CN103743819A - 一种猪肌内脂肪含量检测方法及装置 - Google Patents

一种猪肌内脂肪含量检测方法及装置 Download PDF

Info

Publication number
CN103743819A
CN103743819A CN201310753188.2A CN201310753188A CN103743819A CN 103743819 A CN103743819 A CN 103743819A CN 201310753188 A CN201310753188 A CN 201310753188A CN 103743819 A CN103743819 A CN 103743819A
Authority
CN
China
Prior art keywords
image
pig
fat content
advance
sample
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.)
Pending
Application number
CN201310753188.2A
Other languages
English (en)
Inventor
石丹
王立
高君
刘东权
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.)
MEISHENGKE (CHENGDU) TECHNOLOGY Co Ltd
Original Assignee
MEISHENGKE (CHENGDU) TECHNOLOGY Co Ltd
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 MEISHENGKE (CHENGDU) TECHNOLOGY Co Ltd filed Critical MEISHENGKE (CHENGDU) TECHNOLOGY Co Ltd
Priority to CN201310753188.2A priority Critical patent/CN103743819A/zh
Publication of CN103743819A publication Critical patent/CN103743819A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供一种猪肌内脂肪含量检测方法及装置,通过对待测生猪进行B模式成像,生成待测图像,获取待测图像上的猪肌图像,并计算该猪肌图像上的图像参数,最后利用图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量,进而使得直接通过对待测生猪进行B模式成像以及对生成的待测图像进行处理和计算就可以完成对待测生猪的猪肌内脂肪含量的检测,以实现在对生猪进行猪肌内脂肪含量检测的基础上,提高检测精度。

Description

一种猪肌内脂肪含量检测方法及装置
技术领域
本申请涉及动物活体检测技术领域,特别是涉及一种猪肌内脂肪含量检测方法及装置。
背景技术
猪肌内脂肪含量是猪肉滋润多汁的物理因子,也是产生风味化合物的前体物质,猪肌内脂肪含量越低,肌肉的嫩度、多汁性、香味及总体被人接受程度就越低、风味就越差,含量过高又使得肌肉偏肥,胴体脂肪增加。因此,猪肌内脂肪含量检测对于科学生猪饲养有重要意义。
现有技术中,猪肌内脂肪含量检测主要有两种方式:主观评定和客观测定。主观评定是由经验丰富的技工根据猪肉的石纹及手感进行等级评定。客观评定是依据数学模型或仪器进行等级评定。
主观评定方法虽然可以大致区分猪肌内脂肪含量的高低,但是其精度很容易受技工的技能和熟练度的影响,且不同的技工可能得出不同的结果,测量技术学习成本高。客观评定方法虽然可以获得较高的猪肌内脂肪含量的测量精度,但是该方法是建立在猪被屠宰后,进行抽样检测得到的,不利于养猪选种与育种。
发明内容
有鉴于此,本申请实施例提供一种猪肌内脂肪含量检测方法及装置,以实现在对生猪进行猪肌内脂肪含量检测的基础上,提高检测精度。
为了实现上述目的,本申请实施例提供的技术方案如下:
一种猪肌内脂肪含量检测方法,包括:
对待测生猪进行B模式成像,生成待测图像;
获取所述待测图像上的猪肌图像;
计算所述猪肌图像的图像参数;
利用所述图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量。
优选的,采用超声动物特质探头对待测生猪进行B模式成像,生成待测图像。
优选的,在获取所述待测图像上的猪肌图像之前,还包括:
获取脂肪层与肌肉层清晰且肌肉层图像均匀的待测图像。
优选的,利用感兴趣的区域ROI技术获取所述待测图像上的猪肌图像。
优选的,所述图像参数包括:傅里叶频谱参数、图像梯度的平均值、图像梯度的峭度、图像直方图峭度和/或图像纹理参数。
优选的,所述预先设置的脂肪含量计算模型的建立过程包括:
分别对样本空间中各个样本生猪进行B模式成像,生成待测图像;
分别获取各个所述待测图像上的猪肌图像;
分别计算各个所述猪肌图像的图像参数;
通过生化实验测定所述样本空间中的各个样本生猪的实测猪肌内脂肪含量;
利用分别与样本空间中各个样本生猪相对应的图像参数以及实测猪肌内脂肪含量进行多元线性回归,计算初始系数;
利用初始系数以及预先设置的初始脂肪含量计算模型生成脂肪含量计算模型。
优选的,还包括:对预先设置的脂肪含量计算模型进行优化。
优选的,所述对预先设置的脂肪含量计算模型进行优化的过程包括:
利用所述预先设置的脂肪含量计算模型以及分别与样本空间中各个样本生猪相对应的图像参数,检测分别与样本空间中各个样本生猪相对应的猪肌内脂肪含量;
将检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量以及通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量进行线性拟合,得到拟合优度;
判断所述拟合优度是否符合预先设置的拟合优度阈值;
当否时,利用检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量、通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量以及预先设置的误差公式,计算检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量的误差百分比;
删除与不符合预先设置的误差百分比阈值的误差百分比相对应的样本空间中的样本生猪,生成新的样本空间;
利用所述新的样本空间建立预先设置的脂肪含量计算模型。
优选的,还包括:
当拟合优度符合预先设置的拟合优度阈值时,将当前的脂肪含量计算模型作为预先设置的脂肪含量计算模型,以实现如上述权利要求1中所述的利用所述图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量的过程。
一种猪肌内脂肪含量检测装置,包括:待测图像生成单元、猪肌图像获取单元、图像参数计算单元以及猪肌内脂肪含量计算单元,其中,
所述待测图像生成单元用于对待测生猪进行B模式成像,生成待测图像;
所述猪肌图像获取单元与所述待测图像生成单元相连接,用于获取所述待测图像上的猪肌图像;
所述图像参数计算单元与所述猪肌图像获取单元相连接,用于计算所述猪肌图像的图像参数;
所述猪肌内脂肪含量计算单元与所述图像参数计算单元相连接,用于利用所述图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量。
本发明提供一种猪肌内脂肪含量检测方法及装置,通过对待测生猪进行B模式成像,生成待测图像,获取待测图像上的猪肌图像,并计算该猪肌图像上的图像参数,最后利用图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量,进而使得直接通过对待测生猪进行B模式成像以及对生成的待测图像进行处理和计算就可以完成对待测生猪的猪肌内脂肪含量的检测,以实现在对生猪进行猪肌内脂肪含量检测的基础上,提高检测精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种猪肌内脂肪含量检测方法流程图;
图2为本申请实施例一提供的一种脂肪含量计算模型的建立方法流程图;
图3为本申请实施例一提供的一种脂肪含量计算模型优化方法流程图;
图4为本申请实施例二提供的一种猪肌内脂肪含量检测装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
实施例一:
图1为本申请实施例一提供的一种猪肌内脂肪含量检测方法流程图。
如图1所示,该方法包括:
S101、对待测生猪进行B模式成像,生成待测图像。
在本申请实施例中,首先采用超声动物特质探头对待测生猪进行B模式成像,生成待测图像,在本申请实施例中,该待测图像中可能包括:肌肉层、斜方肌、脂肪层等。
S102、获取待测图像上的猪肌图像。
在本申请实施例中,通过对待测生猪进行B模式成像后,生成待测图像,因为生成的待测图像中可能包括猪肉上的肌肉层、斜方肌、脂肪层等多个部分,因此,需要通过利用ROI(Region of Interest,感兴趣的区域)技术获取待测图像上的猪肌图像,即猪的肌肉层图像。
S103、计算猪肌图像的图像参数。
在本申请实施例中,当获取到待测图像上的猪肌图像后,需要计算猪肌图像的图像参数,优选的,本申请实施例中,计算的猪肌图像的图像参数包括x1、x2、x3、x4、x5、x6、x7、x8,其中,
x1表示图像傅里叶频谱参数,均方差系数公式如下:
Figure BDA0000451631990000051
其中,X为图像频谱,E()为求平均函数;
Figure BDA0000451631990000052
其中,f(x)表示ROI内的图像。
x2表示图像的傅里叶频谱参数,最低(1-30)/最高(30-100)%的比值,即:
Figure BDA0000451631990000053
其中,p(i)表示图像频谱能量百分比i所在的坐标点。
x3表示图像傅里叶频谱参数,最低(1-10)/最高(10-20)%的比值,即:
Figure BDA0000451631990000054
其中,p(i)表示图像频谱能量百分比i所在的坐标点。
x4表示梯度的平均值,梯度计算公式如下:
其中,f(x,y)表示图像(x,y)处的像素值。
x5表示梯度的峭度,峭度计算公式如下:
其中,S为标准差,N为ROI内像素个数,Y表示ROI区域内的像素值。
x6表示直方图的峭度,计算公式如下:
Figure BDA0000451631990000057
其中,H表示ROI区域图像的统计直方图。
x7表示90°方向上的灰度和差直方图的方差。
x8表示135°方向上的灰度和差直方图的熵。
在本申请实施例中,对猪肌图像计算以上几种图像参数仅仅是本申请实施例的优选方式,发明人还可以根据自己的需求,计算不同的猪肌图像的图像参数。
S104、利用图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量。
在本申请实施例中,预先设置有脂肪含量计算模型,优选的该模型如下:
y=a0+a1*x1+a2*x12+a3*x13+a4*x2+a5*x3+a6*x4+a7*x5+a8*x6+a9*x7+a10*x8+a11*x82,其中,a0~a11为该模型通过样本训练得到的系数。通过将步骤S103中计算得到的各个图像参数带入该脂肪含量计算模型中,即可计算得到猪肌内脂肪含量。
进一步的,本申请实施例提供的一种猪肌内脂肪含量检测方法,还包括:
在获取待测图像上的猪肌图像之前,获取脂肪层与肌肉层清晰且肌肉层图像均匀的待测图像。
图2为本申请实施例一提供的一种脂肪含量计算模型的建立方法流程图。
如图2所示,预先设置的脂肪含量计算模型的建立过程如下:
S201、分别对样本空间中各个样本生猪进行B模式成像,生成待测图像。
在本申请实施例中,样本空间中包括多个样本猪,分别对每个样本猪进行B模式成像,生成针对每个样本猪的待测图像。
S202、分别获取各个待测图像上的猪肌图像。
S203、分别计算各个猪肌图像的图像参数。
S204、通过生化实验测定样本空间中的各个样本生猪的实测猪肌内脂肪含量。
S205、利用分别与样本空间中各个样本生猪相对应的图像参数以及实测猪肌内脂肪含量进行多元线性回归,计算初始系数。
本申请实施例中,利用计算得到的分别与样本空间中各个样本生猪相对应的图像参数以及实测猪肌内脂肪含量进行多元线性回归,即可计算初始系数,该初始系数为上述预先设置的脂肪含量计算模型中的a0~a11。
S206、利用初始系数以及预先设置的初始脂肪含量计算模型生成脂肪含量计算模型。
在本申请实施例中,预先设置有初始脂肪含量计算模型,当计算得到初始系数后,将计算得到的初始系数带入该预先设置的初始脂肪含量计算模型中,即可得到脂肪含量计算模型。
进一步的,在本申请实施例提供的一种脂肪含量计算模型的建立方法中,还包括:
在分别获取各个待测图像上的猪肌图像之前,获取脂肪层与肌肉层清晰且肌肉层图像均匀的待测图像。
进一步的,本申请实施例提供的一种猪肌内脂肪含量检测方法,还包括:对预先设置的脂肪含量计算模型进行优化。
图3为本申请实施例一提供的一种脂肪含量计算模型优化方法流程图。
如图3所示,该方法包括:
S301、利用预先设置的脂肪含量计算模型以及分别与样本空间中各个样本生猪相对应的图像参数,检测分别与样本空间中各个样本生猪相对应的猪肌内脂肪含量。
S302、将检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量以及通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量进行线性拟合,得到拟合优度。
在本申请实施例中,优选的,计算拟合优度的公式如下:
r 2 = aΣY + bΣXY - n Y ‾ 2 Σ Y 2 - n Y ‾ 2
其中,a,b为常数,n为样本数目,X为通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量的集合,Y为检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量的集合。
S303、判断拟合优度是否符合预先设置的拟合优度阈值。
在本申请实施例中,优选的,预先设置的拟合优度阈值为大于等1,判断计算得到的拟合优度是否大于等于1。
S304、利用检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量、通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量以及预先设置的误差公式,计算检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量的误差百分比。
当判断出计算得到的拟合优度不大于等于1时,则利用检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量、通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量以及预先设置的误差公式,计算检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量的误差百分比。
在本申请实施例中,预先设置的误差公式如下:
(CIMFi-Pi)/CIMFi,其中,Pi为检测得到的分别与样本空间中各个样本生猪相对应的猪肌内脂肪含量,CIMFi为通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量的集合。
S305、删除与不符合预先设置的误差百分比阈值的误差百分比相对应的样本空间中的样本生猪,生成新的样本空间。
在本申请实施例中,优选的,预先设置的误差百分比阈值为50%,以上仅仅为本申请实施例的优选方式,发明人还可以根据自己的需求任意设置该误差百分比阈值的大小。
S306、利用新的样本空间建立预先设置的脂肪含量计算模型。
进一步的,本申请实施例提供的一种脂肪含量计算模型优化方法还包括:
当判断出计算得到的拟合优度大于等于1时,停止对该当前的脂肪含量计算模型进行优化,将该当前的脂肪含量计算模型作为预先设置的脂肪含量计算模型,用于对待测生猪的猪肌内脂肪含量进行检测。
本发明提供一种猪肌内脂肪含量检测方法,通过对待测生猪进行B模式成像,生成待测图像,获取待测图像上的猪肌图像,并计算该猪肌图像上的图像参数,最后利用图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量,进而使得直接通过对待测生猪进行B模式成像以及对生成的待测图像进行处理和计算就可以完成对待测生猪的猪肌内脂肪含量的检测,以实现在对生猪进行猪肌内脂肪含量检测的基础上,提高检测精度。
实施例二:
图4为本申请实施例二提供的一种猪肌内脂肪含量检测装置结构示意图。
如图4所示,该装置包括:待测图像生成单元1、猪肌图像获取单元2、图像参数计算单元3以及猪肌内脂肪含量计算单元4,其中,
待测图像生成单元1用于对待测生猪进行B模式成像,生成待测图像。
猪肌图像获取单元2与待测图像生成单元1相连接,用于获取待测图像上的猪肌图像。
图像参数计算单元3与猪肌图像获取单元2相连接,用于计算猪肌图像的图像参数。
猪肌内脂肪含量计算单元4与图像参数计算单元3相连接,用于利用图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量。
本发明提供一种猪肌内脂肪含量检测装置,包括:待测图像生成单元、猪肌图像获取单元、图像参数计算单元以及猪肌内脂肪含量计算单元,通过该装置对待测生猪进行B模式成像,生成待测图像,获取待测图像上的猪肌图像,并计算该猪肌图像上的图像参数,最后利用图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量,进而使得直接通过对待测生猪进行B模式成像以及对生成的待测图像进行处理和计算就可以完成对待测生猪的猪肌内脂肪含量的检测,以实现在对生猪进行猪肌内脂肪含量检测的基础上,提高检测精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
以上仅是本申请的优选实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种猪肌内脂肪含量检测方法,其特征在于,包括:
对待测生猪进行B模式成像,生成待测图像;
获取所述待测图像上的猪肌图像;
计算所述猪肌图像的图像参数;
利用所述图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量。
2.根据权利要求1所述的方法,其特征在于,采用超声动物特质探头对待测生猪进行B模式成像,生成待测图像。
3.根据权利要求1所述的方法,其特征在于,在获取所述待测图像上的猪肌图像之前,还包括:
获取脂肪层与肌肉层清晰且肌肉层图像均匀的待测图像。
4.根据权利要求1所述的方法,其特征在于,利用感兴趣的区域ROI技术获取所述待测图像上的猪肌图像。
5.根据权利要求1所述的方法,其特征在于,所述图像参数包括:傅里叶频谱参数、图像梯度的平均值、图像梯度的峭度、图像直方图峭度和/或图像纹理参数。
6.根据权利要求1所述的方法,其特征在于,所述预先设置的脂肪含量计算模型的建立过程包括:
分别对样本空间中各个样本生猪进行B模式成像,生成待测图像;
分别获取各个所述待测图像上的猪肌图像;
分别计算各个所述猪肌图像的图像参数;
通过生化实验测定所述样本空间中的各个样本生猪的实测猪肌内脂肪含量;
利用分别与样本空间中各个样本生猪相对应的图像参数以及实测猪肌内脂肪含量进行多元线性回归,计算初始系数;
利用初始系数以及预先设置的初始脂肪含量计算模型生成脂肪含量计算模型。
7.根据权利要求6所述的方法,其特征在于,还包括:对预先设置的脂肪含量计算模型进行优化。
8.根据权利要求7所述的方法,其特征在于,所述对预先设置的脂肪含量计算模型进行优化的过程包括:
利用所述预先设置的脂肪含量计算模型以及分别与样本空间中各个样本生猪相对应的图像参数,检测分别与样本空间中各个样本生猪相对应的猪肌内脂肪含量;
将检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量以及通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量进行线性拟合,得到拟合优度;
判断所述拟合优度是否符合预先设置的拟合优度阈值;
当否时,利用检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量、通过生化实验得到的与样本空间中各个样本生猪相对应的实测猪肌内脂肪含量以及预先设置的误差公式,计算检测得到的与样本空间中各个样本生猪相对应的猪肌内脂肪含量的误差百分比;
删除与不符合预先设置的误差百分比阈值的误差百分比相对应的样本空间中的样本生猪,生成新的样本空间;
利用所述新的样本空间建立预先设置的脂肪含量计算模型。
9.根据权利要求8所述的方法,其特征在于,还包括:
当拟合优度符合预先设置的拟合优度阈值时,将当前的脂肪含量计算模型作为预先设置的脂肪含量计算模型,以实现如上述权利要求1中所述的利用所述图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量的过程。
10.一种猪肌内脂肪含量检测装置,其特征在于,包括:待测图像生成单元、猪肌图像获取单元、图像参数计算单元以及猪肌内脂肪含量计算单元,其中,
所述待测图像生成单元用于对待测生猪进行B模式成像,生成待测图像;
所述猪肌图像获取单元与所述待测图像生成单元相连接,用于获取所述待测图像上的猪肌图像;
所述图像参数计算单元与所述猪肌图像获取单元相连接,用于计算所述猪肌图像的图像参数;
所述猪肌内脂肪含量计算单元与所述图像参数计算单元相连接,用于利用所述图像参数以及预先设置的脂肪含量计算模型检测猪肌内脂肪含量。
CN201310753188.2A 2013-12-31 2013-12-31 一种猪肌内脂肪含量检测方法及装置 Pending CN103743819A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310753188.2A CN103743819A (zh) 2013-12-31 2013-12-31 一种猪肌内脂肪含量检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310753188.2A CN103743819A (zh) 2013-12-31 2013-12-31 一种猪肌内脂肪含量检测方法及装置

Publications (1)

Publication Number Publication Date
CN103743819A true CN103743819A (zh) 2014-04-23

Family

ID=50500857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310753188.2A Pending CN103743819A (zh) 2013-12-31 2013-12-31 一种猪肌内脂肪含量检测方法及装置

Country Status (1)

Country Link
CN (1) CN103743819A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701805A (zh) * 2016-01-07 2016-06-22 中国农业大学 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法
CN109472798A (zh) * 2018-12-10 2019-03-15 重庆理工大学 生猪脂肪含量检测模型训练方法及生猪脂肪含量检测方法
CN110264464A (zh) * 2019-06-26 2019-09-20 西北农林科技大学 一种肉牛肌内脂肪含量预测模型、其构建方法及应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5398290A (en) * 1993-05-03 1995-03-14 Kansas State University Research Foundation System for measurement of intramuscular fat in cattle
CN203287370U (zh) * 2013-06-21 2013-11-13 湖北工业大学 猪肌内脂肪含量检测装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5398290A (en) * 1993-05-03 1995-03-14 Kansas State University Research Foundation System for measurement of intramuscular fat in cattle
CN203287370U (zh) * 2013-06-21 2013-11-13 湖北工业大学 猪肌内脂肪含量检测装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
何道领等: "超声在预测猪活体肌内脂肪含量中的应用", 《上海畜牧兽医通讯》 *
张金霜等: "生猪肌内脂肪含量超声预测方案", 《广东农业科学》 *
祁云霞等: "肌内脂肪含量测定技术综述", 《食品科技》 *
袁才珺等: "一种猪肌内脂肪含量测定的方法及其改进", 《现代计算机》 *
马小军等: "利用超声波图像活体预测北京黑猪肌内脂肪含量", 《畜牧兽医学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105701805A (zh) * 2016-01-07 2016-06-22 中国农业大学 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法
CN105701805B (zh) * 2016-01-07 2019-01-08 中国农业大学 一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法
CN109472798A (zh) * 2018-12-10 2019-03-15 重庆理工大学 生猪脂肪含量检测模型训练方法及生猪脂肪含量检测方法
CN110264464A (zh) * 2019-06-26 2019-09-20 西北农林科技大学 一种肉牛肌内脂肪含量预测模型、其构建方法及应用

Similar Documents

Publication Publication Date Title
Feichtenhofer et al. A perceptual image sharpness metric based on local edge gradient analysis
Condotta et al. Evaluation of a depth sensor for mass estimation of growing and finishing pigs
Fischer et al. Rear shape in 3 dimensions summarized by principal component analysis is a good predictor of body condition score in Holstein dairy cows
US11452502B2 (en) Method and device for acquiring biomechanical parameters based on ultrasonic elastomyogram
Zhang et al. A subjective quality evaluation for 3D point cloud models
CN110672189A (zh) 体重估计方法、装置、系统和存储介质
RU2012104679A (ru) Предотвращение падения
CN111383221B (zh) 一种脊柱侧弯检测模型的生成方法和计算机设备
JP2016537124A (ja) 計量化手段を用いた肌年齢予測装置および方法
US20180235517A1 (en) System and Method For Identifying Posture Details and Evaluating Athletes' Performance
TWI542320B (zh) 以深度圖影像與骨架特徵點進行人體重量估測之方法
CN103743819A (zh) 一种猪肌内脂肪含量检测方法及装置
CN103810712B (zh) 一种能谱ct图像质量的评价方法
Valle et al. Test–retest reliability of computer-based video analysis of general movements in healthy term-born infants
KR102030131B1 (ko) 적외선 영상을 이용한 연속적인 피부 상태 측정 방법
CN115837155A (zh) 一种立定跳远测量方法及装置
CN104657987B (zh) 基于pet/ct图像质量客观算法的评价方法及系统
TW201308253A (zh) 運動量分析方法及採用此方法之運動量分析裝置
CN103376465B (zh) 建筑物楼层的地震即时分析系统及其方法
KR101745502B1 (ko) 근내지방도 측정 시스템 및 이를 이용한 근내지방도 측정 방법
CN104266612A (zh) 一种对种猪进行活体的测定方法
JP3472797B2 (ja) 食肉成分測定装置及び記録媒体
Barbosa et al. Validation with videometry of an integrated system to assess horizontal intra-cyclic velocity with a mechanical speedo-meter
Madariaga et al. Application of artificial neural network and background subtraction for determining body mass index (BMI) in android devices using bluetooth
Tao et al. Development and implementation of a training dataset to ensure clear boundary value of body condition score classification of dairy cows in automatic system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20140423