DE69910182T2 - Fleischfarbbilderzeugungssystem zum voraussagen des geschmackes und ertrages - Google Patents

Fleischfarbbilderzeugungssystem zum voraussagen des geschmackes und ertrages Download PDF

Info

Publication number
DE69910182T2
DE69910182T2 DE69910182T DE69910182T DE69910182T2 DE 69910182 T2 DE69910182 T2 DE 69910182T2 DE 69910182 T DE69910182 T DE 69910182T DE 69910182 T DE69910182 T DE 69910182T DE 69910182 T2 DE69910182 T2 DE 69910182T2
Authority
DE
Germany
Prior art keywords
lean
meat
image data
video image
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
DE69910182T
Other languages
English (en)
Other versions
DE69910182D1 (de
Inventor
E. Keith BELK
Daryl J. TATUM
C. Gary SMITH
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Colorado State University Research Foundation
Colorado State University
Original Assignee
Colorado State University Research Foundation
Colorado State University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Colorado State University Research Foundation, Colorado State University filed Critical Colorado State University Research Foundation
Application granted granted Critical
Publication of DE69910182D1 publication Critical patent/DE69910182D1/de
Publication of DE69910182T2 publication Critical patent/DE69910182T2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A22BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22CPROCESSING MEAT, POULTRY, OR FISH
    • A22C17/00Other devices for processing meat or bones
    • A22C17/0073Other devices for processing meat or bones using visual recognition, X-rays, ultrasounds, or other contactless means to determine quality or size of portioned meat
    • A22C17/008Other devices for processing meat or bones using visual recognition, X-rays, ultrasounds, or other contactless means to determine quality or size of portioned meat for measuring quality, e.g. to determine further processing
    • AHUMAN NECESSITIES
    • A22BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22BSLAUGHTERING
    • A22B5/00Accessories for use during or after slaughtering
    • A22B5/0064Accessories for use during or after slaughtering for classifying or grading carcasses; for measuring back fat
    • A22B5/007Non-invasive scanning of carcasses, e.g. using image recognition, tomography, X-rays, ultrasound
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02Food
    • G01N33/12Meat; fish
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30128Food products

Description

  • 1. Fachgebiet der Erfindung
  • Das Fachgebiet der Erfindung ist die Vorhersage des Geschmacks und des Ertrages von Fleisch. Spezifischer bezieht sich die vorliegende Erfindung auf die Vorhersage des Geschmacks und des Ertrages von Fleisch unter Verwendung der Videobildanalyse (VIA), um die Farbparameter L* (psychometrische Helligkeit), a* (rot gegen grün) und b* (gelb gegen blau) von mageren und fetten Bereichen des Fleisches eines Tierrumpfes oder eines Fleischstückes zu bestimmen.
  • 2. Beschreibung des verwandten Fachgebietes
  • Verbraucher von Fleisch bevorzugen allgemein eine größere Zartheit des Fleisches und sind bereit dafür zu bezahlen. Es ist allgemein aufgezeigt worden, dass der Marmorierungsgrad eines Rumpfes für einen weiten Bereich von Marmorierungsstufen für Rindfleisch, Schweinefleisch und Lammfleisch allgemein mit dem Geschmack des nachfolgend gekochten Fleisches korreliert. Zwischen Rümpfen mit der gleichen Marmorierungsstufe gibt es jedoch wesentliche Geschmacksunterschiede. Andere Faktoren, von denen man der Meinung ist, dass sie den Geschmack vorhersagen, sind der Reifegrad, die pH-Werte der Muskeln und die Muskelfarbe. Diese Faktoren können bei der Vorhersage des Geschmackes von Hühnerfleisch, Truthahnfleisch und Fisch wertvoller sein. Von Fachleuten mit Sachkenntnis der Prüfung von Rümpfen, z. B. Fleischwissenschaftlern und den Qualitätsprüfern des U. S. De partment of Agriculture (Ministerium für Landwirtschaft) (USDA) können einige dieser Faktoren bewertet und der Geschmack vorhergesagt werden, wenn ausreichend Zeit zur Verfügung steht. In der Praxis müssen zum Beispiel für Rindfleisch die USDA-Qualitätsprüfer, die in den Verpackungsbetrieben arbeiten, üblicherweise 250 bis 450 Rümpfen pro Stunde Qualitätsstufen zuordnen. Das lässt nicht genügend Zeit für eine vollständige Überprüfung aller Faktoren übrig, die sich auf die Vorhersage des Geschmacks beziehen. Die Zeitknappheit macht auch die erforderliche genaue Berechnung der Qualitätsstufen schwierig.
  • Weiterhin müssen die USDA-Qualitätsprüfer Ertragsgrade berechnen, die dazu bestimmt sind, die Schnittfähigkeit und die Zusammensetzung des Rumpfes zu bewerten. Faktoren, die verwendet werden, um die Ertragsgrade zu bestimmen, sind das Gewicht des warmen Rumpfes, die Ribeye-Fläche (Querschnittsfläche des longissimus-Muskels an der Grenzfläche der 12. bis 13. Rippe), der geschätzte prozentuale Fettgehalt von Niere, Becken und Herz und die tatsächliche und berechnete Fettdicke am Äußeren des Rumpfes. Die vorher angeführten Zeitbegrenzungen für die Berechnung der Qualitätsstufen gelten auch für die Berechnung der Ertragsgrade. Die Parameter, die der Zuordnung von Qualitätsstufen und Ertragsgraden unterliegen, werden von dem Agricultural Marketing Service, Livestock and Seed Division, z. B. für Rindfleisch, in den Standards der Vereinigten Staaten für die Qualitätsstufen von Rumpf-Rindfleisch veröffentlicht.
  • Eine Vorrichtung zum Bewerten von Faktoren, welche den Geschmack von Fleisch-Rümpfen oder von Fleischstücken vorhersagt, würde es, zusätzlich zu einer Prüfung des Rumpfes oder des Stücks durch einen USDA-Qualitätsprüfer, erlauben den Fleischgeschmack genauer vorherzusagen. Die USDA-Qualitätsstufen könnten dann genauer zugeordnet werden. Das würde ein größeres Vertrauen des Verbrauchers in das Qualitätsbewertungssystem sowie in jedes zusätzliche System für die Zertifizierung der Konformität zu den Erzeugnisqualitätsvorschriften ergeben, wie es in einem "Markennamen"-Programm gewünscht wird. In jedem Fall würde eine präzise Sortierung der Rümpfe für die Festlegung der Fleischpreise ermöglicht werden. Diese bessere Sortierung würde ökonomischen Nutzen für alle Beteiligten in den Segmenten des Fleischproduktionssystems, wie Restaurantbesitzer, Lebensmittel-Service-Betreiber und -Einzelhändler, Verpacker, Betreiber von Nahrungsmittelketten, Viehmästereien, Viehzüchter, Landwirte und Einkäufer von Schweinen, Lämmern, Mast- und Milchvieh, Hühnern, Truthähnen und verschiedenen Fischsorten, ergeben. Diese bessere Sortierung würde auch Wissenschaftlern beim Sammeln von Fleischrumpf- und Fleischstück-Daten für die Forschung und den früheren Viehbesitzern beim Treffen von genetischen und anderen Management-Entscheidungen nützen.
  • Es wurden verschiedene Versuche unternommen, solche Vorrichtungen für die Verwendung in der Fleischindustrie zu konstruieren. Eine solche Vorrichtung verwendet das "Duo-Scan"- oder "Dual-Komponenten"-Bildanalysesystem. Es werden zwei Kameras verwendet. Eine erste Kamera auf dem Schlachtboden erfasst einen ganzen Rumpf und eine zweite Kamera erfasst das Ribeye, nachdem der Rumpf abgekühlt und zur Vierteilung angerippt ist. Bei Verwendung dieser Systeme werden Videodaten von einem Rinderrumpf aufgezeichnet und zu einem Computer übertragen. Ein Computerprogramm bestimmt die Prozentsätze des Rumpfes von fettem und mageren Bereichen aus dem aufgezeichneten Bild und aus zusätzlichen zur Verfügung stehenden Daten, wie zum Beispiel dem Gewicht des warmen Rumpfes. Die Mengen von Stücken verschiedener Magerkeitsgrade, die aus dem Rumpf gewonnen werden können, werden dann vorhergesagt. Basierend auf einer wissenschaftlichen Einschätzung ist jedoch das System nicht in der Lage, den Geschmack des beobachteten Rumpfes zur Unterstützung der Zuweisung einer USDA-Qualitätsstufe oder für andere Zwecke, die sich auf die Sortierung der Rümpfe basierend auf der Verzehrqualität beziehen, vorherzusagen.
  • Ein möglicher Satz von Faktoren, der überprüft werden kann, um den Geschmack vorherzusagen, ist die Muskel- und Fettfarbe. Wulf u. a., J. Anim. Sci. (1975) 75, 684 berichtete über Ergebnisse der Farbbewertung in dem L*a*b*-Farbraum des rohen longissimus thoracis Muskels 27 Stunden nach dem Tod und von Warner-Bratzler-Scherkraftbestimmungen eines abgelagerten, aufgetauten, gekochten longissimus lumborum Muskels aus Viehrümpfen, die aus Kreuzungen zwischen verschiedenen Züchtungen von Bos taurus (auf der Basis der Europa-Genetik) und Bos indicus (wärmeverträglich, Tropen-Genetik) gewonnen wurden. Die Zartheit, wie sie durch die Scherkraft gemessen wird, korrelierte mit allen drei Farbmessungen, wobei die beste Korrelation bei den b*-Werten zu erkennen war. Diese Ergebnisse zeigten, dass die Muskelfarbe verwendet werden kann, um den Geschmack vorherzusagen.
  • Es ist daher erwünscht, eine Vorrichtung für das Bewerten von Faktoren zur Verfügung zu haben, die den Geschmack des Fleisches eines Tierrumpfes vorhersagen können. Es ist für eine solche Vorrichtung erwünscht, dass sie Daten sammelt und verarbeitet und eine Ausgabe innerhalb des Zeitrahmens zur Verfügung stellt, in welchem der Rumpf von einem USDA-Qualitätsprüfer unter den typischen Bedingungen in dem Verpackungshaus geprüft wird und der normalerweise 5 bis 15 Sekunden beträgt. Es ist für eine solche Vorrichtung erwünscht, Messergebnisse von wenigstens einem von zum Beispiel der Farbe des mageren Gewebes, der Farbe des Fettgewebes, einer Marmorierungsquantität, der mittleren Anzahl und der Varianz von Marmorierungsflecken pro Flächeneinheit, der mittleren Größe der Marmorierung und der Varianz der mittleren Marmorierungsgröße, einer mittleren Textur und Festigkeit des mageren Gewebes auszugeben. Es ist für die Vorrichtung erwünscht, diese Messungen zu verwenden, um den Rümpfen eine Qualitätsstufe oder eine Punktbewertung zuzuweisen, damit die Rümpfe in Gruppen sortiert werden können, welche die genauen Unterschiede im Geschmack von gekochtem Fleisch wiedergeben.
  • Es ist weiterhin erwünscht, eine Vorrichtung zum Messen der Querschnittsfläche eines freiliegenden Muskelschnitts (z. B. Ribeye) für die Verwendung bei der Vorhersage der Zusammensetzung (fettes Gewebe, mageres Gewebe, Knochen) eines Rumpfes oder eines Stücks zur Verfügung zu haben. Es ist für die Vorrichtung erwünscht, diese Messung zu verwenden, um den Rümpfen eine Qualitätsstufe oder eine Punktbewertung zuzuweisen, damit die Rümpfe in Gruppen sortiert werden können, welche die genauen Unterschiede im Ertrag wiedergeben. Es ist weiterhin für die Vorrichtung erwünscht, dass sie auch die relativen Querschnittsflächen von fettem Gewebe und/oder Knochen misst. Weiterhin ist es erwünscht, eine Vorrichtung zum Messen, zur Vorhersage und zum Sortieren von Rümpfen auf der Basis von sowohl Geschmack als auch Ertrag zur Verfügung zu haben.
  • Ferner ist es für eine solche Vorrichtung erwünscht, dass sie tragbar ist, zum Beispiel klein und leicht. Es ist für die Vorrichtung erwünscht, dass sie gegenüber den Umweltbedingungen der Verpackungsanlage widerstandsfähig ist, z. B. dass sie in einem Schutzgehäuse angeordnet werden kann.
  • Die vorliegende Erfindung bezieht sich auf ein Verfahren zur Vorhersage des Geschmacks von Fleisch, gemäß den Ansprüchen 1 bis 11 und auf eine Vorrichtung zur Vorhersage des Geschmacks von Fleisch, gemäß den Ansprüchen 12 bis 21.
  • US 4,226,540 offenbart ein Verfahren und eine Vorrichtung für die kontaktlose Bestimmung von Qualitätsmerkmalen eines aus Fleischprodukten ausgewählten Testobjektes. In einer Ausführung wird das Objekt durch eine Lichtquelle angestrahlt. Die Strahlung von dem Testobjekt wird erfasst, um definitive Strahlungswerte zu erzeugen. Diese definitiven Strahlungswerte werden dann analysiert, vorzugsweise in Vergleich zu Bezugswerten. In einer anderen Ausführung wird eine Abtastvorrichtung für die Erzeugung eines Abtaststrahls verwendet. Der Abtaststrahl wird von dem Objekt abgelenkt und ein Detektor wird verwendet, um die Charakteristiken von Punkten auf dem Testobjekt zu bestimmen, das durch den Abtaststrahl abgetastet wird. Bei dem offenbarten Verfahren und der offenbarten Vorrichtung können Qualitätsmerkmale, wie zum Beispiel der Frischezustand, die Farbe und das Fleisch/Fett-Verhältnis des Fleisches bestimmt werden.
  • WO 93/21597 offenbart ein Verfahren und eine Vorrichtung zum Erkennen eines Zielabschnitts in einem Bild eines Fleischabschnitts. Die Farbe für jedes Pixel wird gespeichert und die Pixel, die eine vorbestimmte Farbcharakteristik des Fleischabschnitts aufweisen, zum Beispiel ein bestimmtes Rot/Grün-Verhältnis, werden unterschieden. Das Verfahren beinhaltet das Entfernen wenigstens eines Datensatzes für ein Cluster von Pixeln, die einen äußeren Bildabschnitt darstellen, der sich benachbart zu dem Zielabschnitt befindet und ihn kontaktiert, der jedoch kein Bestandteil des Zielabschnitts ist, aus einem verfeinerten Datensatz für die unterschiedenen Pixel, wobei der Schritt des Entfernens das Analysieren der Form des verfeinerten Bildabschnitts, der durch den verfeinerten Datensatz dargestellt ist, einschließt, um Konkavitäten und Prüfeigenschaften von Verbindungen und/oder Eigenschaften von Unterabschnitten, die durch Verbindungen gebildet werden, zu identifizieren, um gültige Verbindungen zu erkennen, die den Zielabschnitt gegenüber den benachbarten, berührenden, äußeren Bildabschnitten abgrenzen. Der verfeinerte Datensatz wird nach dem Ausführen des Entfernungsschritts verarbeitet, wenn der Datensatz den Zielabschnitt des Bildes darstellt.
  • Die vorliegende Erfindung bezieht sich ebenfalls auf eine Vorrichtung zur Vorhersage des Geschmacks von Fleisch, mit: einer Videokamera, die dazu angepaßt ist, Videobilddaten von wenigstens einem Bereich des Fleisches zur Verfügung zu stellen; einer Datenverarbeitungseinheit, die dazu angepaßt ist, Programmbefehle auszuführen; einer Programmspeichereinheit, in der Programmbefehle gespeichert sind, die, wenn sie ausgeführt werden, ein Verfahren zur Vorhersage des Geschmacks von Fleisch ausführen; wobei bei dem Verfahren: die Videobilddaten analysiert werden, um wenigstens einen mageren Abschnitt des Fleisches von einem nicht-mageren Abschnitt des Fleisches zu unterscheiden, die dem mageren Abschnitt entsprechenden Videobilddaten analysiert werden; eine Charakteristik des mageren Abschnitts auf Grundlage der Videobilddaten gemessen wird und die Charakteristik mit dem Geschmack des Fleisches korreliert wird.
  • 1 zeigt eine schematische Ansicht einer Vorrichtung der vorliegenden Erfindung.
  • 2 zeigt ein Flussdiagramm eines Verfahrens der vorliegenden Erfindung.
  • 3 zeigt ein Flussdiagramm eines Computerprogramms, das Videobilddaten analysiert, um zumindest einen mageren Abschnitt des Fleisches von einem nicht-mageren Abschnitt des Fleisches zu unterscheiden, das Videobilddaten, die dem mageren Abschnitt entsprechen, analysiert und das eine Charakteristik des mageren Abschnitts auf der Grundlage der Videobilddaten misst.
  • Die vorliegende Erfindung stellt ein Videobildanalyse- (VIA) System für das Bewerten von Faktoren zur Verfügung, die den Geschmack des Fleisches eines Tierrumpfes vorhersagen. Das VIA-System ist vorzugsweise ein Farb-VIA-System. Wie in 1 dargestellt, weist das VIA-System eine Videokamera 12, vorzugsweise eine 3-CCD-Farbvideokamera, vorzugsweise in einem Kameragehäuse (nicht dargestellt) angeordnet, auf. Die Videokamera 12 weist vorzugsweise ein Beleuchtungssystem 26 auf, das entweder an der Kamera, an dem Gehäuse, oder nicht an der Kamera, sondern in dem Kameragehäuse angebracht ist. Das VIA-System weist weiterhin eine Datenverarbeitungseinheit 16, die über eine Programmspeichereinheitschnittstelle 18 mit einer Programmspeichereinheit 20 und über eine Ausgabeeinheitsschnittstelle 22 mit wenigstens einer Ausgabeeinheit 24 in Verbindung steht, auf.
  • Die Programmspeichereinheit 20 enthält ein Computerprogramm oder Programme, die für die korrekte Verarbeitung von Videobilddaten, vorzugsweise von Farbvideobilddaten durch die Datenverarbeitungseinheit 16 erforderlich sind. Die Datenverarbeitungseinheit 16 ist mit der Videokamera 12 über entweder ein Übertragungskabel 14 oder über eine drahtlose Übertragungseinheit (nicht dargestellt) verbunden und empfängt Daten von der Videokamera 12. Die Datenverarbeitungseinheit 16 weist eine Zentrale Verarbeitungseinheit (CPU) und vorzugsweise auch ein Softwaremodul oder eine Hardwareeinheit für die Umwandlung von analogen Daten in digitale Daten auf und verarbeitet Videobilddaten gemäß den durch ein Computerprogramm codierten Befehlen, das in der Programmspeichereinheit 20 gespeichert ist. Die Videobilddaten können in einer nachfolgenden Berechnung der Werte der Charakteristik, die den Geschmack vorhersagen, verwendet werden, wobei die Charakteristik die Farbe des mageren Gewebes, die Farbe des Fettgewebes, die Marmorierungsquantität, die mittlere Anzahl und der Varianz von Marmorierungsflecken pro Flächeneinheit, der mittlere Größe der Marmorierung und die Varianz der mittleren Marmorierungsgröße, die mittlere Textur und Festigkeit des mageren Gewebes umfasst. Diese Werte können dann verwendet werden, um das Fleisch in Gruppen zu sortieren (hierin definiert als Fleisch-Tierrumpf, Rumpfseite oder Stück), die eine unterschiedliche vorhergesagte gekochte Verzehrqualität haben.
  • Die Farbparameter L*, a* und b* werden verwendet, um die Werte der Faktoren zu berechnen, die den Ertrag vorhersagen, wie zum Beispiel die Querschnittsfläche des betreffenden Muskels oder anderer umgebender Organe wie Fett, Knochen und Bindegewebe. Diese Werte können dann verwendet werden, um das Fleisch in Gruppen zu sortieren, die sich in der vorausgesagten Zusammensetzung unterscheiden.
  • Die Datenverarbeitungseinheit 16 ist durch die Ausgabeeinheitsschnittstelle 22 mit wenigstens einer Ausgabeeinheit 24 verbunden und überträgt Ergebnisse der Datenverarbeitung zu dieser. Wahlweise können die Ergebnisse der Datenverarbeitung auch in eine Datei in der Programmspeichereinheit 20 über die Programmspeichereinheitsschnittstelle 18 geschrieben werden. Eine Ausgabeeinheit 24 kann ein Videobildschirm, ein Drucker oder eine andere Einheit sein. Es wird bevorzugt, dass wenigstens eine Ausgabeeinheit 24 eine körperliche oder elektronische Markierung zur Verfügung stellt, um das Fleisch 10 mit den Ergebnissen der Datenverarbeitung zu markieren, um das Sortieren der Fleisch-Tierrümpfe, der Stücke oder von beiden in Gruppen mit gleichem Geschmack und/oder Ertrag zu erleichtern.
  • Die vorliegende Erfindung stellt auch ein Verfahren zur Vorhersage des Geschmacks von Fleisch 10 und zur Bestimmung der Querschnittsfläche des Fleisches 10 zur Verfügung. Unter Verwendung des Farb-VIA-Systems, auf das vorher Bezug genommen wurde, werden die von dem Fleisch 10 gesammelten Videobilddaten durch die Videokamera 12 aufgezeichnet, durch die Datenverarbeitungseinheit 16 verarbeitet und die Werte für den Geschmack und/oder die Muskel-Querschnittsfläche werden durch die Ausgabeeinheit 24 ausgegeben, um die Beobachtungen, die durch einen USDA-Qualitätsprüfer oder durch einem anderen Anwender, der für das Sortieren oder Charakterisieren von Fleisch-Tierrümpfen verantwortlich ist, zu unterstützen, um eine genauere Zuweisung von Qualitätsstufen, Ertragsgraden und/oder von anderen Sortierungs- oder Klassifizierungskriterien auf der Grundlage der Charakteristiken zu erlauben.
  • Eine Vorrichtung für die Verwendung der vorliegenden Erfindung umfasst eine Videokamera 12 und eine Datenverarbeitungseinheit 16. Die Videokamera 12 kann jede solche Kamera sein, die Fachleuten bekannt ist. Für die Videokamera 12 ist es wichtig, dass sie einen Ausgabe innerhalb des Zeitrahmens liefert, der für die Fleischrumpfprüfung vorgesehen ist, normalerweise 5 bis 15 Sekunden. Vorzugsweise handelt es sich um eine Echtzeitausgabe. Eine solche Echtzeitausgabe kann dieselbe Technologie darstellen, wie der Sucher an einem bekannten Kamerarecorder oder Videorecorder, sie kann dieselbe Technologie darstellen wie ein bekannter digitaler Digital-Kamerarecorder, sie kann ein computererzeugte Echtzeit-Anzeige sein, wie sie aus Videokonferenz-Anwendungen bekannt ist, oder sie kann jede andere Technologie darstellen, die Fachleuten bekannt ist. Für die Videokamera 12 ist es vorteilhaft, dass sie aus den nachfolgend behandelten Gründen eine Farbvideokamera ist. Es wird auch vorgezogen, dass die Videokamera 12 klein und leicht ist, um die Vorteile der Transportabilität und Flexibilität der Positionierung zu bieten, z. B. bei der Einstellung des Kamerawinkels durch den Anwender, um das optimale Sammeln von Videobilddaten von dem Fleisch 10 zu ermöglichen. Es wird auch bevorzugt, dass die Videokamera 12 widerstandsfähig ist, um der Umgebung der Verpackungsanlage besser widerstehen zu können. Die Stromquelle der Videokamera 12 kann entweder Gleichstrom sein, d. h. eine Batterie, die an elektrischen Kontakten befestigt ist, von denen die Videokamera 12 Strom abnehmen kann, oder Wechselstrom, der von einer Steckdose oder von der Datenverarbeitungseinheit 16 abgenommen werden kann.
  • Wahlweise kann ein Beleuchtungssystem 26 verwendet werden, um die Fleischoberfläche zu beleuchten. Das ist erwünscht, wenn das Umgebungslicht schlecht oder ungleichmäßig ist oder wenn es gewünscht wird, Bereiche des Fleisches 10 zu prüfen, die durch das Umgebungslicht nicht beleuchtet sind. Jedes bekannte Beleuchtungssystem 26 kann verwendet werden. Die Stromquelle des Beleuchtungssystems 26 kann entweder Gleichstrom, d. h. eine Batterie, oder Wechselstrom sein, der entweder von einer Steckdose, von der Videokamera 12 oder von der Datenverarbeitungseinheit 16 abgenommen wird. Es ist bevorzugt, dass das Beleuchtungssystem 26 aus den Gründen, die vorher in Bezug auf die Videokamera 12 behandelt wurden, klein und leicht ist. Das Beleuchtungssystem 26 kann an der Kamera, an der Außenfläche eines Kameragehäuses oder in einem Kameragehäuse angeordnet sein, wobei das Kameragehäuse in dem folgenden Abschnitt beschrieben wird.
  • Die Videokamera 12 und das wahlweise Beleuchtungssystem 26 können nichtumschlossen oder umschlossen sein. Vorzugsweise ist die Videokamera 12 von einem Kameragehäuse (nicht dargestellt) umschlossen, um es gegenüber der Umgebung der Verpackungs- und Verarbeitungsanlage zu schützen. Für das Kameragehäuse ist es wichtig, eine erste Öffnung für die Linse der Videokamera 12 vorzusehen, um das Fleisch 10 zu beobachten. Wenn ein wahlweises Beleuchtungssystem 26 verwendet wird, kann es entweder an der Außenfläche des Kameragehäuses oder in dem Kameragehäuse angebracht sein. Wenn das Beleuchtungssystem 26 in dem Kameragehäuse angebracht ist, kann es entweder an der Kamera angebracht oder nicht an der Kamera angebracht sein. Wenn das Beleuchtungssystem 26 in dem Kameragehäuse angebracht ist, ist es wichtig, dass eine Öffnung für die Beleuchtung des Fleisches 10 vorgesehen ist, entweder eine erste Öffnung, die von der Linse der Videokamera 12 verwendet wird, oder eine zweite Öffnung. In jedem Fall kann die Öffnung offen sein oder sie kann durch eine Scheibe aus durchsichtigem Material verdeckt sein.
  • Wenn Videobilddaten von der Videokamera 12 über ein Übertragungskabel 14 zu der Datenverarbeitungseinheit 16 zu übertragen sind, ist es für das Kameragehäuse weiterhin wichtig, eine Austrittsöffnung aus dem Gehäuse für das Kabel vorzusehen. Diese Öffnung kann die erste Öffnung, die durch die Linse der Videokamera 12 verwendet wird, die zweite Öffnung, die für das Beleuchtungssystem 26 verwendet werden kann, oder eine dritte Öffnung sein. Wenn das Kabel aus dem Gehäuse aus der ersten oder aus der zweiten Öffnung austritt und die erste oder zweite Öffnung mit einer Scheibe aus durchsichtigem Material abgedeckt ist, ist es wichtig, eine Kabeldurchführungsöffnung in der Scheibe für das Durchführen des Kabels vorzusehen. Es ist bevorzugt, dass das Kameragehäuse aus einem leichten Material besteht und nur so groß ist, dass die Videokamera 12 und wahlweise das vorher beschriebene Beleuchtungssystem 26 zweckdienlich untergebracht werden.
  • Wenn Wechselstrom als Stromquelle für die Videokamera 12 verwendet werden soll, ist es wichtig eine Öffnung vorzusehen, um das Stromkabel von der Videokamera 12 zu der Stromquelle zu führen. Jede erste, zweite oder dritte Öffnung kann dafür verwendet werden oder es kann eine vierte Öffnung verwendet werden. Wenn die Öffnung, die verwendet werden soll, von einer Scheibe aus durchsichtigem Material abgedeckt ist, ist es wichtig, eine zweite Kabeldurchführungsöffnung in der Scheibe für das Durchführen des Kabels vorzusehen. Alternativ können sowohl das Stromkabel als auch das Datenübertragungskabel durch eine einzige Kabeldurchführungsöffnung aus dem Gehäuse austreten.
  • Wahlweise kann das Kameragehäuse mit Merkmalen ausgestaltet sein, um das Ergreifen und Handhaben zu erleichtern, z. B. mit Griffen, Schwenkelementen usw. und/oder mit Merkmalen, um das Feststellen in einer Position ohne Ergreifen und Handhabung durch den Anwender zu erlauben, zum Beispiel neben anderen Merkmalen mit Halterungen für die Wandmontage, Deckenmontage oder Dreifußmontage. Wahlweise kann die Wand-, Decken- oder Dreifußmontage motorisierte Drehköpfe für das Einstellen des Kamerawinkels und der Brennweite einschließen.
  • Vorzugsweise kann das Kameragehäuse dazu ausgestaltet sein, leicht zu öffnen zu sein, um eine ausreichende Wartung der Videokamera 12 oder das Auswechseln einer Batterie zu erlauben, wenn Gleichstrom als Stromquelle für die Videokamera 12 verwendet wird. Eine Wartung des Beleuchtungssystems 26 ist ebenfalls erforderlich und wird durch dieselbe, leicht zu öffnende Ausgestaltung erlaubt, die für die Videokamera 12 beschrieben ist. Die leicht zu öffnende Ausgestaltung kann durch Verwendung von Schrauben, Klemmen oder anderen im Fachgebiet allgemein bekannten Elementen ausgeführt sein. Eine bequeme Wartung ist erwünscht, um die Ausfallzeit, die auftreten kann, zu minimieren.
  • Nachdem die Videobilddaten durch die Videokamera 12 fotografiert sind, werden sie in Echtzeit zu der Datenverarbeitungseinheit 16 übertragen. Die Daten können durch ein Übertragungskabel 14 oder durch eine drahtlose Datenübertragungseinrichtung (nicht dargestellt) übertragen werden. In den meisten Situationen ist das Übertragungskabel 14 wegen der überlegenen Abschirmung und der geringeren Kosten das bevorzugte Übertragungsmittel. In Situationen, in denen die Videokamera 12 und die Datenverarbeitungseinheit 16 weit voneinander entfernt sind, kann eine drahtlose Datenübertragungseinrichtung ein praktischeres Hilfsmittel für die Datenübertragung sein. Jede im Fachgebiet bekannte Datenübertragungstechnik kann verwendet werden.
  • Die Videobilddaten können von der Videokamera 12 entweder als analoge oder digitale Daten zu der Datenübertragungseinrichtung übermittelt werden. Bei der Übermittlung als analoge Daten ist es wichtig, die Daten in digitale Daten umzuwandeln, bevor sie verarbeitet werden, indem die Daten zu einer Hardwareeinrichtung (nicht dargestellt) oder zu einem Softwaremodul übertragen werden, die in der Lage sind, die Daten umzuwandeln. Ein solches Softwaremodul kann als ein "Videobild-Entnehmer" bezeichnet werden. Wenn die Videobilddaten als digitale Daten übermittelt werden, ist keine Umwandlung vor der Verarbeitung der Daten erforderlich.
  • Für die Zwecke der vorliegenden Erfindung ist eine "Datenverarbeitungseinheit" als einschließend, jedoch nicht darauf beschränkt, Tischcomputer, Laptop-Computer, Handcomputer und zweckbestimmte elektronische Einrichtungen definiert. Jede im Fachgebiet bekannte Datenverarbeitungseinheit kann in der vorliegenden Erfindung verwendet werden. In einer Ausführung der vorliegenden Erfindung kann die Datenverarbeitungseinheit 16 klein und leicht sein, um Tragbarkeit zu ermöglichen. In einer zweiten Ausführung der vorliegenden Erfindung kann die Datenverarbeitungseinheit 16 ein Mikrocomputer, ein Minicomputer oder ein nicht transportabler Großrechner sein. Die vorliegende Erfindung ist nicht auf eine spezielle Datenverarbeitungseinheit, einen speziellen Computer oder ein spezielles Betriebssystem beschränkt. Ein Ausführungsbeispiel, das jedoch nicht als einschränkend zu betrachten ist, ist ein PC-kompatibler Computer, der mit einem Betriebssystem, wie zum Beispiel DOS, Windows oder UNIX arbeitet. Die Wahl der Hardwareeinrichtung oder des Softwaremoduls für die Umwandlung von analogen Daten in digitale Daten für die Verwendung in der vorliegenden Erfindung ist von der Videokamera 12, der Datenverarbeitungseinheit 16 und von dem benutzten Betriebssystem abhängig. Bei Vorgabe dieser Begrenzungen ist die Wahl für Fachleute leicht durchzuführen.
  • Es ist weiterhin bevorzugt, dass die Datenverarbeitungseinheit 16 ein Softwaremodul aufweist, das RGB-Farbe in L*a*b*-Farbe umwandelt. Ein Beispiel für das Softwaremodul sind die Hunter Color Vision Systems (Hunter Associates Laboratory, Inc.).
  • Außer einem Kabelanschluss oder einer drahtlosen Datenübertragungseinheit zum Empfangen von Daten von der Videokamera 12, ist es auch bevorzugt, dass die Datenübertragungseinheit 16 andere Eingabeeinheiten aufweist, z. B. eine Tastatur, eine Maus oder einen Track-Ball, einen Lichtgriffel oder einen Berührungsbildschirm, einen Schreibstift usw., um zweckmäßige Anwenderoptionen hinsichtlich des Betriebes von Kamera und Software, Datenverarbeitung, Datenspeicherung, Programmausgabe usw. zu erlauben.
  • Es gibt verschiedene Teile von Software, für die es für die Datenverarbeitungseinheit 16 wichtig ist, dass sie in einer Programmspeichereinheit 20 gespeichert werden (Beispiele von Programmspeichereinheiten sind z. B. ein Festplattenlaufwerk, ein Diskettenlaufwerk, ein Magnetbandlaufwerk, ein Festwertspeicher, eine Kompaktspeicherplatte (CD-ROM)) und dass über eine Programmspeichereinheits-Schnittstelle 18 von der Programmspeichereinheit 20 auf sie zugegriffen und sie ausgeführt werden kann. Für die Datenverarbeitungseinheit 16 ist es wichtig, dass sie ein Betriebssystem und alle erforderlichen Softwaretreiber aufweist, um die Daten von der Videokamera 12 korrekt zu steuern und wiederaufzufinden und um die Ausgabe zu wenigstens einer Ausgabeeinheit 24 zu übertragen. Es ist für die Datenverarbeitungseinheit 16 wichtig, ein Programm oder Programme auszuführen, das (die) empfangene Videobilddaten verarbeiten kann (können), verschiedene Parameter des in den empfangenen Videobilddaten abgebildeten Muskels berechnen kann (können) und die Berechnungsergebnisse zu einer Ausgabeeinheit 24 ausgeben kann (können). Ein Code-Beispiel für ein solches Programm oder für solche Programme ist in einem Anhang hierzu enthalten. Ein Flussdiagramm-Beispiel für ein solches Programm oder solche Programme ist in 3 dargestellt.
  • Die Videobilddaten können hinsichtlich der Farbskalenparameter analysiert werden. Die Videobilddaten werden für die Farbskalenparameter L*, a* und b* analysiert, wie von der Commission Internationale d'Eclairage (CIE) definiert. Ein Satz von L*a*b*-Parametern wird für jedes Bild aufgezeichnet. L*, a* und b* sind Dimensionen eines dreidimensionalen Farbraums, der standardisiert ist, um wiederzugeben, wie die Farbe von Menschen wahrgenommen wird. Die L*-Dimension entspricht der Helligkeit (Schwarz entspricht einem wert von Null, Weiß einem Wert von 100). Die a*-Dimension entspricht den relativen Pegeln von Grün und Rot (Grün ist ein negativer Wert, Rot ist ein positiver Wert) und die b*-Dimension entspricht den relativen Pegeln von Blau und Gelb (Blau ist ein negativer Wert, Gelb ist ein positiver Wert). In einer bevorzugten Ausführung kann das System Videobilder in Pixelform von Flächen von 77 bis 2787 cm2 (12 bis 432 Quadratinches) des in Betracht kommenden Muskels aufnehmen, die aus bis zu 350000 Pixeln pro Messung bestehen können, und L*, a* und b* für jedes Pixel bestimmen. In allen Ausführungen ist es erwünscht, dass die Bestimmung von L*a*b* unter Verwendung des Umwandlungs-Softwaremoduls der Hunter Associates erfolgt. Nachdem der Wert von L*a*b* bestimmt ist, kann wenigstens eine der L*, a* und b*-Komponenten in der nachfolgenden Datenverarbeitung verwendet werden.
  • Nach der Bestimmung von L*, a* und b* für jedes Pixel berechnet dann ein Programm mehrere Parameter des Bildes für jedes Teilbild. Zuerst umreißt das Programm den in Betracht kommenden Muskel durch Wahl von Gebieten, welche Toleranzen von b* aufweisen, die mit dem Muskel kompatibel sind. Ein Sortieren von wenigstens einem Gebiet des Bildes in eine von zwei Klassifikationen, wie zum Beispiel in Muskel und Nicht-Muskel kann als eine "binäre Maske" bezeichnet werden. Gebiete mit Werten von b*, die mit dem in Betracht kommenden Muskel kompatibel sind, werden dann hinsichtlich ihrer L*- und a*-Werte für die Bestätigung und Zurückweisung von umgebenden Geweben überprüft, die auf den Umriss des in Betracht kommenden Muskels übergreifen. In Bereichen mit L*-, a*- und b*-Werten, die auf Knochen, Bindegewebe und Fett hinweisen, braucht keine weitere Überprüfung durchgeführt werden. Die Oberflächenfläche des Querschnitts des in Betracht kommenden Muskels wird bestimmt.
  • In dem Bereich des Bildes, das von dem in Betracht kommenden Muskel aufgenommen ist, können das magere Gewebe und das Fettgewebe des Muskels unterschieden und Grobwerte von L*, a* und b* für die mageren Gewebe des Muskels bestimmt werden. Diese Werte werden dann zu der Ausgabeeinheit 24 übertragen, um in einem numerischen Format angezeigt zu werden und/oder zurückgehalten, um die qualitäts- und ertragsbestimmenden Charakteristiken zu berechnen, wie es nachfolgend beschrieben wird. Es ist bekannt, dass höhere Werte von b* für magere Gewebe des Muskels mit größerer Zartheit korrelieren (Wulf u. a. 1996). Weiterhin kann auch die Fettfarbe von intermuskulärem Fett bestimmt werden.
  • Weiterhin können innerhalb des Bereiches des Bildes, das von dem in Betracht kommenden Muskel aufgenommen ist, Bestimmungen der Quantität, Verteilung, Streuung, Textur und Festigkeit der Marmorierung (intramuskuläres Fett, das in dem Muskel abgelagert ist) durchgeführt werden. Die Marmorierungsquantität kann durch Berechnung des Prozentsatzes der Muskelfläche mit L*-, a*- und b*-Werten, die mit Fettgewebe kompatibel sind, bestimmt werden.
  • Zusätzlich zu der Berechnung der Marmorierungsquantität kann die Verteilung und Streuung der Marmorierung bestimmt werden. Zuerst kann der Bereich des Bildes, der dem in Betracht kommenden Muskel entspricht, in Unterzellen gleicher Größe unterteilt werden. Es kann eine Größe von 64 × 48 Pixel verwendet werden. Innerhalb jeder Unterzelle kann die Anzahl der Marmorierungsflecken als die Anzahl der einzelnen Bereiche mit L*-, a*- und b*-Werten, die Fett entsprechen, bestimmt und die mittlere Anzahl der Marmorierungsflecke pro Unterzelle berechnet werden. Die Varianz der Anzahl der Marmorierungsflecken aller Unterzellen kann ebenfalls berechnet werden.
  • Weiterhin kann die mittlere Größe jedes Marmorierungsflecks über den in Betracht kommenden Muskel aus der Anzahl der Pixel in jedem einzelnen Bereich mit L*-, a*- und b*-Werten, die Fett entsprechen, bestimmt werden. Die Varianz der Marmorierungsgröße über alle Marmorierungsflecken kann ebenfalls berechnet werden.
  • Weiterhin können die Textur und die Feinheit der Marmorierung gemessen werden. Es ist gut bekannt, dass allgemein größere Mengen von gleichförmiger verteilter und feiner texturierter Marmorierung eine höhere Marmorierungsbewertung und somit Fleisch höherer Verzehrqualität darstellen.
  • Das Programm kann auch L*-, a*- und b*-Daten verwenden, um die mittlere Textur, d. h. die Querschnittsoberflächenrauhigkeit des Muskels und auch die Festigkeit des mageren Gewebes des Muskelquerschnitts berechnen. Es ist gut bekannt, dass die Querschnittsoberflächenrauhigkeit eines Muskels invers mit der Zartheit korreliert und dass eine größere Festigkeit mit der Schmackhaftigkeit korreliert.
  • Zusammengefasst sind die Charakteristiken des mageren Abschnitts des Fleisches 10, die gemessen werden können, jedoch nicht darauf eingeschränkt, die Farbe des mageren Gewebes, die Farbe des Fettgewebes, eine Marmorierungsquantität, eine Marmorierungsverteilung, eine Marmorierungsstreuung, eine Marmorierungstextur, eine Marmorierungsfeinheit, eine mittlere Textur des mageren Gewebes, eine Festigkeit des mageren Gewebes und eine Oberfläche des mageren Abschnitts. Die Quantitäten des nicht-mageren Abschnitts des Fleisches 10, die ebenfalls berechnet werden können, jedoch nicht darauf eingeschränkt, sind die Farbe des Fettes und die relativen Flächen der Querschnittsflächen, die Fett, Knochen und/oder Bindegewebe darstellen. Andere Charakteristiken, die von Fachleuten der Fleischwissenschaft leicht zu erkennen sind und die den Geschmack vorhersagen, können aus den Werten von L*, a* und b* durch das Programm berechnet werden und jede dieser Charakteristiken ist als in den Schutzumfang der vorliegenden Erfindung fallend zu betrachten.
  • Nachdem die Werte der verschiedenen vorher beschriebenen Parameter berechnet sind, kann das Programm die berechneten Werte jeder der vorher angeführten Charakteristiken, wie Farbe des mageren Gewebes, die Farbe des Fettgewebes, Ausmaß der Marmorierung, mittlere Anzahl der Marmorierungsflecken pro Flächenein heit, Varianz der Marmorierungsflecken pro Flächeneinheit, mittlere Größe der Marmorierung, Varianz der mittleren Größe der Marmorierung, Textur und Feinheit der Marmorierung, mittlere Textur des mageren Gewebes und Festigkeit des mageren Gewebes, zu der Ausgabeeinheit 24 ausgeben. Vorzugsweise werden die berechneten Werte der Charakteristiken bei der Ausgabe als alphanumerische Zeichen angezeigt, die durch den Anwender leicht zu lesen sind. Alternativ oder zusätzlich zu dem Ausgeben der werte der Charakteristiken zu einer Ausgabeeinheit 24, können weitere Berechnungen unter Verwendung von wenigstens einem der Werte ausgeführt und wahlweise Parameter durch den Anwender eingegeben werden, um eingeschätzte Qualitätsstufen oder andere allgemeine Kennwerte des Geschmacks von gekochtem Fleisch abzuleiten, die dann ausgegeben werden können.
  • Weiterhin kann, weil ein spezifischer in Betracht kommender Muskel in einem Querschnittsbild isoliert wurde und die Geometrie und die Entfernung der Vorrichtung relativ zu dem Fleisch 10 bekannt sein können, die Querschnittsfläche des Muskelbereiches des Fleisches 10 berechnet und zu der Ausgabeeinheit 24 ausgegeben werden. Alternativ oder zusätzlich zu dem Ausgeben der Fläche zu einer Ausgabeeinheit 24 können weitere Berechnungen unter Verwendung der Querschnittsfläche des Muskels ausgeführt werden. Andere Parameter sind von Fachleuten der Fleischwissenschaft leicht als aus den L*-, a*-, b*-Daten berechenbar und/oder als Werte von Parametern, die durch den Anwender eingegeben werden, um eingeschätzte Ertragsgrade oder andere Gesamtkennwerte der Zusammensetzung des Fleisches 10 abzuleiten, zu erkennen.
  • Die von dem Programm zusammengestellten Ergebnisse können zu einer Ausgabeeinheit 24, wie zum Beispiel zu einem Bildschirm, Drucker, Lautsprecher usw. ausgegeben werden. Wenn eine Bewertung der Ergebnisse durch den Anwender erwünscht ist, können die Ergebnisse vorzugsweise auf einem Bildschirm angezeigt werden. Vorzugsweise ist der Bildschirm für den Qualitätsprüfer, Bewerter oder Anwender an seinem oder ihrem Standpunkt leicht sicht bar. Alternativ oder zusätzlich wird es vorgezogen, diese Ergebnisse in einer solchen Art und Weise auszudrucken oder auszugeben, dass die ausgegebenen Ergebnisse auf das Fleisch 10 übertragen und befestigt werden können. Die Art und Weise der Ausgabe der Ergebnisse kann in Form von Text, Symbolen oder figürlichen grafischen Darstellungen erfolgen, die von dem Personal entweder in der Verpackungsanlage oder an späteren Stellen in dem Fleischproduktionssystem lesbar sind. Alternativ kann die Art und Weise der Ausgabe der Ergebnisse ein Strichcode oder ein anderes Objekt sein, das durch eine geeignete Ausrüstung gelesen und in Formen decodiert wird, die durch das Personal an den verschiedenen Stellen in dem Produktionssystem lesbar sind. Die ausgegebenen Ergebnisse können durch Verfahren an dem Fleisch 10 befestigt werden, die im Fachgebiet gut bekannt sind, die Stifte, Heftklammern und Klebstoff einschließen, jedoch nicht darauf eingeschränkt sind.
  • Die Stromquelle der Datenverarbeitungseinheit 16 kann entweder Gleichstrom, d. h. eine Batterie, oder Wechselstrom sein, der eine Steckdose entnommen wird.
  • In der Ausführung, in der die Datenverarbeitungseinheit 16 für die Verwendung in der vorliegenden Vorrichtung bestimmt ist, kann sie in einem Datenverarbeitungseinheitsgehäuse oder in dem Kameragehäuse angebracht sein oder sie kann ohne Gehäuse angebracht sein. In der Ausführung, in der die Datenverarbeitungseinheit 16 ein Mikrocomputer, Minicomputer oder eine Großrechenanlage in der Fabrik oder Einrichtung ist, in welcher die Vorrichtung zur Anwendung kommt, ist ein Gehäuse nicht erforderlich. In der Ausführung, in der die Datenverarbeitungseinheit 16 eine separate, alleinstehende, tragbare Einheit ist, ist sie vorzugsweise in einem Datenverarbeitungseinheitsgehäuse angeordnet.
  • Für das Datenverarbeitungseinheitsgehäuse ist es wichtig, eine Öffnung oder Öffnungen für die Ausgabe von Daten oder für die Anzeige von Daten durch die Ausgabeeinheit 24 vorzusehen. Wenn zum Beispiel die Anzeige unter Verwendung eines Videobildschirms durchgeführt werden soll, der in die Datenverarbeitungseinheit 16 eingebaut ist, ist es für das Datenverarbeitungseinheitsgehäuse wichtig, dass eine Öffnung für das Beobachten des Videobildschirms dadurch vorgesehen ist. Eine solche Öffnung kann offen sein oder durch eine Scheibe aus durchsichtigem Material, wie zum Beispiel Glas, Kunststoff, usw. verdeckt sein. Wenn die Anzeige durch eine äußere Einheit durchgeführt werden soll, z. B. einen entfernt angeordneten Bildschirm oder Drucker, ist es für das Datenverarbeitungseinheitsgehäuse wichtig, dass eine Öffnung für das Durchführen eines Kabels dadurch vorgesehen ist. Wenn die Datenverarbeitungseinheit 16 mit Wechselstrom betrieben wird, ist es für das Datenverarbeitungseinheitsgehäuse wichtig, dass eine Öffnung für das Durchführen eines Kabels dadurch vorgesehen ist. Wenn es erwünscht ist, Ausgaben für ein internes Diskettenlaufwerk zu speichern, ist es für das Datenverarbeitungseinheitsgehäuse wichtig, dass eine Öffnung dadurch für das Einsetzen der Disketten in das interne Diskettenlaufwerk und das Entfernen daraus vorgesehen ist. Wenn es erwünscht ist, Ausgaben für eine externe Programmspeichereinheit 20 zu speichern, ist es für das Datenverarbeitungseinheitsgehäuse wichtig, dass eine Öffnung dadurch für das Durchführen eines Datenübertragungskabels vorgesehen ist.
  • Wenn die Datenverarbeitungseinheit 16 eine alleinstehende Einheit ist, sollte das Datenverarbeitungseinheitsgehäuse vorzugsweise nur so groß sein, dass die Datenverarbeitungseinheit 16 hineinpasst und sie sollte vorzugsweise leicht sein. Wahlweise kann das Datenverarbeitungseinheitsgehäuse mit Merkmalen ausgestaltet sein, um einem Anwender eine leichtere Handhabung zu erlauben, zum Beispiel mit Griffen. In der vorliegenden Ausführung ist es auch bevorzugt, dass das Datenverarbeitungseinheitsgehäuse leicht geöffnet werden kann, um eine bequeme Wartung der Datenverarbeitungseinheit 16 zu erlauben. Die Ausgestaltung für das leichte Öffnen kann so durch Einrichtungen erreicht werden, wie sie für das Kameragehäuse "oben" beschrieben sind.
  • Die vorher beschriebene Vorrichtung kann bei Verfahren zur Vorhersage des Geschmacks und/oder des Ertrags, oder bei der Unterstützung der Zuordnung von USDA-Qualitätsstufen von Fleisch-Tierrümpfen oder Stücken davon oder für das Sortieren für andere Zwecke (z. B. Markennamen, Produktlinien usw.) verwendet werden. Der erste Schritt beinhaltet das Sammeln von Videobilddaten von dem Fleisch 10 unter Verwendung der Videokamera 12. Der zweite Schritt beinhaltet das Verarbeiten der Videobilddaten unter Verwendung der Datenverarbeitungseinheit 16. Der dritte Schritt beinhaltet die Verwendung der Ergebnisse des Verarbeitungsschrittes bei der Protokollierung der qualitätsbestimmenden Charakteristiken, die verwendet werden kann, um die USDA-Qualitätsprüfer bei der Zuordnung von USDA-Qualitätsstufen, beim Zusammenstellen der Muskelquerschnittsflächen, das verwendet werden kann, um die USDA-Qualitätsprüfer bei der Zuordnung von USDA-Ertragsgraden und/oder beim Sortieren des Fleisches 10 auf der Basis spezifischer Forderungen, zum Beispiel eines Markennamens oder eines Produktlinienprogramms zu unterstützen. Unter Verwendung dieses Verfahrens kann die begrenzte Zeit des Qualitätsprüfers oder des Anwenders für das Analysieren des Fleisches 10 auf die Prüfparameter konzentriert werden, die am leichtesten durch eine Person überprüft werden können. Das versorgt den Qualitätsprüfer oder Anwender mit mehr Daten für jede Probe des Fleisches 10 in der gleichen Zeit und ermöglicht eine genauere Vorhersage des Geschmacks und Zuordnung der Qualitätsstufe und des Ertragsgrades, als es derzeitig möglich ist. Weiterhin erlaubt es das vorliegende Verfahren die erforderlichen Berechnungen schneller und genauer durchzuführen, als es gegenwärtig möglich ist.
  • Beispiel 1
  • Trennen von Rinderrümpfen mit sehr geringen Wahrscheinlichkeiten von Zartheitsproblemen.
  • Eine Gesamtzahl von 324 Rinderrümpfen wurde in einem Arbeitsdurchgang geprüft, um eine Unteranzahl von Rümpfen mit sehr ge ringen Wahrscheinlichkeiten (≤ 0,0003) des Aufweisens von Ribeye-Scherkraftwerten von 4,5 kg oder mehr und nachfolgend von nicht akzeptablen zähen Verzehr-Stücken auszusondern. Von den 324 Rümpfen wurde 200 zertifiziert, dass sie den vorher angeführten Zartheitsstandard aufweisen.
  • Von den 324 Stück wurden 17 Stück für die Unteranzahl mit zartem Fleisch auf der Basis von von Fachleuten (Rinderwissenschaftlern oder USDA-Qualitätsüberwachungsspezialisten) bestimmten Marmorierungsbewertungen von mäßig zart, mittelmäßig zart und sehr zart, den drei höchsten Marmorierungsgraden in den Standards der Vereinigten Staaten für die Gütegrade von Rumpf-Rindfleisch, vorausgewählt.
  • In einem zweiten Vorauswahlschritt wurden 41 Stück der verbliebenen 307 auf der Basis der L*-, a*-, b*-Farbwerte vorausgewählt. Diese Rümpfe zeigten eine zweite grundsätzliche Komponente von mageren L*-, a*- und b*-Werten von weniger als –0,70. Es wurde beobachtet, dass solche geringen Werte der kombinierten Variablen konsistent eine ausreichende Zartheit des nachfolgend gekochten mageren Gewebes zeigten.
  • Drittens wurden 19 der restlichen 266 Stück auf der Grundlage der Marmorierungsverteilung vorausgewählt. Die Marmorierungsverteilung wurde bestimmt und die Varianz der Marmorierungsverteilung durch eine Vorrichtung der vorliegenden Erfindung berechnet. Es wurde beobachtet, dass eine Varianz der Marmorierungsverteilung von weniger als 1,1 konsistent eine ausreichende Zartheit des nachfolgend gekochten mageren Gewebes zeigten (d. h. einen Scherkraftwert von weniger als 4,5 kg).
  • Im abschließenden Schritt wurden die Zartheitswerte für jedes der restlichen 247 Stücke unter Verwendung einer Mehrfach-Regressionsgleichung unter Verwendung von CIE a*-werten für mageres Gewebe und Fett sowie eines maschinengemessenen, zum Quadrat erhobenen Marmorierungsprozentsatzes vorhergesagt. Die Mehrfach-Regressionsgleichung ergab, dass für 123 der 247 Rümpfe vorher gesagt wurde, dass sie eine Wahrscheinlichkeit von 0,0003 haben, nicht zart zu sein. Diese 123 Rümpfe wurden dann von den 77 getrennt, die vorausgewählt waren und als zart zertifiziert. Die restlichen Rümpfe wiesen eine normale Wahrscheinlichkeit von 0,117 dafür auf, dass sie Scherkräfte größer als 4,5 kg aufweisen.
  • Die Ergebnisse zeigen, dass das System in der Lage ist, Gruppen von Rinderrümpfen mit sehr geringen Wahrscheinlichkeiten eine nicht akzeptable Zartheit aufzuweisen, auszusondern.

Claims (21)

  1. Verfahren zur Vorhersage des Geschmacks von Fleisch, bei dem: Farbvideobilddaten, die sich auf wenigstens einen Bereich des Fleisches beziehen, bereitgestellt werden, die Videobilddaten analysiert werden, um wenigstens einen mageren Abschnitt des Fleisches von einem nicht-mageren Abschnitt des Fleisches zu unterscheiden, die dem mageren Abschnitt entsprechenden Videobilddaten analysiert werden, eine Charakteristik des mageren Abschnitts auf Grundlage der Videobilddaten gemessen wird, und die Charakteristik mit dem Geschmack des Fleisches korreliert wird, wobei das Analysieren der Videobilddaten zum Unterscheiden von wenigstens einem mageren Abschnitt des Fleisches von einem nicht-mageren Abschnitt des Fleisches den Vergleich der Farbe eines ersten Bereichs der Videobilddaten mit der Farbe eines zweiten Bereichs der Videobilddaten beinhaltet und wobei der Vergleich die Berechnung von wenigstens einer der L*, b* und a* Farbkomponenten der Videobilddaten umfaßt.
  2. Verfahren nach Anspruch 1, wobei die Videobilddaten eine Vielzahl von Pixeln enthalten und die Berechnung von wenigstens einer der L*, b* und a* Farbkomponenten eine solche Berechnung für jeden Pixel umfaßt.
  3. Verfahren nach Anspruch 1, wobei die Bereitstellung der Videobilddaten das Fotografieren von wenigstens einem Bereich des Fleischs umfaßt.
  4. Verfahren nach Anspruch 1, wobei die Bereitstellung der Videobilddaten die Beleuchtung von wenigstens einem Bereich des Fleisches umfaßt.
  5. Verfahren nach Anspruch 1, wobei der magere Abschnitt mageres Gewebe und Fettgewebe enthält und die Messung der Charakteristik des mageren Abschnitts die Unterscheidung von magerem Gewebe und Fettgewebe beinhaltet.
  6. Verfahren nach Anspruch 5, wobei die Unterscheidung des mageren Gewebes von dem Fettgewebe den Vergleich der Farbe eines ersten Bereichs der Videobilddaten mit der Farbe eines zweiten Bereichs der Videobilddaten umfaßt.
  7. Verfahren nach Anspruch 6, wobei die Videobilddaten eine Vielzahl von Pixeln enthalten und die Berechnung von wenigstens einer der L*, b* und a* Farbkomponenten eine solche Berechnung für jeden Pixel umfaßt.
  8. Verfahren nach Anspruch 6, wobei das Messen einer Charakteristik des mageren Abschnitts die Messung von wenigstens einem aus der Farbe des mageren Gewebes, der Farbe des Fettgewebes, einer Marmorierungsquantität, einer Marmorierungsverteilung, einer Marmorierungsstreuung, einer Marmorierungstextur, einer Marmorierungsfeinheit, einer mittleren Textur des mageren Gewebes, einer Festigkeit des mageren Gewebes, einer Oberflächenfläche des mageren Abschnitts, und den Werten des nicht-mageren Abschnitts umfaßt.
  9. Verfahren nach Anspruch 1, wobei das Analysieren der Videobilddaten zur Unterscheidung des mageren Abschnitts von dem nicht-mageren Abschnitt beinhaltet, den mageren Bereich von wenigstens einem aus einem fetten Bereich, einem Knochenbereich und einem Bindegewebebereich zu unterscheiden.
  10. Verfahren nach Anspruch 1, das weiter die Bestimmung einer Güteklasse für das Fleisch auf Grundlage der Charakteristik beinhaltet.
  11. Verfahren nach Anspruch 1, das weiter die Bestimmung einer Ertragsklasse für das Fleisch auf Grundlage der Charakteristik beinhaltet.
  12. Vorrichtung zur Vorhersage des Geschmacks von Fleisch, mit: einer Videokamera, die dazu angepaßt ist, Farbvideobilddaten von wenigstens einem Bereich des Fleisches zur Verfügung zu stellen, einer Datenverarbeitungseinheit, die dazu angepaßt ist, Programmbefehle auszuführen, einer Programmspeichereinheit, in der Programmbefehle gespeichert sind, die, wenn sie ausgeführt werden, ein Verfahren zur Vorhersage des Geschmacks von Fleisch ausführen, wobei bei dem Verfahren: die Videobilddaten analysiert werden, um wenigstens einen mageren Abschnitt des Fleisches von einem nicht-mageren Abschnitt des Fleisches zu unterscheiden, die dem mageren Abschnitt entsprechenden Videobilddaten analysiert werden, eine Charakteristik des mageren Abschnitts auf Grundlage der Videobilddaten gemessen wird, und die Charakteristik mit dem Geschmack des Fleisches korreliert wird, wobei die Analyse der Videobilddaten zur Unterscheidung von wenigstens einem mageren Abschnitt des Fleisches von einem nicht-mageren Abschnitt des Fleisches den Vergleich der Farbe eines ersten Bereichs der Videobilddaten mit der Farbe eines zweiten Bereichs der Videobilddaten beinhaltet und wobei der Vergleich die Berechnung von wenigstens einer der L*, b* und a* Farbkomponenten der Videobilddaten umfaßt.
  13. Vorrichtung nach Anspruch 12, wobei die Videobilddaten analoge Daten umfassen und wobei das Verfahren weiterhin beinhaltet, die analogen Daten in digitale Daten umzuwandeln.
  14. Vorrichtung nach Anspruch 12, wobei die Videobilddaten eine Vielzahl von Pixeln enthalten und die Berechnung von wenigstens einer der L*, b* und a* Farbkomponenten eine solche Berechnung für jeden Pixel umfaßt.
  15. Vorrichtung nach Anspruch 12, das weiter ein Beleuchtungssystem umfaßt, das dazu angepaßt ist, wenigstens einen Bereich des Fleischs zu beleuchten.
  16. Vorrichtung nach Anspruch 12, wobei der magere Abschnitt mageres Gewebe und Fettgewebe enthält und das Messen der Charakteristik des mageren Abschnitts bei dem Verfahren die Unterscheidung von magerem Gewebe von dem Fettgewebe beinhaltet.
  17. Vorrichtung nach Anspruch 16, wobei das Unterscheiden des mageren Gewebes von dem Fettgewebe bei dem Verfahren beinhaltet, die Farbe eines ersten Bereichs der Videobilddaten mit der Farbe eines zweiten Bereichs der Videobilddaten zu vergleichen.
  18. Verfahren nach Anspruch 12, wobei das Messen einer Charakteristik des mageren Abschnitts in dem Verfahren beinhaltet, wenigstens eines aus der Farbe des mageren Gewebes, der Farbe des Fettgewebes, einer Mamorierungsquantität, einer Mamorierungsverteilung, einer Mamorierungsstreuung, einer Mamorierungstextur, einer Mamorierungsfeinheit, einer mittleren Textur, einer Festigkeit des mageren Gewebes, einer Oberflächenfläche des mageren Abschnitts und den Werten des nicht-mageren Abschnitts zu messen.
  19. Vorrichtung nach Anspruch 12, wobei das Analysieren der Videobilddaten zur Unterscheidung des mageren Abschnitts von dem nicht-mageren Abschnitt bei dem Verfahren es beinhaltet, den mageren Bereich von wenigstens einem aus einem Fettbereich, einem Knochenbereich und einem Bindegewebebereich zu unterscheiden.
  20. Vorrichtung nach Anspruch 12, wobei das Verfahren weiter die Bestimmung einer Güteklasse für das Fleisch auf Grundlage der Charakteristik beinhaltet.
  21. Vorrichtung nach Anspruch 12, wobei das Verfahren weiter die Bestimmung einer Ertragsklasse für das Fleisch auf Grundlage der Charakteristik beinhaltet.
DE69910182T 1998-02-20 1999-02-18 Fleischfarbbilderzeugungssystem zum voraussagen des geschmackes und ertrages Expired - Fee Related DE69910182T2 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US7551798P 1998-02-20 1998-02-20
US75517P 1998-02-20
PCT/US1999/003477 WO1999042823A1 (en) 1998-02-20 1999-02-18 Meat color imaging system for palatability and yield prediction

Publications (2)

Publication Number Publication Date
DE69910182D1 DE69910182D1 (de) 2003-09-11
DE69910182T2 true DE69910182T2 (de) 2004-06-03

Family

ID=22126292

Family Applications (1)

Application Number Title Priority Date Filing Date
DE69910182T Expired - Fee Related DE69910182T2 (de) 1998-02-20 1999-02-18 Fleischfarbbilderzeugungssystem zum voraussagen des geschmackes und ertrages

Country Status (8)

Country Link
US (1) US6198834B1 (de)
EP (1) EP1060391B1 (de)
AT (1) ATE246805T1 (de)
AU (1) AU755764B2 (de)
BR (1) BR9908065A (de)
CA (1) CA2322037C (de)
DE (1) DE69910182T2 (de)
WO (1) WO1999042823A1 (de)

Families Citing this family (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2780790B1 (fr) * 1998-07-03 2000-08-18 Vitreenne Abattage Procede et dispositif de prediction de la tendrete d'une viande sur le site de transformation a l'aide d'informations biologiques et/ou physico-chimiques et de mesures optiques dans le domaine du visible et du proche infrarouge
DE19837806C1 (de) * 1998-08-20 2000-01-20 Csb Syst Software Entwicklung Verfahren zur Bewertung von Schlachttierhälften durch optische Bildverarbeitung
US6563904B2 (en) 2000-12-01 2003-05-13 Fmc Technologies, Inc. Apparatus and method for detecting and removing undesirable material from workpieces
DE10109586A1 (de) * 2001-02-28 2002-09-05 Philips Corp Intellectual Pty Verfahren und Vorrichtung zur Bildverarbeitung von Röntgenaufnahmen
US20070104840A1 (en) * 2001-05-03 2007-05-10 Singer Michael G Method and system for the determination of palatability
US6751364B2 (en) 2001-10-15 2004-06-15 Tyson Fresh Meats, Inc. Image analysis systems for grading of meat, predicting quality of meat and/or predicting meat yield of an animal carcass
WO2003034059A1 (en) * 2001-10-18 2003-04-24 Machinery Developments Limited Apparatus and process for analyzing cuts of meat
US6992771B2 (en) * 2001-11-28 2006-01-31 Battelle Memorial Institute Systems and techniques for detecting the presence of foreign material
US6997089B2 (en) 2002-06-25 2006-02-14 Formax, Inc. Optical grading system for slicer apparatus
US6974373B2 (en) 2002-08-02 2005-12-13 Geissler Technologies, Llc Apparatus and methods for the volumetric and dimensional measurement of livestock
US7039220B2 (en) * 2002-08-14 2006-05-02 C-Scan, L.L.P. Methods and apparatus for the dimensional measurement of livestock using a single camera
US7373217B2 (en) * 2003-04-08 2008-05-13 Hormel Foods, Llc Apparatus for slicing a food product and method therefore
US20040236191A1 (en) * 2003-05-19 2004-11-25 Poliska Steven A. System and method for identifying and labeling livestock products, and managing data associated with those products
US6877460B1 (en) * 2003-11-14 2005-04-12 Pheno Imaging, Inc. Animal sorting and grading system using MRI to predict maximum value
CA2552870A1 (en) * 2004-01-09 2005-08-04 Loretta A. Martinez Brand recognition system
DE102004047773A1 (de) * 2004-09-27 2006-04-06 Horst Eger Verfahren zur Bestimmung physiologischer Grössen eines Schlachttierkörpers
DE102004055351B4 (de) * 2004-11-17 2006-09-07 Csb-System Ag Gewinnung von Daten zum Klassifizieren von Schlachttierkörpern sowie zur Bestimmung von Qualitäten und Quantitäten derselben
AU2007203535B2 (en) * 2005-02-08 2012-09-06 Cargill, Incorporated Meat Sortation
CA2597071C (en) 2005-02-08 2013-07-30 Cargill, Incorporated Meat sortation
US7444961B1 (en) * 2005-04-11 2008-11-04 Ellis James S Animal sorting and grading system using an internal evaluation to predict maximum value
US7918718B2 (en) * 2005-05-31 2011-04-05 Slagteriernes Forskningsinstitut Method and facility for automatically determining quality characteristics of a carcass on a slaughterline
EP1915240B1 (de) * 2005-06-24 2014-04-30 AEW Delford Systems Limited Zweifarben-bilderkennungssystem
GB0512877D0 (en) * 2005-06-24 2005-08-03 Aew Delford Group Ltd Improved vision system
WO2007111712A2 (en) * 2005-11-22 2007-10-04 Tenera Technology, Llc Ultrasonic grading of meat tenderness
US7613330B2 (en) 2006-04-03 2009-11-03 Jbs Swift & Company Methods and systems for tracking and managing livestock through the production process
US9159126B2 (en) 2006-04-03 2015-10-13 Jbs Usa, Llc System and method for analyzing and processing food product
NZ546808A (en) * 2006-04-26 2007-12-21 Inst Of Geol & Nuclear Science Evaluation of meat tenderness
US8280144B2 (en) * 2007-02-21 2012-10-02 Goldfinch Solutions, Llc System and method for analyzing material properties using hyperspectral imaging
US8260005B2 (en) * 2007-03-30 2012-09-04 Universidad De Santiago De Chile Portable tool for determining meat quality
WO2008127726A1 (en) * 2007-04-13 2008-10-23 Winterlab Limited System and method for determining the kosher status of fish
US20100086655A1 (en) * 2007-05-23 2010-04-08 Michaeal G Singer Process of selecting a preparation method, a packaging and shipping method, or other dispostion of a foodstuff, and process of determining if a foodstuff is fresh or has previously been frozen
US8068899B2 (en) * 2007-07-03 2011-11-29 The Board Of Trustees Of The Leland Stanford Junior University Method and system of using intrinsic-based photosensing with high-speed line scanning for characterization of biological thick tissue including muscle
WO2009005828A1 (en) * 2007-07-03 2009-01-08 Tenera Technology, Llc Imaging method for determining meat tenderness
CA2723452C (en) * 2008-05-05 2017-02-14 Biotronics, Inc. Systems, methods and devices for use in assessing carcass grading
US8135179B2 (en) * 2008-05-05 2012-03-13 Biotronics, Inc. Systems, methods and devices for use in assessing fat and muscle depth
US8472675B2 (en) * 2008-05-05 2013-06-25 Biotronics, Inc. Systems, methods and devices for use in filter-based assessment of carcass grading
US8447075B2 (en) * 2008-05-05 2013-05-21 Biotronics, Inc. Systems, methods and devices for using ultrasonic probe pressure information in assessing muscle tissue quality
MX2008013791A (es) * 2008-10-16 2010-05-17 Dino Alejandro Pardo Guzman Dispositivo m?vil y m?todo de clasificaci?n universal interactivo para carnes por visi?n artificial.
AU2010203357B2 (en) 2009-01-10 2014-07-10 Carne Tender, Llc System and method for analyzing properties of meat using multispectral imaging
KR20120000071A (ko) 2009-02-27 2012-01-03 보디 설피스 트랜스레이션 인크. 삼차원 표현들을 사용한 물리적 파라미터들의 추정
US20110128373A1 (en) * 2009-11-28 2011-06-02 Tenera Technology, Llc Determining Meat Tenderness
US8977340B2 (en) 2010-02-09 2015-03-10 Dartmounth College System and method for collection and use of magnetic resonance data and microwave data to identify boundaries of interest
WO2012149654A1 (en) * 2011-05-02 2012-11-08 Agridigit Inc Evaluation of animal products based on customized models
DK177704B1 (da) * 2012-11-22 2014-03-24 Attec Danmark As Fremgangsmåde og middel til kontrol af og mulighed for fjernelse af fremmedlegemer i fødevarer
US9699447B2 (en) 2012-11-26 2017-07-04 Frito-Lay North America, Inc. Calibration of a dynamic digital imaging system for detecting defects in production stream
DE102013008003B4 (de) * 2013-05-08 2015-03-19 Freshdetect Gmbh Messgerät zum Messen eines Oberflächenbelags auf einem Messobjekt, insbesondere auf einem Lebensmittel, und dessen Verwendung
ES2477840B1 (es) * 2014-01-20 2015-02-27 Lenz Instruments S.L. Procedimiento para determinar parámetros de calidad en productos cárnicos e instalación correspondiente
US20160356704A1 (en) * 2015-06-07 2016-12-08 Purdue Research Foundation Nondestructive meat tenderness assessment
CN109069007A (zh) 2016-03-08 2018-12-21 泽博拉医疗科技公司 皮肤疾病的非侵入式检测
EP3614915A4 (de) 2017-04-28 2021-01-20 Enspectra Health, Inc. Systeme und verfahren zur bildgebung und messung von sarkomeren
US10682018B2 (en) * 2017-09-02 2020-06-16 Anas Alfarra Automated food preparation and dispensing
WO2019237120A1 (en) * 2018-06-08 2019-12-12 Birko Corporation Artificial animal protein cleaning diagnostic system
NL2021647B1 (nl) * 2018-09-17 2020-05-06 Vitelco B V Computer vision systeem voor de classificatie van bevleesdheid en vetheid van een karkas
US11375739B2 (en) 2018-10-10 2022-07-05 MP Equipment, LLC Method of removing tissue from food product
US10863724B2 (en) * 2018-12-11 2020-12-15 Animal Health Analytics, Inc System and method for tracking and scoring animal health and meat quality
WO2020161229A1 (en) * 2019-02-06 2020-08-13 Marel Salmon A/S Imaging based portion cutting
EP3952657A4 (de) 2019-04-08 2023-04-19 Provisur Technologies, Inc. Vorrichtung und verfahren zum schneiden von fleischprodukten in fleischblöcke
US11436716B2 (en) * 2019-04-19 2022-09-06 Canon Kabushiki Kaisha Electronic apparatus, analysis system and control method of electronic apparatus
JP7271286B2 (ja) * 2019-04-19 2023-05-11 キヤノン株式会社 電子機器およびその制御方法
JP7125802B1 (ja) * 2021-06-15 2022-08-25 有限会社 ワーコム農業研究所 牛肉品質判定装置
US11803958B1 (en) 2021-10-21 2023-10-31 Triumph Foods Llc Systems and methods for determining muscle fascicle fracturing
CN115620283B (zh) * 2022-11-17 2023-04-28 武汉理工大学 基于计算机视觉的猪肉大理石纹表型数据测量方法及装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2728717C2 (de) * 1977-06-25 1983-11-10 Pfister Gmbh, 8900 Augsburg Verfahren und Vorrichtung zur berührungsfreien Bestimmung von Qualitätsmerkmalen eines Prüfobjektes der Fleischwaren-Kategorie, insbesondere eines Schlachttierkörpers oder Teilen davon
DE3047490A1 (de) * 1980-12-17 1982-10-21 Pfister Gmbh, 8900 Augsburg Verfahren zur beruehrungsfreien bestimmung von qualitaetsmerkmalen eines pruefobjektes der fleischwaren-kategorie
GB8604751D0 (en) * 1986-02-26 1986-04-03 Analytical Instr Ltd Colour analyser
EP0636262B1 (de) * 1992-04-13 2001-01-03 Meat & Livestock Australia Limited Fleisch-bildanalyse.
WO1994000997A1 (en) 1992-07-03 1994-01-20 Paul Bernard David Newman A quality control and grading system for meat
GB9215866D0 (en) 1992-07-25 1992-09-09 Aew Int Ltd Measurement device
US5339815A (en) * 1992-12-22 1994-08-23 Cornell Research Foundation, Inc. Methods and apparatus for analyzing an ultrasonic image of an animal or carcass
US5960105A (en) * 1993-05-03 1999-09-28 Kansas State University Research Foundation Measurement of intramuscular fat in cattle
US5398290A (en) 1993-05-03 1995-03-14 Kansas State University Research Foundation System for measurement of intramuscular fat in cattle
WO1995021375A1 (en) * 1994-02-01 1995-08-10 Tulip International A/S System, apparatus and method for on-line determination of quality characteristics of pieces of meat, and arrangement for illumination of pieces of meat
US5474085A (en) 1994-02-24 1995-12-12 University Of Prince Edward Island Remote thermographic sensing of livestock
AUPN660195A0 (en) 1995-11-16 1995-12-07 Life Resources Systems Pty Ltd Novel apparatus and method for determining meat characteristics
BR9711229A (pt) * 1996-08-23 2001-11-06 United Kingdom Government Processo e aparelho para usar análise de imagem para determinar caracterìsticas de carne e carcaça

Also Published As

Publication number Publication date
EP1060391A1 (de) 2000-12-20
ATE246805T1 (de) 2003-08-15
CA2322037C (en) 2006-04-25
BR9908065A (pt) 2001-11-13
CA2322037A1 (en) 1999-08-26
US6198834B1 (en) 2001-03-06
AU755764B2 (en) 2002-12-19
EP1060391B1 (de) 2003-08-06
DE69910182D1 (de) 2003-09-11
AU2771799A (en) 1999-09-06
WO1999042823A1 (en) 1999-08-26

Similar Documents

Publication Publication Date Title
DE69910182T2 (de) Fleischfarbbilderzeugungssystem zum voraussagen des geschmackes und ertrages
AU665683B2 (en) Image analysis for meat
DE69731212T2 (de) Verfahren und vorrichtung zur verwendung von bildanalyse zur feststellung von fleisch- und schlachttierkörpereigenschaften
CN102156129B (zh) 一种基于机器视觉的牛肉品质智能分级系统及其方法
US8260005B2 (en) Portable tool for determining meat quality
Kempster et al. The relationship between conformation and the yield and distribution of lean meat in the carcasses of British pigs, cattle and sheep: a review
Stewart et al. Objective grading of eye muscle area, intramuscular fat and marbling in Australian beef and lamb
Alsahaf et al. Estimation of muscle scores of live pigs using a kinect camera
Sánchez et al. Control of ham salting by using image segmentation
Horgan et al. Automatic assessment of sheep carcasses by image analysis
DD292976A5 (de) Verfahren zur analyse von schlachttierkoerperhaelften mittels bildverarbeitung
Felfoldi et al. Image processing based method for characterization of the fat/meat ratio and fat distribution of pork and beef samples
Basset et al. Texture image analysis: application to the classification of bovine muscles from meat slice images
DE10050836A1 (de) Verfahren zur Handelswertbestimmung der Teilstücke von Schweineschlachttierkörpern
AU5682699A (en) Meat imaging system for palatability and yield prediction
Biju Beef quality grading with color video image analysis
DE102019009001B3 (de) Einrichtung zur Erkennung des Geschlechts von Jungfischen
CA2541866A1 (en) Apparatus for meat palatability prediction
AU2004200865A1 (en) Meat imaging system for palatability and yield prediction
DE19952628A1 (de) Verfahren zur Handelswertbestimmung der Teilstücke von Schweineschlachttierkörpern
CA2466289A1 (en) Method and apparatus for using image analysis to determine meat and carcass characteristics
MXPA00008218A (en) Meat color imaging system for palatability and yield prediction
Naganathan Development and evaluation of spectral imaging systems and algorithms for beef tenderness grading
Zlatev et al. Automatic measurements of loin eye urea with computer vision system.
DE102018002599A1 (de) Verfahren zur Ermittlung von Speckeigenschaften eines Schlachttierkörpers

Legal Events

Date Code Title Description
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee