрать дикий виноград, желе, которое они делают, является одним из лучших на свете.

Фаршированные ферментированные виноградные листья — такая хорошая портативная закуска, которую легко транспортировать, что в этом году я планировал подать ее на Midwest Wild Harvest Fest. К сожалению (и это правильно) фестиваль отменен. Хорошая новость в том, что это дало мне возможность усовершенствовать мою технику работы с виноградными листьями. Я вам вот что скажу, количество листьев, которое вы можете уместить в литровую банку, действительно впечатляет. Я умещаю как минимум 100 больших виноградных листьев в каждый, а это значит, что двух простых литровых банок с листьями будет достаточно, чтобы приготовить небольшую закуску примерно для 170 человек в 2021 году. Это хороший урожай.

Неправильная техника с 2016 года: листья в банке, некоторые с прикрепленными стеблями. Они сработали, но перед использованием необходимо удалить стебли, а это некрасиво и не так эффективно.

2020. Обязательно сожмите листья в небольшие пучки и утяжелите их чистым камнем, что означает, что они организованы, и в банку уместится больше.

Ключ: плотное снятие стержней и уплотнительных листов

Ключ к рецепту, если его можно так назвать, — это укладка листьев друг на друга и удаление всех стеблей, занимающих ценную недвижимость (см. Мою неправильную технику из 2016 года выше).Послесловие: вы заворачиваете пригоршню листьев в пакет, кладете их в банку и, в конечном итоге, помогаете им оставаться на своем месте, добавляя еще одну пачку скрученных листьев. После того, как банка наполнена, я кладу наверх чистый камень, доливаю воду до покрытия и добавляю соль либо 3% от общего веса воды и листьев, либо 1,75 столовых ложек на литр банки. Оттуда они сидят на улице и занимаются своим делом, пока они мне не понадобятся.

Одна версия, которую взяли мои листья 2019 года: с начинкой из лесной курицы, дикой зелени, зелени и муки из дикого риса для небольшого образца во время моего набега с Сэмом Тайером.Я люблю подавать их как небольшой переносной кусочек.

После того, как ферментация прекратится примерно через 2 недели, pH резко упадет, поэтому листья стабильны при хранении и их не нужно хранить в холодильнике. Оттуда вы можете достать их из банки и использовать в любое время. Они — отличная вещь, особенно летом, когда я хочу есть холодные, предварительно приготовленные овощные гарниры и закуски.

Вегетарианская версия из Кухтая, Турция, на которую меня обратил читатель. Они представляют собой отличный отход от традиционных мясных и рисовых блюд.См. Пример здесь.

Распечатать рецепт

Ферментированные виноградные листья

Оригинальный маринованный виноградный лист — лактоферментированный. Из них получатся лучшие фаршированные виноградные листья.

Время приготовления 30 минут

Время брожения 14 дней

Курс: закуски, закуски

Кухня: средиземноморская

Ключевое слово: ферментация, дикий виноград

Ингредиенты

• Свежие виноградные листья большие, чистые листья без дырок от насекомых и повреждений
• Соль для маринования: можно добавить кошерную соль, морскую соль или другую соль высокого качества, желательно мелко измельченную для легкого растворения.
• Фильтрованная вода * См. Примечание

Инструкции

Сбор урожая

• Собирая виноградные листья, не забывайте удалять их у стебля, чтобы у вас остались только листья. Выбирайте чистые виноградные листья без посторонних предметов (птичьего помета, яиц насекомых, паутины и т. Д.).

• Сделайте стопку виноградных листьев на ладони, пока она не станет большой, затем плотно сложите их в рулет или пакет и положите в квартовую банку.

• Повторите этот процесс, наполняя банку почти до самого верха.Положите сверху чистый камень, чтобы листья держались на месте, затем полностью залейте водой.

Сделайте рассол

• Вылейте воду, смешайте с солью, чтобы она растворилась, затем снова вылейте в емкость. (Вы также можете просто насыпать соль в кувшин и встряхнуть, но для растворения требуется больше времени.)

• Для более точного определения ферментации с помощью весов см. Примечание ниже.

2-недельная ферментация

• Поместите банки на противень для печенья или другой небольшой противень, чтобы собрать рассол, который может вытечь наружу.

• Время от времени открывайте сосуд, чтобы дать возможность выйти углекислому газу.

• Заквашивайте листья 1-2 недели, в зависимости от вашего вкуса. Храните банки в защищенном от прямых солнечных лучей месте со стабильной температурой, например в кладовой.

• Готовые ферментированные виноградные листья можно хранить всегда под жидкостью, в банке при комнатной температуре, или их можно консервировать на водяной бане и хранить в кладовой. Вы также можете хранить их в холодильнике, где они хранятся почти бесконечно и не подвергаются риску развития надоедливых дрожжей кам.

Готовим из листьев

• Виноградные листья домашнего брожения будут менее солеными и терпкими, чем коммерческие виноградные листья, хранящиеся в рассоле уксуса. Но при желании их можно промыть перед тем, как делать роллы из виноградных листьев и т. Д.

Видео

Примечания

Используйте фильтрованную или кипяченую воду
Не используйте водопроводную воду, которая может быть хлорированной и убить фермент. Если вам необходимо использовать нефильтрованную воду, доведите ее до кипения, чтобы удалить хлор, затем охладите до комнатной температуры, прежде чем продолжить. Измерение содержания соли до 3%
Для более точного брожения взвесьте пустую банку, запишите вес, затем взвесьте банку, полную виноградных карнизов и воды в граммах, умножьте вес на 0,03 и добавьте столько граммов мелкой соли. Несколько раз встряхните банку, чтобы соль равномерно распределилась, затем дайте ей постоять и сбродите до кислого вкуса.
Хранение при комнатной температуре
Если не использовать водяную баню с листьями, могут развиться дрожжи кам. Чтобы предотвратить появление кахмовых дрожжей, вы можете довести жидкость до кипения после брожения, затем вылить ее в банку, закрутить крышку и перевернуть вверх дном, пока не остынет.Банки должны герметично закрываться и стабильно храниться при хранении, как и банки, консервированные на водяной бане.

Связанные

видов использования свежих виноградных листьев — узнайте, как собирать виноградные листья для еды

Виноградные листья были турецкой лепешкой на протяжении веков. Использование виноградных листьев в качестве обертки для различных начинок позволило сохранить руки в чистоте и сделать их портативным продуктом питания. Сообщается, что эта практика зародилась во времена Александра Македонского, когда еды было мало, а мясо измельчали ​​и смешивали с другими начинками.Вы можете легко насладиться этим традиционным источником турецкой и средиземноморской кухни. Все, что вам нужно, это несколько советов по сбору виноградных листьев и, возможно, несколько рецептов.

Что делать с виноградными листьями

Если вы или кто-то из ваших знакомых выращивает виноградную лозу экологически чистыми методами, вы можете приготовить один из классических греческих продуктов — долмы. Также известные как долмады, долмы — это фаршированные виноградные листья. Классика — лишь одно из многих применений виноградных листьев. Продолжайте читать, чтобы узнать, чем можно заняться с виноградными листьями в кулинарном путешествии по миру.

Изначально виноградные листья использовались в качестве обертки для различных смешанных начинок. Сегодня они расширились, и их можно найти в соусах, рисовых и зерновых блюдах, приготовленной на пару рыбе и многом другом. Листья, когда их собирают довольно молодыми, становятся нежными и острыми после бланширования и рассола — и обычно используются для приготовления солений из виноградных листьев. Они добавляют нежную нотку многим блюдам интернациональной кухни, даже латиноамериканской и азиатской.

Листья можно добавлять даже в салаты. Эти универсальные листья содержат витамины C, B, K, A, B6, а также железо, ниацин, рибофлавин, клетчатку, марганец, медь, фолиевую кислоту, кальций и многое другое.Они низкокалорийны и являются отличной заменой тем, кто следит за своим весом.

Советы по сбору виноградных листьев

Специалисты рекомендуют собирать листья в конце весны — начале лета. Утро — лучшее время для сбора виноградных листьев. Убедитесь, что лоза, с которой вы собираете урожай, не опрыскивалась. Выбирайте листья среднего размера, достаточно большие, чтобы их можно было использовать в качестве обертки, но не слишком жесткие. Избегайте листьев с разрывами или дырками, если используете их в качестве обертки.

Листья должны быть блестящими и гладкими.Избегайте жестких или волосатых листьев, так как они будут слишком хрупкими, чтобы их можно было покрыть плесенью. Вымойте все листья и срежьте стебли. Поместите вымытые листья между влажными бумажными полотенцами в пакете или пластиковом контейнере. Вы можете использовать их сразу или заморозить на срок до шести месяцев.

Подготовка виноградных листьев

Как только вы закончите сбор виноградных листьев, пора готовить с ними. Независимо от того, используете ли вы виноградные листья в качестве обертки или в каком-либо другом рецепте, их все равно нужно подготовить. Помимо тщательной мойки, вы можете сделать V-образный вырез и отрезать стебель, который может оказаться жестким.

Многие повара считают, что листья нужно бланшировать в кипящей воде на пару минут или рассолить. Рецепт рассола — четыре части воды на одну часть соли. Теперь вы готовы приготовить долмы, песто из виноградных листьев, плов из риса и чечевицы с измельченными виноградными листьями, лосось на гриле с виноградными листьями, фаршированные листья с горгонзолой и оливками, пирог со шпинатом и виноградными листьями или любой рецепт, который вам больше всего нравится!

Виноградный лист с доставкой и на вынос | 2217 Франкфорт-авеню Луисвилл | Меню и цены

Греческий, Средиземноморский

•

4.7 (171 оценка) •

5989.2 mi • $$ Введите свой адресМы подтвердим, что вы можете заказать доставку в этот ресторанМестные рестораны доставят за 45 минут

Популярные товары

Наиболее часто заказываемые товары и блюда в этом магазине

Gyro

На выбор: говядина и баранина, фарш из баранины или куриной грудки, помидор, огурец, ромэн, подается с медовой горчицей или дзадзики.

12,00 $

Хумус

С домашним острым соусом.

$ 10.00

Виноградные листья

Фаршированные египетским рисом, помидорами, петрушкой, луком, мятой, подаются с дзадзики.

$ 7,50

Кебаб с курицей

Гарнир с овощами гриль, подается с медовой горчицей и лавашем.

14,25 $

Греческая салата

Фета, оливки каламата, бальзамический винегрет.

$ 8,75

Сумах с курицей

Карамелизированный лук, оливковое масло холодного отжима, сумах, специи, подается с соусом цацики и лавашем.

$ 15.00

Обертка с шаурмой

С чесночным айоли, помидорами, луком, солеными огурцами, тахини, на выбор мучная лепешка или тонкий арабский лаваш.

14,25 $

Spanakopita

Хрустящее пикантное греческое тесто филло, наполненное шпинатом, фетой, ароматными травами, лимоном, сумахом, подается с цацики.

7,50 $

Суп из чечевицы

Пюре из красной чечевицы, лук, специи, оливковое масло первого холодного отжима.

$ 5.00

Mezza Sampler

Выберите три из них: хумус, баба гануге, спанакопита, соус из авокадо.

16,50 $

Закуски

Дипсы подаются с лавашем, чипсами из тортильи или домашним острым соусом.

Хумус

С домашним острым соусом.

$ 10.00

Baba Ghanouge

Копченый баклажан, чеснок, лимонный сок, тахини, оливковое масло холодного отжима.

10,00 $

Измельченный авокадо

чеснок, лук, помидоры, халапеньо

8,75 $

Mezza Sampler

Выберите три из хумуса, баба гануж, спанакопита, соуса из авокадо.

$ 16,50

Spanakopita

Хрустящее пикантное греческое тесто филло, наполненное шпинатом, фетой, ароматными травами, лимоном, сумахом, подается с цацики.

$ 7,50

Виноградные листья

Фаршированные египетским рисом, помидорами, петрушкой, луком, мятой, подаются с дзадзики.

$ 7.50

Kibbee

Три ливанских крокета из пшеничной говядины с начинкой из баранины, лука и грецких орехов, подаются с соусом цацики.

10,00 $

Фалафель

Пряный. Доступны четыре кусочка фалафеля с соусом тахини и острым хабанеро тахини.

$ 5.50

Заатарская пицца на гриле

Со свежими помидорами и топленой моцареллой.

$ 7.50

Закуска из самосы

Два вонтона с начинкой из картофеля, лука, гороха, моркови, индийских специй, подаются с медовой горчицей.

7,50 $

Закуски без масла

Подаются с морковными копьями.

Супы

Чечевичный суп

Пюре из красной чечевицы, лук, специи, оливковое масло первого холодного отжима.

$ 5.00

Сытное тушеное мясо ягненка

Тушеная баранина, сладкий горошек, лук, картофель, морковь, помидоры, подаются с гарниром из шафранового риса.

$ 9,50

Куриное рагу с молохией

Египетский шпинат, сезонная зелень, щавель, чеснок, помидоры, подается с гарниром из шафранового риса.

9,50 $

Салаты

Все салаты включают ромэн, весенний микс, рукколу, помидоры, красный лук, огурцы, сладкий перец, нарезанный миндаль, изюм и фруктовый гарнир.

Греческая Салата

Фета, оливки каламата, бальзамический винегрет.

$ 8.75

Mediterranean House Salata

Бальзамический винегрет.

$ 8.00

Fatoush Salata

Мята, гренки из лаваша с чесноком.

$ 6.50

Салата из авокадо

чеснок, сыр пармезан, винегрет из бальзамических трав, заатар лаваш

$ 6,75

Салата из цветной капусты

Жареная цветная капуста, чечевица, медовая заправка тахини.

$ 6,75

Табули

Петрушка, мелкий болгар, мята, свежий лимон, оливковое масло первого холодного отжима, заатар лаваш.

9,00 $

Вегетарианский

Подается с одной стороны.Пряный хабанеро тахини доступен.

Вегетарианский карри Масала

Сливочный соус карри масала, приготовленный с сезонными овощами и зеленым горошком, цацики и лавашем.

$ 16,50

Babronia

Ливанская фасоль, фасоль лима, грибы, чеснок, морковь, лук, сезонные овощи, цацики, лаваш.

$ 12,50

Овощной Бирьяни

Картофель, имбирь, чеснок, помидоры, кинза, сезонные овощи, цацики, лаваш.

$ 14,50

Обертка с авокадо

Сыр фета, помидоры, лук, салат, черная фасоль, мучная лепешка.

$ 14.00

Вегетарианская мусака

Запеченное блюдо из баклажанов с помидорами, нутом, луком, зеленью и специями, подается с цацики и лавашем.

$ 14,75

Сэндвич с фалафелем

Нут, бобы, зелень, специи, помидоры, огурцы, ромэн, тахини, греческий или тонкий арабский лаваш на выбор.

$ 11.75

Самоса

Вонтоны с начинкой из картофеля, лука, гороха, моркови, индийских специй, подаются с медовой горчицей.

13,25 $

Обертка с шаурмой из цветной капусты

Салат-латук, чесночный айоли, помидоры, лук, соленые огурцы, тахини, обертка из мучной тортильи на выбор или тонкая арабская пита.

9,75 $

Фирменное специальное предложение

Подается с двумя сторонами на выбор и пряным хабанеро тахини из лаваша.

Смешанный гриль Набила

Кюфта, отбивная из ягненка, кебаб из курицы или баранины на выбор, подается с соусом цацики.

20,00 $

Тагин

Североафриканское рагу с сезонными овощами, лимоном, медом и специями.

$ 14.00

Жареный ягненок

Обжаренный с сезонными овощами, подается с соусом цацики.

$ 15.50

Филе миньон

Украшено овощами гриль, подается с соусом цацики.

26.00 $

Лосось манго на гриле

Гарнир с овощами гриль.

$ 16,50

Бараньи отбивные

Три отбивные, украшенные овощами на гриле, подаются с соусом цацики.

$ 20.00

Каре ягненка

Полное каре, сумах, подается с соусом цацики.

30.00 $

Карри Масала

Курица или жареная баранина на выбор, приготовленные с сезонными овощами, зеленым горошком и специями.

16,50 $

Бранч

Омлет с овощами

С картофелем для позднего завтрака и лавашем.Выберите три из следующих: болгарский перец, помидоры, баклажаны, греческие оливки, лук, грибы, шпинат, фета, свежая моцарелла, козий сыр, пармезан.

10,50 $

Обертка для завтрака

Тортилья из муки, яичница-болтунья, сыр, черная фасоль или бекон из индейки на выбор.

$ 6.50

Выбор Пола

Кабоб из филе миньона или кебаб из баранины, яичница, соус из авокадо, черная фасоль, чипсы из тортильи, с картофелем.

16,50 $

Дип из фасоли Фава с двумя яйцами

Подается с лавашем.

10,50 $

Куриный бри

Помидор, топленый бри, греческий лаваш, картофель для позднего завтрака и медовая горчица.

13,50 $

Греческая болтунья

Яичница, помидоры, фета, греческие оливки, болгарский перец, лук, с картофелем для позднего завтрака.

11,00 $

Два яйца в любом стиле

С картофелем для позднего завтрака.

$ 5.50

Шпинат Пармезан Фриттата

Свежая моцарелла, лук, шпинат, болгарский перец, греческие оливки, картофель для позднего завтрака, лаваш.

11,00 $

Яйца Ротшильд

Кабоб из филе миньона или кебаб из баранины, греческий лаваш, два яйца пашот, цацики, с картофелем для позднего завтрака.

14,50 $

Безмасляные закуски

Подаются с одной стороны, не содержащей масла.

Babronia

Ливанская фасоль, фасоль лима, чеснок, лук, сезонные овощи.

12,50 $

Бирьяни

С желтым колотым горошком, картофелем, помидорами, луком, чесноком, имбирем, специями, сезонными овощами.

11,50 $

Entrées

Подается с одной стороны. Пряный хабанеро тахини доступен.

Бальзамик Portabella

Бальзамическая глазурь из граната, чеснок, красный сладкий перец, оливковое масло, подается с цацики и лавашем.

$ 10.00

Обертка с шаурмой

С чесночным айоли, помидорами, луком, солеными огурцами, тахини, на выбор обертка из мучной тортильи или тонкая арабская лаваш.

14,25 $

Сумах с курицей

Карамелизированный лук, оливковое масло первого отжима, сумах, специи, подается с соусом цацики и лавашем.

$ 15.00

Филе Миньон Кабоб

Гарнир с овощами гриль, сумахом, соусом цацики, лавашем.

$ 26.00

Кебаб из баранины

Баранья ножка, маринованная, петрушка, лук, сумах, подается с соусом цацики, лавашом.

18,50 $

Кебаб из лосося

Гарнир из овощей гриль, подается с соусом тахини, лавашом.

$ 18.00

Gyro

Выбор из нарезанной говядины и баранины, фарша из баранины или куриной грудки, помидоров, огурцов, романа, подается с медовой горчицей или дзадзики.

$ 12.00

Куриный кебаб

Гарнир с овощами гриль, подается с медовой горчицей и лавашем.

$ 14,25

Куриный сэндвич

Куриная грудка, приправленная и обжаренная, листья салата, помидоры, лук, соленые огурцы, чесночный айоли.

$ 14.00

Мусака из говядины

Блюдо из запеченных баклажанов с измельченной вырезкой, помидорами, нутом, луком, зеленью и специями, подается с цацики и лавашем.

$ 15,75

Тарелка Kufta

Шашлык из рубленой баранины на гриле, с петрушкой, перцем, халапеньо, луком, жареными помидорами, подается с цацики и питой.

$ 14,75

Бирьяни

Выбор курицы, баранины или креветок с картофелем, сезонными овощами, кинзой, имбирем, чесноком, специями, цацики, лавашом.

18,00 $

Детское меню

Кебаб из курицы

С рисом или картофелем фри.

$ 6.50

Жареные куриные палочки

С картофелем фри, медовой горчицей.

7,00 $

Детский гироскоп

А ля карт.

$ 6,25

Половина хумуса

С лавашем.

5,25 $

Стороны

Черная фасоль и рис с шафраном

3,50 $

Десерты

Двойной шоколадный торт декадент

6,00 $

Пахлава

Орех или фисташка.

$ 2.50

Цены в меню этого магазина ориентировочные. Если сумма, взимаемая за ваши товары в магазине, ниже, чем сумма, которую вы заплатили при оформлении заказа, вы получите возмещение за разницу.Узнать больше

Цены могут отличаться в зависимости от доставки и самовывоза.

Как собрать и сохранить свежие виноградные листья

Если у вас есть доступ к виноградной лозе — на винограднике, в беседке во дворе или в дикой природе — у вас под рукой сокровищница вкуса. Виноградные листья — один из основных продуктов греческой кухни. Подумайте о традиционных блюдах, фаршированных виноградными листьями, или «долмадах», которые подают в греческих домах и ресторанах. Собирайте виноградные листья свежими с лозы поздней весной или в начале лета, когда нежных листьев много.Затем используйте их в греческих рецептах или сохраните и сохраните для дальнейшего использования.

Комплектация

В зависимости от вашего климата собирайте виноградные листья в конце весны (май или июнь). Выбирайте целые листья без повреждений с лоз, которые не обрабатывались пестицидами. Листья должны иметь светло-зеленый цвет и иметь эластичную текстуру. Ищите лучшие урожаи чуть ниже новообразования на верхушке растения и рядом с плодами. Чтобы обеспечить устойчивый урожай, оставьте первые 3 листа после любого нового прироста на конце лозы, а затем соберите следующие два-три листа.После этого переходите к следующему стеблю.

Виноградные листья должны быть размером не меньше ладони и достаточно большими, чтобы можно было обернуть их вокруг начинки. Листья винограда Султана (он же «Томпсон без косточек») идеально подходят для приготовления пищи, потому что они более выносливы и гибки, чем другие сорта. Тем не менее, если у растения, которое вы выберете, достаточно широкие листья, оно должно хорошо подойти.

Бланширование

Чтобы подготовить листья к бланшировке, острым ножом или ножницами срежьте стебель каждого листа.Затем хорошо промойте под холодной проточной водой.

Для бланширования вскипятите воду в чайнике. Поместите листья в кастрюлю или тяжелую миску, залейте их кипятком и оставьте на 2 минуты, пока они не станут мягкими, но не мягкими. В качестве альтернативы вы можете довести до кипения большую кастрюлю с водой, выключить огонь, добавить листья и дать им постоять столько же времени. Щипцами переложите бланшированные листья из горячей воды в ледяную баню. После охлаждения слейте воду и выжмите ее, промокните виноградные листья бумажными полотенцами и используйте их в своем любимом рецепте.

Замораживание

Если вы планируете собирать листья и использовать их позже, замораживание — лишь один из вариантов сохранения. Для этого метода не ополаскивайте и не мойте листья. Вместо этого вытрите всю влагу и мусор сухим бумажным полотенцем, положите каждый лист один на другой и упакуйте количество, необходимое для одного рецепта, в один герметичный пластиковый пакет. Удалите из пакета как можно больше воздуха, застегните его и заморозьте листья. Маркируйте пакет с датой и количеством листьев, содержащихся внутри.

Виноградным листьям нужно не менее 2 месяцев в морозильной камере, чтобы они разморозились. Поместите их в такое место, где они не сломаются при заморозке. Чтобы использовать листья, просто разморозьте их на дуршлаге под прохладной проточной водой и используйте без побледнения.

Хранение листьев в рассоле

Свежие виноградные листья также можно хранить в рассоле, как соленые огурцы. Для этой техники начните с 2–2 1/2 фунтов (или более) нежных молодых листьев. Сделайте рассол, смешав 1 фунт кошерной морской соли с 1 галлоном воды.Заполните большую банку для консервирования рассолом на 2/3, скатайте каждый лист в плотный цилиндр (например, сигарету) и аккуратно поместите его в банку, стараясь плотно упаковать все листья. Закройте банку крышкой, чтобы все листья были полностью погружены в жидкость. Продолжайте с остальными листьями и банками. Наклейте на банки дату и количество листьев внутри и храните их в прохладном сухом месте.

Чтобы использовать листья, выньте их из банок на день раньше, промойте под холодной проточной водой и бланшируйте или приготовьте в соответствии с инструкциями по рецепту.

Сушка

Вытрите листья бумажным полотенцем, чтобы удалить мусор. Используя иглу, пропустите нить через листья лозы прямо над насадкой для стебля. Пучки листьев повесьте в темное прохладное место, чтобы высушить их (аналогично тому, как сушат травы и цветы). После высыхания упакуйте пучки (все еще связанные и достаточные для одного рецепта) в полиэтиленовые пакеты и храните их для будущего использования. Когда вы будете готовы к приготовлению, возьмите пучок за нитку и опустите каждый лист в кипящую воду примерно на 2–3 минуты.Цвет станет светло-зеленым. Используйте, как указано в вашем рецепте.

.