CN104616204B - 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 - Google Patents
一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 Download PDFInfo
- Publication number
- CN104616204B CN104616204B CN201510051845.8A CN201510051845A CN104616204B CN 104616204 B CN104616204 B CN 104616204B CN 201510051845 A CN201510051845 A CN 201510051845A CN 104616204 B CN104616204 B CN 104616204B
- Authority
- CN
- China
- Prior art keywords
- pig
- grade
- meat
- feeding
- grading
- 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.)
- Active
Links
- 235000013372 meat Nutrition 0.000 title claims abstract description 76
- 238000003307 slaughter Methods 0.000 title claims abstract description 68
- 238000009395 breeding Methods 0.000 claims abstract description 74
- 230000001488 breeding effect Effects 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 29
- 239000003814 drug Substances 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 235000015277 pork Nutrition 0.000 claims description 26
- 241000282887 Suidae Species 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 235000020997 lean meat Nutrition 0.000 claims description 14
- 238000013210 evaluation model Methods 0.000 claims description 12
- 230000002087 whitening effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 235000019624 protein content Nutrition 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 235000016709 nutrition Nutrition 0.000 claims description 4
- 230000035764 nutrition Effects 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 241000608924 Whitea Species 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 241000282898 Sus scrofa Species 0.000 description 126
- 238000010330 laser marking Methods 0.000 description 4
- 235000020989 red meat Nutrition 0.000 description 4
- 239000002253 acid Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000001804 emulsifying effect Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 235000019629 palatability Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- SWGJCIMEBVHMTA-UHFFFAOYSA-K trisodium;6-oxido-4-sulfo-5-[(4-sulfonatonaphthalen-1-yl)diazenyl]naphthalene-2-sulfonate Chemical compound [Na+].[Na+].[Na+].C1=CC=C2C(N=NC3=C4C(=CC(=CC4=CC=C3O)S([O-])(=O)=O)S([O-])(=O)=O)=CC=C(S([O-])(=O)=O)C2=C1 SWGJCIMEBVHMTA-UHFFFAOYSA-K 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Agronomy & Crop Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Biochemistry (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，屠宰前利用猪只的标记号跟踪并采集猪只养殖过程中的历史养殖饲喂信息；屠宰中实时采集猪只屠宰信息，编制计算机程序，建立多元精细化的分阶段智能猪胴体分级模型；将在自动化生产线屠宰过程中，实时获取胴体各项指标值输入所述的模型中，执行运算程序就可以实现猪只胴体肉品的自动分级。本发明科学地引入养殖过程中养殖方式、饲料投喂与喂药等信息，并采用适用于屠宰生产线上自动检测装置，快速有效地获取屠宰过程中胴体参数，使得猪只肉品分级更加合理科学，适合中国生猪品种，易于推广，适用于现代化大规模自动化屠宰生产线。
Description
技术领域
本发明涉及自动生猪屠宰线上胴体肉品分级技术领域，尤其涉及一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法。
背景技术
猪肉品质是一个多方面的、综合的性状。养殖者、屠宰加工者、销售者和消费者在相同环节有不同要求，例如肉品的系水力、蛋白结合能力和乳化能力、瘦肉率、猪后躯丰满度和体型结实度、新鲜度、安全性、营养性、适口性等。同时，猪肉品质也受处理(场内管理和宰前处理)、屠宰、冷冻和加工等不同环节的多方面影响。猪胴体分级的目的是确定屠体某些特性，并根据这些特性指标决定屠体及其产品的价值，使产销双方有共同标准可遵循，在公平合理交易原则下，防止产生纷争。猪胴体分级已成为影响生猪养殖和屠宰加工企业经济效益的重要因素。
目前，多数国内屠宰企业一般采用“毛猪称重结算”和“头皮肉过宰”。“毛猪称重结算”既不科学，也无法做到以质论价，同时对食品安全带来一定的危害。“头皮肉过宰”模式，由于生猪品种、养殖方式的不同，屠宰猪肉的质量差异很大，虽解决了不同商品肉猪具有不同的屠宰率的问题，但并没解决不同商品肉猪具有不同的胴体瘦肉率的问题，也就是产肉量的问题，并且没有充分体现养殖、屠宰过程对肉品的影响。
发明内容
本发明的目的在于提供一种适用于自动化生猪屠宰线上的，多元、精细、智能化胴体肉品分级方法，融合猪只全生命周期中的饲养过程信息、肉品质检验检疫信息、猪肉肥瘦率、等多元信息，进行智能精细化胴体分级的方法，将猪只养殖信息、胴体特性和肉质特性这三类信息进行多元智能综合评定来进行肉品分级。
为解决上述技术问题，本发明提供的技术方案是：
一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，其中首先获取肉品特性指标：
屠宰前，利用猪只的标记号跟踪并采集猪只养殖过程中的历史养殖饲喂信息，包括猪只品种、猪只性别、猪只年龄、放养模式、采食方式、饲料蛋白质含量、生病喂药和养殖场地理位置。并建立猪只养殖饲喂等级评定模型，计算猪只养殖饲喂等级；
在自动化屠宰过程中，测定的猪只屠宰信息：实时采集计算猪只胴体特性与肉质特性信息，包括屠宰率、背膘厚、瘦肉率、肉色等级、大理石纹等级、pH值。
按照两阶段，根据获得的肉品特性指标，进行胴体肉品分级：第一阶段，根据生猪屠宰前获取的历史养殖饲喂信息，划分猪只养殖饲喂等级；第二阶段，在屠宰过程中，根据屠宰线上检测与分析得到的猪只屠宰信息，以及结合第一阶段的猪只养殖饲喂等级，采用灰色AHP-白化权函数聚类综合分级评定模型的方法，建立智能猪胴体分级模型，进行猪胴体肉品综合智能分级。
将在自动化生产线屠宰过程中，实时获取胴体各项指标值输入所述的智能猪胴体分级模型中，执行运算程序就可以实现猪只胴体肉品的自动分级。
所述的自动生猪屠宰线多元、精细、智能化胴体肉品分级方法，具体包括以下步骤：
(1)在生猪屠宰前，读取猪只的标记号，获取历史养殖饲喂信息：
通过读取终端来读取猪只的耳标中的标记号，所述的读取终端将耳标信息发送给信息查询系统，所述的信息查询系统在生猪养殖场数据库中依据猪只的耳标信息，搜寻对应猪只的饲养过程中在生猪养殖场数据库记录下来的历史养殖饲喂信息，将所述的历史养殖饲喂信息保存入本地数据库；
所述的历史养殖饲喂信息包括：猪只品种、猪只性别、年龄、放养模式、采食方式、饲料蛋白质含量、生病喂药和养殖场地理位置；
(2)生猪屠宰并劈半后，通过读取终端读取猪只的标记号，测定猪只屠宰信息；
所述的猪只屠宰信息包括猪胴体腿横长、腿竖长、腿臀围面积、屠宰率、猪胴体背膘厚度和瘦肉率、猪胴体肉色等级分数、大理石纹和猪胴体pH值；
将所述的猪只屠宰信息保存入本地数据库：
ⅰ.测定猪胴体腿横长、腿竖长、腿臀围面积、屠宰率：
通过计算机图像采集系统，利用机器视觉与图像处理技术，从猪胴体二分体的正面和侧面图像中提取劈半后的猪胴体的腿横长和腿竖长，计算猪胴体腿臀围面积和猪只的屠宰率；ⅱ.测定猪胴体背膘厚度和瘦肉率：
采用CMG瘦肉率测定仪，在猪胴体第3和第4肋骨中间离分割线6公分处进行测定，获取猪胴体背膘厚度，计算猪胴瘦肉率；
ⅲ.测定猪胴体肉色等级分数、大理石纹：
通过计算机图像分析软件，识别分析猪胴体的肉色，并对照标准比色进行分级评分，1分为苍白肉，即PSE肉，2分为轻度灰白色肉，3分为正常鲜红肉，4分为正常紫红色肉，5分为暗黑色肉，即DFD肉；通过计算机图像处理软件，对猪胴体第5-6根肋骨背最长肌横切面，进行分析大理石纹图像，依据图像信息划分为1级、2级和3级；
ⅳ.测定猪胴体pH值：
屠宰的猪胴体经排酸后，通过胴体肌肉pH值直测仪测定猪胴体pH值；
(3)建立猪只养殖饲喂等级评定模型，计算猪只养殖饲喂等级：
建立猪只养殖饲喂等级评定模型，步骤如下：
步骤1：采用层次分析法，构建猪只养殖饲喂层次分析模型，以营养安全和肉质口感作为猪只养殖饲喂层次分析模型中的目标层，以历史养殖饲喂信息为猪只养殖饲喂层次分析模型中的准则层；
步骤2：以所述的猪只养殖饲喂层次分析模型中的准则层中的历史养殖饲喂信息作为指标构造饲喂等级指标关联判断矩阵，所述的饲喂等级指标关联判断矩阵中的指标的元素值采用1-9标度方法设定，元素的大小表示与目标的关联或重要性程度；
步骤3：计算所述的饲喂等级指标关联判断矩阵的最大特征根和对应的特征向量；
步骤4：对所述的饲喂等级指标关联判断矩阵进行矩阵指标一致性检验，计算一致性比率，判定是否小于0.1，若满足条件，则通过一致性检验；若大于0.1，则返回步骤2，检查调整饲喂等级指标关联判定矩阵值，直至满足一致性检验；
步骤5：将步骤4中获得的满足一致性检验的特征向量进行归一化处理，获得对应各个指标的权重；
步骤6：将猪只养殖信息档案中的猪只历史养殖饲喂信息与所述指标对应的数据进行无量纲处理，依据各指标权重，采用加权平均计算判别猪只养殖饲喂等级；
优选的，所述的准则层中包括猪只品种、猪只性别、猪只年龄、放养模式、采食方式、饲料蛋白质含量、生病喂药和养殖场地理位置。
计算猪只养殖饲喂等级：按照猪只的标记号，提取本地数据库中的历史养殖饲喂信息数据；将历史养殖饲喂信息按照各个养殖饲喂等级指标进行无量纲处理；按照各指标权重，计算获得猪只养殖饲喂等级，并将计算所得猪只养殖饲喂等级信息保存入本地数据库；
(4)依据所述的猪只养殖饲喂等级与猪只屠宰信息，建立多元精细化的矩阵式智能猪胴体分级模型，编制所述矩阵式智能猪胴体分级模型的计算机程序：
所述的矩阵式智能猪胴体分级模型是依据所述的猪只养殖饲喂等级与猪只屠宰信息，建立的基于灰色AHP-白化权函数聚类综合评定法的多元精细化智能猪胴体分级模型。编制所述的多元精细化智能猪胴体分级模型的计算机程序：
采用层次分析法与灰色聚类相结合的等级评定模型对猪胴体肉品等级进行评定，将猪胴体肉品进行猪只胴体肉品等级划分，将其等级划分n不同等级，共设m个评估指标，评价对象猪胴体i关于指标j的数据值为xij，j＝1,2,…m，综合等级评定具体步骤如下：
步骤1:按照所述的猪只胴体肉品划分的等级，对各指标的取值范围作相应划分，并进行预处理，转换为百分制表示的数值；
步骤2:构造j指标关于k等级的白化权函数即确定j(j＝1,2,3...m)指标属于k(k＝1,2,3...n)子类的白化权函数，根据专家打分，得出对各指标的白化权函数，进而可以得到各白化权函数的具体表达式；
步骤3:计算j指标关于k等级的临界值即确定j(j＝1,2,3...m)指标属于k(k＝1,2,3...n)子类的各个临界值；
步骤4:计算j指标关于k等级的权重即采用层次分析法，构建层次模型，确定j(j＝1,2,3...m)指标属于k(k＝1,2,3...n)子类的权重；
步骤5:计算第i猪只关于k等级的灰色变权聚类系数，即确定猪只对象i属于k(k＝1,2,3...n)子类的灰色变权聚类系数，从而得到灰色聚类系数矩阵，
步骤6:由判定第i猪只属于k*等级，实现猪胴体肉品综合智能分级。
优选的，共设7个评估指标，所述的评估指标为猪只养殖饲喂等级、屠宰率、背膘厚、瘦肉率、肉色等级、大理石纹等级和pH值。
(5)在自动化生产线屠宰过程中，实时获取并保存入本地数据库的猪只养殖饲喂等级、猪只屠宰信息输入所述的矩阵式智能猪胴体分级模型的计算机程序中，通过计算得出胴体肉品等级。
本发明的有益效果：
本发明的一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法提供一种适用于自动化生猪屠宰线上的，多元、精细、智能化胴体肉品分级方法，将猪只养殖信息、胴体特性和肉质特性这三类信息进行多元智能综合评定。
科学地引入养殖过程中饲料投喂与喂药信息，并采用适用于屠宰生产线上自动检测装置，快速有效地获取屠宰过程中胴体参数，使得猪只肉品分级更加合理科学，适合中国生猪品种，易于推广，适用于现代化大规模自动化屠宰生产线。
本发明提供的胴体肉品分级方法，通过科学、公正、统一的猪胴体等级评定方法，实现养殖、屠宰加工之间的信息共享和良性互动，提高生猪采购的透明度与公正性、科学性，减少人为因素，便于实现精细化结算，避免屠宰企业不规范的交易方法。
本发明提供的胴体肉品分级方法，通过电脑定级系统实现自动贮存、备份并与企业ERP连网后，可实现猪胴体远程分配、远程结算。
附图说明
图1猪只养殖饲喂层次分析模型
图2猪只分级指标数据采集过程
图3猪只综合等级评定层次分析模型
具体实施方式
以下结合说明书附图和具体实施例来进一步说明本发明，但实施例并不对本发明做任何形式的限定。
一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，具体步骤如下：
(1)在屠宰前通过读取终端来读取猪只耳标信息，进行猪只识别，所述的读取终端将耳标信息发送给信息查询系统，所述的信息查询系统在生猪养殖场数据库中依据猪只的耳标信息，搜寻对应猪只的饲养过程中在生猪养殖场数据库记录下来的历史养殖饲喂信息，主要包括：猪只品种、猪只性别、年龄、放养模式、采食方式(是否自由采食)、饲料蛋白质含量、生病喂药、养殖场地理位置。提取猪只养殖场饲喂历史数据，将所述的历史养殖饲喂信息保存入本地数据库。
(2)按常规屠宰方式进行刺杀、烫毛、打毛、开膛、去内脏、去头、劈半等工序。
(3)经劈半后的胴体挂在电子挂钩上，通过RFID读写器，将猪胴体识别号初始化写入电子挂钩的标签。
(4)从猪胴体电子挂钩中读取胴体识别号，通过计算机图像采集系统，利用机器视觉与图像处理技术，从二分体正面和侧面图像中提取腿横长、腿竖长，通过软件计算获得腿臀围面积、猪只的屠宰率。将腿横长、竖长、腿臀围积、屠宰率保存入本地数据库。
(5)从猪胴体电子挂钩中读取胴体识别号，采用CMG瘦肉率测定仪，在冷猪胴体第3和第4肋骨中间离分割线6公分处进行测定，获取猪胴体背膘厚度、计算测定猪胴瘦肉率。将背膘厚度、瘦肉率保存入本地数据库。
(6)从猪胴体电子挂钩中读取胴体识别号，通过计算机图像分析软件，识别分析测定肉色，对照标准比色进行分级评分，1分为苍白肉(PSE肉)，2分为轻度灰白色肉，3分为正常鲜红肉，4分为正常紫红色肉，5分为暗黑色肉(DFD肉)。根据第5-6根肋骨背最长肌横切面，计算机图像处理软件分析大理石纹图像，依据图像信息划分为1级、2级和3级。将肉色等级分数、大理石纹等级信息保存入本地数据库。
(7)猪胴体屠宰经过排酸工序后，从猪胴体电子挂钩中读取胴体识别号，通过胴体肌肉pH值直测仪测定pH值。将pH指保存入本地数据库。
(8)建立猪只养殖饲喂等级评定模型，计算猪只养殖饲喂等级。
猪只养殖饲喂等级评定模型建立步骤如下：
步骤1：依据层次分析法，以营养安全和肉质口感好为目标，构建猪只养殖饲喂层次分析模型，如附图1所示。
步骤2：构造判断矩阵，判断矩阵元素采用1-9标度方法给出。
步骤3：计算判断矩阵的最大特征根和对应的特征向量。得到最大特征根为8.9534，特征向量为{0.8958,0.1162,0.3189,0.2099,0.1132,0.1305,0.0823,0.0411}。
步骤4：进行一致性检验。计算一致性比率为0.096<0.1，通过一致性检验。
步骤5：特征向量归一化处理后获得各个指标权重为
{0.4695,0.0610,0.1671,0.1100,0.0593,0.0684,0.0432,0.0215}。
步骤6：依养殖信息档案模型中猪只数据，进行无量纲处理，依据各属性权重，采用加权平均计算判别猪只养殖等级。
计算猪只养殖饲喂等级：按照猪只的标记号，提取历史养殖饲喂信息数据；将历史养殖饲喂信息按照各个养殖饲喂等级指标进行无量纲处理；按照各指标权重，计算获得猪只养殖饲喂等级，保存入本地数据库；
(9)根据猪胴体肉品等级评定的特点，将其等级划分为特等、优等、一等、二等、三等五个不同等级，采用层次分析法与灰色聚类相结合的等级评定模型对猪胴体肉品等级进行评定。现有7个评估指标：猪只养殖饲喂等级、屠宰率、背膘厚、瘦肉率、肉色等级、大理石纹等级、pH值，评价对象猪胴体i关于指标j的数据值为xij，j＝1,2,…7。综合等级评定具体步骤如下：
步骤1:按照猪只胴体肉品划分的等级，对各指标的取值范围作相应划分，并进行预处理，转换为百分制表示的数值。
步骤2:构造j指标关于k等级的白化权函数即确定j(j＝1,2,3,4，5,6,7)指标属于k(k＝1,2,3,4，5)子类的白化权函数。根据专家打分，得出对各指标的白化权函数，进而可以得到各白化权函数的具体表达式。
步骤3:计算j指标关于k等级的临界值即确定j(j＝1,2,3,4，5,6,7)指标属于k(k＝1,2,3,4,5)子类的各个临界值。
步骤4:计算j指标关于k等级的权重即采用层次分析法，构建层次模型，如图3所示。确定j(j＝1,2,3,4，5,6,7)指标属于k(k＝1,2,3,4,5)子类的权重。
步骤5:计算第i猪只关于k等级的灰色变权聚类系数，即确定猪只对象i属于k(k＝1,2,3,4,5)子类的灰色变权聚类系数，从而得到灰色聚类系数矩阵。
步骤6:由判定第i猪只属于k*等级。
(10)将在自动化生产线屠宰过程中，实时获取并保存入本地数据库的猪只养殖饲喂等级、猪只屠宰信息输入所述的矩阵式智能猪胴体分级模型的计算机程序中，通过计算得出胴体肉品等级。
(11)在猪胴体自动输送轨道线上与猪胴臀部平行线上安装激光打标机，激光打标机与电脑系统连接，电脑系统根据最终得出胴体肉品等级，将等级信号传送至激光打标机，由激光打标机在猪胴体上自动灼刻，打印对应级别。胴体分级完成后进入预冷库，按正常流程操作。
Claims (5)
1.一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，其特征在于：
获取肉品特性指标，所述的肉品特性指标包括在生猪屠宰前获取的历史养殖饲喂信息，以及生猪屠宰并劈半后测定的猪只屠宰信息；
按照两阶段，根据获得的肉品特性指标，进行胴体肉品分级：第一阶段，根据生猪屠宰前获取的历史养殖饲喂信息，划分猪只养殖饲喂等级；第二阶段，在屠宰过程中，根据屠宰线上检测与分析得到的猪只屠宰信息，以及结合第一阶段的猪只养殖饲喂等级，采用灰色AHP-白化权函数聚类综合分级评定模型，进行猪胴体肉品综合智能分级；
肉品分级的所述的第一阶段中，采用层次分析法，建立猪只养殖饲喂等级评定模型，计算猪只养殖饲喂等级，步骤如下：
步骤1：采用层次分析法，构建猪只养殖饲喂层次分析模型，以营养安全和肉质口感作为猪只养殖饲喂层次分析模型中的目标层，以历史养殖饲喂信息为猪只养殖饲喂层次分析模型中的准则层；
步骤2：以所述的猪只养殖饲喂层次分析模型中的准则层中的历史养殖饲喂信息作为指标构造饲喂等级指标关联判断矩阵，所述的饲喂等级指标关联判断矩阵中的指标的元素值采用1-9标度方法设定，元素的大小表示与目标的关联或重要性程度；
步骤3：计算所述的饲喂等级指标关联判断矩阵的最大特征根和对应的特征向量；
步骤4：对所述的饲喂等级指标关联判断矩阵进行矩阵指标一致性检验，计算一致性比率，判定是否小于0.1，若满足条件，则通过一致性检验；若大于0.1，则返回步骤2，检查调整饲喂等级指标关联判定矩阵值，直至满足一致性检验；
步骤5：将步骤4中获得的满足一致性检验的特征向量进行归一化处理，获得对应各个指标的权重；
步骤6：将猪只养殖信息档案中的猪只历史养殖饲喂信息与所述指标对应的数据进行无量纲处理，依据各指标权重，采用加权平均计算判别猪只养殖饲喂等级；
肉品分级的所述的第二阶段中，依据所述的猪只养殖饲喂等级与猪只屠宰信息，建立灰色AHP-白化权函数聚类综合分级评定模型，编制多元精细化智能猪胴体分级模型的计算机程序：
采用层次分析法与灰色AHP-白化权函数聚类综合分级评定模型相结合对猪胴体肉品等级进行评定，将猪胴体肉品进行猪只胴体肉品等级划分，将其等级划分n不同等级，共设m个评估指标，评价对象猪胴体i关于指标j的数据值为xij，j＝1,2,…m，综合等级评定具体步骤如下：
步骤1:按照所述的猪只胴体肉品划分的等级，对各评估指标的取值范围作相应划分，并进行预处理，转换为百分制表示的数值；
步骤2:构造j评估指标关于k等级的白化权函数即确定j(j＝1,2,3...m)评估指标属于k(k＝1,2,3...n)子类的白化权函数，根据专家打分，得出对各评估指标的白化权函数，进而可以得到各白化权函数的具体表达式；
步骤3:计算j评估指标关于k等级的临界值即确定j(j＝1,2,3...m)评估指标属于k(k＝1,2,3...n)子类的各个临界值；
步骤4:计算j评估指标关于k等级的权重即采用层次分析法，构建层次模型，确定j(j＝1,2,3...m)评估指标属于k(k＝1,2,3...n)子类的权重；
步骤5:计算第i猪只关于k等级的灰色变权聚类系数，即确定猪只对象i属于k(k＝1,2,3...n)子类的灰色变权聚类系数，从而得到灰色聚类系数矩阵，
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>i</mi>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>f</mi>
<mi>j</mi>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>&eta;</mi>
<mi>j</mi>
<mi>k</mi>
</msubsup>
</mrow>
步骤6:由判定第i猪只属于k*等级，实现猪胴体肉品综合智能分级。
2.如权利要求1所述的自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，其特征在于：所述的历史养殖饲喂信息包括：猪只品种、猪只性别、猪只年龄、放养模式、采食方式、饲料蛋白质含量、生病喂药和养殖场地理位置。
3.如权利要求1所述的自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，其特征在于：所述的猪只屠宰信息包括：屠宰率、背膘厚、瘦肉率、肉色等级、大理石纹等级、pH值。
4.如权利要求1所述的自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，其特征在于：所述的准则层中包括猪只品种、猪只性别、猪只年龄、放养模式、采食方式、饲料蛋白质含量、生病喂药和养殖场地理位置。
5.如权利要求1所述的自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法，其特征在于：肉品分级的所述的第二阶段中，共设7个评估指标，所述的评估指标为猪只养殖饲喂等级、屠宰率、背膘厚、瘦肉率、肉色等级、大理石纹等级和pH值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510051845.8A CN104616204B (zh) | 2015-01-30 | 2015-01-30 | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510051845.8A CN104616204B (zh) | 2015-01-30 | 2015-01-30 | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104616204A CN104616204A (zh) | 2015-05-13 |
| CN104616204B true CN104616204B (zh) | 2018-04-06 |
Family
ID=53150637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510051845.8A Active CN104616204B (zh) | 2015-01-30 | 2015-01-30 | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104616204B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105231334B (zh) * | 2015-08-27 | 2019-03-08 | 北京农业信息技术研究中心 | 鱼子酱加工过程的质量控制方法 |
| CN106465742B (zh) * | 2016-09-23 | 2018-09-25 | 中国农业科学院农产品加工研究所 | 羊胴体计算机视觉辅助分割系统及其分割装置 |
| CN112906773A (zh) * | 2021-02-04 | 2021-06-04 | 中国农业大学 | 基于云服务的生猪屠宰线胴体品质分级和监控方法及系统 |
| CN113311123A (zh) * | 2021-06-01 | 2021-08-27 | 江苏省农业科学院 | Bf2代苏紫猪屠宰胴体性状检测方法 |
| CN114342986B (zh) * | 2022-01-14 | 2023-03-28 | 南京农业大学 | 一种猪半胴体智能分割方法 |
| CN117934195A (zh) * | 2024-03-19 | 2024-04-26 | 华中农业大学 | 生猪全域数字智能育种系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101201928A (zh) * | 2007-09-06 | 2008-06-18 | 北京农业信息技术研究中心 | 牛肉产品质量安全全程跟踪与追溯方法及系统 |
| CN101567050A (zh) * | 2009-06-09 | 2009-10-28 | 东华大学 | 一种灰色聚类分析方法 |
| CN101569325A (zh) * | 2009-06-04 | 2009-11-04 | 浙江青莲食品有限公司 | 一种带皮片猪胴体的分级方法 |
| CN102156129A (zh) * | 2009-12-02 | 2011-08-17 | 南京农业大学 | 一种基于机器视觉的牛肉品质智能分级系统及其方法 |
-
2015
- 2015-01-30 CN CN201510051845.8A patent/CN104616204B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101201928A (zh) * | 2007-09-06 | 2008-06-18 | 北京农业信息技术研究中心 | 牛肉产品质量安全全程跟踪与追溯方法及系统 |
| CN101569325A (zh) * | 2009-06-04 | 2009-11-04 | 浙江青莲食品有限公司 | 一种带皮片猪胴体的分级方法 |
| CN101567050A (zh) * | 2009-06-09 | 2009-10-28 | 东华大学 | 一种灰色聚类分析方法 |
| CN102156129A (zh) * | 2009-12-02 | 2011-08-17 | 南京农业大学 | 一种基于机器视觉的牛肉品质智能分级系统及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104616204A (zh) | 2015-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104616204B (zh) | 一种自动生猪屠宰线上的多元、精细、智能化胴体肉品分级方法 | |
| Qiao et al. | Intelligent perception for cattle monitoring: A review for cattle identification, body condition score evaluation, and weight estimation | |
| Nyalala et al. | Weight and volume estimation of poultry and products based on computer vision systems: a review | |
| Greenwood et al. | Current situation and future prospects for the Australian beef industry—A review | |
| Miller et al. | Using 3D imaging and machine learning to predict liveweight and carcass characteristics of live finishing beef cattle | |
| Wang et al. | ASAS-NANP SYMPOSIUM: Applications of machine learning for livestock body weight prediction from digital images | |
| US10806153B2 (en) | System and method for detecting woody breast condition in broilers using image analysis of carcass features | |
| Stewart et al. | Objective grading of eye muscle area, intramuscular fat and marbling in Australian beef and lamb | |
| Gagaoua et al. | Decision tree, a learning tool for the prediction of beef tenderness using rearing factors and carcass characteristics | |
| Janiszewski et al. | Prediction of primal cuts by using an automatic ultrasonic device as a new method for estimating a pig-carcass slaughter and commercial value | |
| Price et al. | Characterizing ham and loin quality as hot carcass weight increases to an average of 119 kilograms | |
| Allen | Recent developments in the objective measurement of carcass and meat quality for industrial application | |
| Matthews et al. | Predicting carcass cut yields in cattle from digital images using artificial intelligence | |
| Alvarenga et al. | Is meat from cull cows tougher? | |
| Caldas-Cueva et al. | Use of image analysis to identify woody breast characteristics in 8-week-old broiler carcasses | |
| Sifre et al. | Influence of the spatial organization of the perimysium on beef tenderness | |
| Fernandes et al. | Body condition score of Nellore beef cows: a heritable measure to improve the selection of reproductive and maternal traits | |
| CN112906773A (zh) | 基于云服务的生猪屠宰线胴体品质分级和监控方法及系统 | |
| van der Werf et al. | An index for beef and veal characteristics in dairy cattle based on carcass traits | |
| Masferrer et al. | Automatic ham classification method based on support vector machine model increases accuracy and benefits compared to manual classification | |
| Zheng et al. | Shank length and circumference measurement algorithm of breeder chickens based on extraction of regional key points | |
| Tenrisanna et al. | Trends and forecasting of meat production and consumption in Indonesia: Livestock development strategies | |
| Kempster | Carcass and meat quality research to meet market needs | |
| CN101569325A (zh) | 一种带皮片猪胴体的分级方法 | |
| El Jabri et al. | Image analysis study of the perimysial connective network, and its relationship with tenderness and composition of bovine meat |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |