CN1070734A - 无损害肉质分级装置与方法 - Google Patents

无损害肉质分级装置与方法 Download PDF

Info

Publication number
CN1070734A
CN1070734A CN92108892A CN92108892A CN1070734A CN 1070734 A CN1070734 A CN 1070734A CN 92108892 A CN92108892 A CN 92108892A CN 92108892 A CN92108892 A CN 92108892A CN 1070734 A CN1070734 A CN 1070734A
Authority
CN
China
Prior art keywords
animal
signal
ultrasonic
value
dead
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
CN92108892A
Other languages
English (en)
Inventor
T·E·米歇尔
D·L·佩特里科拉
J·T·怀特黑德
A·L·施罗德
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.)
Eli Lilly and Co
Original Assignee
Eli Lilly and Co
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 Eli Lilly and Co filed Critical Eli Lilly and Co
Publication of CN1070734A publication Critical patent/CN1070734A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A22—BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22B—SLAUGHTERING
    • A22B5/00—Accessories for use during or after slaughtering
    • A22B5/0064—Accessories for use during or after slaughtering for classifying or grading carcasses; for measuring back fat
    • A22B5/007—Non-invasive scanning of carcasses, e.g. using image recognition, tomography, X-rays, ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
    • G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/223—Supports, positioning or alignment in fixed situation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/12—Meat; Fish
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/58—Testing, adjusting or calibrating the diagnostic device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/58—Testing, adjusting or calibrating the diagnostic device
    • A61B8/585—Automatic set-up of the device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/024—Mixtures
    • G01N2291/02483—Other human or animal parts, e.g. bones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/02854—Length, thickness

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Acoustics & Sound (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Meat, Egg Or Seafood Products (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Processing Of Meat And Fish (AREA)
  • Fish Paste Products (AREA)
  • Length Measuring Devices Characterised By Use Of Acoustic Means (AREA)

Abstract

一种肉类和动物的无损分级装置和方法，用以测 量脂肪厚度或含量以及肌肉深度或面积参数。该装 置包括超声波传感器，和提供数字化A扫描信息的 分析器装置。一分离的控制器，用以沿着相邻动物或 死动物的预定路径移动超声波传感器，同时沿该路径 在预定位置得到A扫描。把A扫描数字化并予以 分析，以测定组织交接面。对于可测定的动物，公式 可以帮助确定最长肌的面积，和脂肪组织的厚度，以 及瘦肉含量等级。

Description

本发明涉及的是超声波测量装置，尤其是涉及到能测定家畜和/或死家畜的脂肪厚度及最长肌区（牛背肉，牛腰肉，猪）的一种无损害装置。
在家畜工业中，测定一头被屠宰的牲畜价值首要的因素在于它的瘦肉含量。历史上，多种技术发明应用于评定动物尸体的等级或质量等级。许多已知的现有技术与装置提供了这方面的信息。
在宰杀了象牛或猪这样的肉用动物后，评定每具屠宰后的动物尸体的分类员按瘦肉的含量和/或质量把它们分级。现在代表性的作法是用目测进行分级。因为给屠宰后家畜尸体分等级确定了其每磅的价值，所以分等级有显著的经济效益。众所周知，分等级中的微小差别在肉用动物售出的价格方面有很大影响。
用超声波给家畜尸体分等级的方法与设备发表于美国专利第4，785，817号上，发明者是斯托夫。斯托夫的方法和设备包括了多路传感器，以便用超声波生成一幅与动物尸体横截面对应的视频图像。斯托夫装置的传感器探头包括通常所用的一种直线阵列的传感器元件，这些传感器元件由大体上处于水平位置的传感器支撑单元固定。斯托夫装置生成的图像具有代表性的是尸体的牛背肉或猪腰肉部分的图像。斯托夫的专利建议，动物尸体的等级可自动地由计算机进行评定，该计算机需利用一个能把腰肉部分的视频或电子图像信息输入计算机的适当的图像识别装置。
把活的动物和动物尸体的质量分级的其他超声波装置公布于欧洲专利第0337661号上，发明人是威尔森，以及卡尔森的美国专利第4，359，055和第4，359056号上。威尔森专利介绍的是一个手提的超声波传感器单元，该单元上有许多超声波传感器。用威尔森的装置在活的动物体上扫描情况很理想。威尔森和卡尔森的装置能确定皮肤/脂肪层的厚度以及测定靠近脂肪的肌肉层。卡尔森装置的首要目的是测定一只活的动物背部脂肪的厚度，特别是一头猪或猪类的活动物。卡尔森装置上的传感器发出被放大的脉冲，送到门限检测计上，并由电子计数器计数。放大器的增益随着计数器检测数字而变化，直到检测到第一脂肪层为止。
前述已有的技术装置没有一个能精确地测定动物最长肌部分，也不能用快速的方法测定脂肪厚度，即以一个适合于屠宰场要求的速度迅速地评定出动物尸体等级的方法。因此需要一个能测定尸体的等级、质量和瘦肉含量方面价值的精确、高速、高容量装置。
根据本发明的一个方面，一个能测量动物尸体的无损害装置，包括一个超声波脉冲器/接收器装置用以发射超声波脉冲信号和接收反射的超声波信号。该脉冲器/接收器装置产生大量的超声波信号，它们与所述的接收到的反射超声波信号一致。给上述超声波脉冲器/接收器装置沿着预定的路线并且与活的动物或死的动物相接触地定位的驱动装置。上述的驱动装置产生一位置信号，它与上述的脉冲器/接收器相对于活动物或死动物的相对位置对应，以及用于分析该超声波信号和该定位信号的装置，以得到一个对应于活的动物或死的动物瘦肉含量的测量结果。
依照本发明的另一方面，测量活的动物或死动物的无损害方法包括提供一超声波单元的步骤，该超声波单元在预定的位置上与活动物或死动物接触，并发射和接收超声波信号。反射信号与接收到的超声波信号一致。将在活动物与死动物预定位置上，与活动物或死动物接触的超声波单元定位，沿着预定的轨迹同时保持该超声波单元与活动物或死动物之间接触移动上述的超声波单元，在上述预定的轨迹的大量位置点上储存反射信号以采集储存的反射信号，分析上述采集的反射信号，所有这些都被用于确定活动物或死动物瘦肉含量的等级。
本发明的一个目的是提供一种改进的方法和装置用以测量活动物和/或死动物。
本发明的另一个目的是提供一个更可靠和更精确的装置和方法来测定死动物的脂肪与瘦肉含量。
本发明的另一目的是提供一个装置和方法用于自动地对活动物或死动物扫描并测量横截面最长肌面积和脂肪厚度以及自动地确定瘦肉含量或通过这样测量得到的瘦肉重量。
本发明还有一个目的就是一套全自动活动物或死动物分析系统，用于确定基于活动物或死动物脂肪/瘦肉含量的活动物或死动物的价值。
通过下述的最佳实施例的描述会更清楚地看出本发明的这些与其它的目的。
根据本发明，图1是一个无损害肉质分级装置的示意图。
图2是描述图1中控制器16的构成的方框图。
图3a是根据本发明的固定器装置的前视图。
图3b是图3a所示的固定器装置的后视图。
图4是位于靠近图3a和图3b的固定器装置的活动物或死动物肋/腰部的横截面示意图。
图5是显示被分为三个基本部分的活动物或死动物的最长肌部分的横截面图。
图6是一个平面上的四边形，以及关于四边形的几何坐标数据的示意图。
图7是由计算机14执行的软件的统一流程图，该计算机14确定组织分界面并修正错误的扫描数据。
图8是图7中“读入数据并确定组织分界面”步骤的进一步详尽的程序流程图。
图9是图7中“修正错误的数据点”步骤的进一步详尽的程序流程图。
图10是图7中“读入数据并确定组织分界面”步骤的补充实施例的程序流程图。
图11是与活动物或死动物接触的超声波传感器和橡皮接受器的局部放大视图。
图12是距离猪（活的或死的）的中线1英吋位置处仪器12产生的电子“全视频”信号。
图12A是距离猪（活的或死的）的中线1英吋位置处仪器12产生的与图12对应的电子“射频”信号。
图13是距离猪（活的或死的）的中线2英吋位置处仪器12产生的电子“全视频”信号。
图13A是距离猪（活的或死的）的中线2英吋位置处仪器12产生的与图13对应的电子“射频”信号。
图14是距离猪（活的或死的）的中线3英吋位置处仪器12产生的电子“全视频”信号。
图14A是距离猪（活的或死的）的中线3英吋位置处仪器12产生的与图14对应的电子“射频”信号。
图15是距离猪（活的或死的）的中线4英吋位置处仪器12产生的电子“全视频”信号。
图15A是距离猪（活的或死的）的中线4英吋位置处仪器12产生的与图15对应的电子“射频”信号。
图16是距离猪（活的或死的）的中线5英吋位置处仪器12产生的电子“全视频”信号。
图16A是距离猪（活的或死的）的中线5英吋位置处仪器12产生的与图16对应的电子“射频”信号。
图17是一条典型的曲线，它表示仪器12所示发出的电子“射频”超声波信号作用于具有第三个脂肪层的猪（活的或死的）身上。
图18是一条典型的曲线，它表示仪器12所示发出的电子“射频”超声波信号作用于牛身上。
为了帮助理解本发明的原理，附图所示的实施例提供了参考，特别的语句被用来描述相同的内容。然而应该知道，本发明的范围并没有局限于此，象示例装置的变换或进一步的改进以及本发明原理的进一步应用，对于一个熟悉本发明所涉及的技术领域的人来说，通常是能够做到这一点的。
现在看图1，图示的是依照本发明的一个无损害肉质分级装置10。肉质分级装置10包括一个超声波数据采集器12，个人计算机14，一个控制器16，一个遥控操作键盘或一个拉线台18和一个固定装置20。一个超声波传感器（在图3a中）通过信号线路或多导线电缆22接到仪器12上。电动机26通过多导线的信号线24从控制器16那里接收控制信号。相似地，限位开关信号，LVDT（线性电位差变换器）信号和编码信号由信号线28传递，信号线28也是多导线的电缆。在图3a和/或图3b中表示了限位开关，LVDT装置和编码器。一个IEEE488或GPIB接口线30在仪器12和计算机14之间提供了一个数据接口。一个并行的接口总线32把控制器16和计算机14相互连接起来。在计算机14与控制器16之间有一串行接口线34，典型的是RS232串行接口线。一个触发的信号经过信号线35由控制器16传递到仪器12上。
从操作的角度上讲，一个定位装置20的设置使得一个活动物（没表示）或死动物（没表示）能够尽可能地接近传感器36。在传感器36顶端放置的橡皮套管38提供水和其它适合的耦合剂进入的流体室，水和其它耦合剂在传感器36与活动物或死动物之间提供适当的或充分的超声波耦合。通过管子40，耦合剂被输送到由橡皮套管38构成的流体室中。加压的耦合剂从加压的源头（没表示）输送到管道40中。控制器16的开关或键盘42和遥控18的开关或键盘44具有操作连接性能，使之以人工方式，自动方式，诊断方式和标准方式控制装置10。开关42和44具有相同的功能。
整个系统或装置10的基本操作由控制器16组织或同时启动。控制器16接到来自操作者的自动操作或扫描活动物或死动物（代表性的是牛或猪）的命令，下一步，操作者开始扫描活动物或死动物。控制器16（通过电动机26）将传感器36移动到一系列预定位置上，并且启动仪器12获得超声波A扫描。当获得每一个A扫描时，仪器12把A扫描信号数字化成8000字节的数据，并且依据预定的操作文件软件在仪器12中修改数据。当处理了数字化的A扫描时，仪器12通知计算机14数据已准备好，计算机14通过接口线30将数据读入。这样，每当一个扫描有效时，立即分析数据，使时间周期得到最有效的应用。如果计算机14还无法接受来自仪器12的附加数据时，信号被提供给控制器16以阻止仪器12进一步工作，直到计算机14处理了最新的A扫描数据为止。
自动操作方式能执行预定的扫描计划，自动操作开始工作的第一步是写入、修改和调整扫描计划，现在一个扫描计划确定如下：对于第一个2英吋，实现超声波扫描，且每1/8英吋处都数字化。接下来的2英吋，每1/4英吋将实现扫描。对于最后两英吋，或直到传感器停止运动，每1/8英吋将实现扫描和数字化。任意地，一个菜单选择系统使操作者能够选择先前记录在控制器16的储存器中的几个扫描计划中的一个计划来执行，因此从扫描猪转到扫描牛像选一道菜一样容易。人工方式的操作允许操作者在扫描范围内任意一处移动超声波扫描装置，并从数字化的扫描中获得信息。通过按下和保持键盘42或键盘44上的按钮或开关使传感器能前后方向移动。当传感器在预定位置上时，操作者按另一按钮取出数据。传感器36能分辨硬件所允许的最细微的变化，大约是0.01英吋。
在校准方式下，传感器被放置在固定装置中，并用一个已知的信号激励。返回的信号在一已知的位置上将有一个峰值。然后仪器12的增益自动地被调节，使峰值到达预定的电平。其它标准的体制需要用延迟和超声波扫描信号时间分析窗确定时间偏移。此外如果需要，诊断程序可以在电源开启时或依据操作者命令来执行。
在自动操作方式中，开始自动操作前，操作者必须做一些准备的步骤：例如，通过开关或键盘44应输入活动物或死动物的数目。通过在计算机14上执行的菜单驱动程序，选择扫描器操作方式。最后，操作者可通过键盘44启动的常规方法把传感器36移动到一个特别的起始位置。最后，操作者按下键盘42或键盘44上的启动按钮开始扫描。
一旦活动物或死动物尽可能地置于靠近传感器36的地方且背对着支架48时，操作者启动键盘42或44中的一个开关，开始超声波扫描。在那点上，控制器16通过信号线34启动仪器12，将超声波能量脉冲发射到活动物或死动物身上，并分析或处理传感器36接收的反射回的超声波信号。仪器12把反射回的超声波信号数字化，同时依照事先定好的方式分析信号。计算机14所编的程序能询问仪器12，且通过GPIB/IEEE488接口接收数据。计算机14在扫描过程中不断地定时查询仪器12，以确定是否得到最新超声波A扫描。当仪器12向计算机14提供数据时，计算机14分析来自活动物或死动物反射的数字化的超声波数据，并且通过分析数字化的反射信号可探测肌肉/脂肪的分界层。然后，控制器16沿固定装置弧线移动传感器，并重新启动仪器12提供一组A扫描信息或数据，通过接口线30向计算机14提供数据进行分析。这样，电动机26依照沿固定装置20的弯曲部件46由控制器16发出信号移动传感器36，直到采集了足够数量的扫描，一般地讲，传感器的运动完全跨过了活动物或死动物身体。当计算机14不能立即输入来自仪器12的数据时，控制器16由并行接口32或串行接口34被告知延迟，传感器暂时停止运动，直到延迟消除（计算完毕）。然后，计算机14确定最长肌面积或脂肪层厚度。最长肌，脂肪厚度和最长肌深度可以独自地或以合作的方式用于预测方程里，以获得活动物或死动物的等级或瘦肉率。瘦肉率用于确定活动物或死动物的价值。此外，一头猪或死猪的腿臀面积和牛腿部分的超声波扫描能提供附加信息供预测方程之用，以确定活动物或死动物瘦肉含量和/或价值。
预测方程（下列）由Purdue大学研究人员得出，在家畜工业中，该方程以预测死猪的“瘦肉百分比”和“瘦肉重量”而闻名。这些方程来自动物科学杂志，第68卷，3987页，1990，欧卡特等人。在此为参考而收编了该篇文章。
瘦肉的Kg＝2.67+0.45新鲜死动物重量（Kg）-3.31×第10根肋骨脂肪深度3/4（cm）+0.29×第10根肋骨腰部肌肉面积（cm）2
R2＝0.83
RSD＝1.99
对牛也有同样的方程式。被USDA采用且收编入机构标准中。牛肉的USDA方程式是：
能切割部分的百分比＝51.34-（5.78×第12根肋骨脂肪厚度 英吋）-（0.0093×新鲜死动物重量 磅）-（0.462×肾，骨盆和心脏脂肪的百分比）+（0.740×牛背肉面积，英吋2）
得出的等级＝2.5+（0.25×第12根肋骨处脂肪厚度，英吋）+（0.0038×新鲜死动物重量，磅）+（0.2×肾，骨盆与心脏脂肪的百分比）-（0.32×牛背肉面积，英吋2）
弯曲部件46的半径大约为8.2英吋。这个半径允许传感器以一个弓形移动，这个弓形与从中线或脊柱测量的活动物或死动物的半径紧密对应的。关于超声波扫描器工作位置的进一步详情在图4中予以说明。
超声波数据采集仪器12是1740/1750    Mini-C型装置，可在阿文/卡尔斯班的分公司系统研究实验室公司得到，2800    Indian    Ripple    Road，达顿，俄亥俄州45440。Mini-C型装置能为处理A扫描数据和数字化地标准A扫描信号提供显示组织分界面的最大振幅偏差。当仪器12被编程以产生“无线电频率”型数据时，这种处理得到应用（见图12-16）。换言之，仪器12可产生为分析用的数字化的“射频”扫描信号。个人计算机14包括硬盘和软盘，只读存储器ROM，随机存取存储器RAM，串行和并行的输入/输出（I/O）接口，IEEE488GPIB接口，至少一个1M的RAM和一个Intel    80286微型协处理器，协处理器的基本母盘有一个运算协处理器。计算机14也包括有一个监视器，打印机和磁盘驱动器。LLD-0106-GD型传感器可在Technisonic公司买到。超声波传感器一般是在0.5-7.5MHz范围内工作。这个系统被设计成能与频率在0.5-7.5MHz范围内的各种传感器一起工作。
现在看图2。图2是更详尽的方框图，图示了控制器16的构件。控制器16包括电源50，由Galil公司制造的电动机控制盘52（DMC-210型）和一个控制盘54，控制盘54包括一台具有串行I/O接口，A/D变换器，并行I/O接口，ROM和RAM的微型计算机。图1中的计算机14与控制器16之间的信号和数据交换是通过信号线34和32进行的。例如，来自LVDT（图2中没有表示）的电压由控制盘54数字化，并且通过串行接口34提供给计算机14。控制盘54通过在信号线56中的开关矩阵，扫描输入/输出线，监视开关42。线性电位差变换器LVDT通过信号线58与控制板54连接。在图3a中表示的LVDT给控制器16提供直线位移信息或信号。信息被送到计算机14来确定传感器的位置，并计算最长肌面积。因此，当活动物或死动物与弯曲部件46不相符时，LVDT装置就提供径向位置信息来确定组织分界线位置和准确计算脂肪厚度和最长肌面积。此外，限位开关信号通过信号线60由固定装置20送到控制盘54以及电动机控制盘52。图3a中表示的限位开关74阻止传感器相对于固定装置的超程移动，并且以防止电动机驱动装置被损坏而著称。图3b中表示的来自放置编码器90的信号通过信号线62传到控制盘54和为电动机控制器52提供位移信息。在信号线62，信号线60和信号线58上的信号都由图虚中的信号通道28来代表。拉线台44通过图1中表示的信号线19与控制盘54连上。图2中表示的电动机驱动盘64是Galil公司生产的ICB-930型的。电动机驱动盘64从电源50处得到动力，从电动机控制器52接收信号，电动机驱动盘64向电动机26提供驱动信号，以便沿弯曲部件46相对动物尸体适当地设置传感器。电源50也为驱动盘64和控制盘54提供动力。
现在看图3a和图3b，图示了依据本发明的固定装置20。金属板66与金属板67贴上。金属板67贴在弯曲部件46上。依据固定装置20，金属板66和67为固定活动物或死动物提供一个实际的位置点。重要的是，活或死的牛或猪的定位应使其切开线或中线对着厚金属板66和67。这样，活的动物或死的动物的中线或脊柱的定位就使弯曲部件46的径向中心与活的动物或死的动物的中线或脊柱位置大致相符了。在弯曲部件46的上表面，链条68在弯曲部件46的上表面与驱动电动机26之间形成一个明确的机械拖拉交接面。扣链齿70使电动机26的轴与链条68之间产生机械作用。当活的动物或死的动物放置于靠近固定装置20时，支架48为其提供了确定的放置参考点。连接器72为在仪器12和固定装置20之间，同时也是为在控制器16与在固定装置上的电气/电子装置间，建立电气连接提供方便的电连结装置。与固定装置20相接的电气连接与信号线一致，并且信号在如图1中设计的22、24和28连线中传递。限位开关74的安装防止了弯曲部件46上传感器的超程移动。限位开关74由凸轮78启动，该凸轮靠近传感器装置76移动区间的末端。传感器装置76由驱动电动机26驱动，沿弯曲部件46运动。技术上已成熟的机械贴接装置能在传感器装置76和弯曲部件46之间自由运动，以致传感器装置76可对应着电动机26的旋转而在弯曲部件46的外部弧线上运动。在图11中有更详尽说明的水流集合管80被贴住，且与超声波传感器可径向运动，集合管80套在超声波传感器的顶部。水流集合管80有一个导管，使水和其它适当的耦合剂流到传感器与活的动物或死的动物之间的地方，使得传感器与活动物或死动物之间产生超声波信号耦合。在图3a和图3b中没有表示的橡皮接受器38却在图11中有详尽的说明。
LVDT82的机械起动器与支架84机械地连接起来。支架84与传感器36连接，并与各种各样活动物或死动物的径向表面相接的弯曲部件46可径向移动。因此，用LVDT82的方法得到的信号表明了依活动物或死动物而定的传感器的径向位置（图4中的“R”），所以借助于传感器相对于参考坐标位置的归一化径向位置能高精度地计算脂肪厚度和最长肌的面积，弹簧86推动装在传感器固定装置76中的传感器，使传感器向活动物或死动物的径向方向自由运动，也使橡皮接受器38轻轻地以2到3克的力压紧活动物或死动物。作用于活动物或死动物的接受器的接触力帮助维持在传感器与活动物或死动物之间的水和适当耦合剂的储存以帮助传感器与死动物的信号耦合。管道40为耦合剂集合管80提供加压的水或适当的耦合剂。电缆88包括有一导线为传感器36和超声波数据采集仪器12之间提供电连接。链轮齿68安装在编码机90的轴上，编码机90提供反馈信息到图2中的电动机控制器52以及控制盘54上。耦合剂集合管80有一个唇80a方便地把图11中的接受器以及耦合剂集合管80很好地密封起来。
小型步进旋转光学编码机90是E116型，它在BEI运动系统公司计算机产品分公司有售（Sam    Marcos，加利福尼来州，92069），驱动电动机26是A-1430型的永磁行星齿轮电动机，在TRW公司有售，LVDT是一个MHR串联微型装置，型号SMS/GPM-109A，在Schaevitz公司有售（7905    N，Rte.130，Pennsavken，新泽西州08110）。
图2中的电动机控制器52使电动机26很方便地进行程序控制，将传感器76移动到预定扫描位置。在已有技术中公知的可变运动控制系统因此可被替代。
现在看图4，可以看出弯曲部件46的横截面非常靠近活动物或死动物92的肋/腰部分的横截面。当活动物或死动物适当地置于非常靠近弯曲部件46时，所建立起的数字关系表示在图4上。最开始的参考点坐标X＝0，Y＝0提供的参考点是计算的基础，半径R的中心与参考点一致，这样可适当地定位活动物或死动物。典型地，半径R的长度在5 5/8 英吋到6 5/8 英吋之间，当传感器在曲线A上运动时，超声波信号被传送到了活动物或死动物92上，同时仪器12探测到反射信号。（与组织分界峰值1，2，3，4对应的）PK1，PK2，PK3和PK4位置的X，Y坐标由下式（也表示在图4中的公式中）确定
X＝（R－ (（TOF脂肪）（V脂肪）)/2 ＋ (（TOF脂肪）（V脂肪）)/2 sinθ
Y＝（R－ (（TOF脂肪）（V脂肪）)/2 ＋ (（TOF脂肪）（V脂肪）)/2 cosθ
TOF是超声波信号渡越时间的缩写，V代表在相应组织内超声波信号的速度。脂肪和肌肉的下标表明在脂肪与肌肉中的渡越时间和速度，以此计算从PK1到PK4位置的X，Y坐标，角度θ是中线或Y轴与扫描过程任意时间传感器位置之间的夹角。
当每一次扫描中确定各峰值（PK1-4）时，计算机14执行的软件确定第一、第二和第三脂肪层的厚度，也测定了当传感器36沿弯曲部件46上移动并上完成扫描时，最长肌前后表面的径向位置。这样就得到或确定了最长肌部分的大量位置点。尤其是，超声波扫描获取的是这样一些点，例如，沿径向在第一个传感器36移开中线的两英吋每 1/8 英吋处取点，当传感器沿着弯曲部件移动时，沿径向在第二个两英吋每 1/4 英吋处取点，在最后两英吋或当传感器36沿弯曲部件46运动到端点时每 1/8 英吋处取点。
现在看图5，图示了活动物或死的动物92肋/腰部分横截面，其中的最长肌的三个范围标为92a、92b和92c。这些区域在下文被称为背部最长肌区92a，主最长肌区92b以及腹部最长肌区92c。主最长肌区92b的面积是由测定峰值PK3和PK4确定的一系列邻近四边形的面积，并把其面积一起相加计算出来的。背部最长肌区92a与腹部最长肌区92的面积依照下列公式近似获得。如背部最长肌厚度（沿背部最长肌92a内侧测定的）大于或是等于1.2英吋时，那背部肌肉最长肌面积等于1.44×（腰肉厚度-1）平方英吋。如背部最长肌厚度大于0.5英吋但小于1.2英吋，背部最长肌92a的面积等于0.41×（腰部厚度-0.21）平方英吋。如背部最长肌厚度等于或小于0.5英吋时，那背部最长肌92a的面积是零。
腹部最长肌区92c依以下公式计算。如腹部最长肌厚度（沿腹部最长肌92c内侧测定的）大于或等于1.7英吋，那最长肌面积等于2.2×（最长肌的厚度-3.3）平方英吋。如腹部最长肌厚度大于0.5英吋且小于1.7英吋时，腹最长肌面积等于0.36×（最长肌厚度-0.18）平方英吋，如腹最长肌厚度小于0.5英吋时，那么腹部最长肌面积为零平方英吋。
现在看图6，图示了一个四边形以及为方便起见而标注的四个边，对角线以及边的交点。依此，下列公式用于确定一个特定的四边形的面积，确定各种四边形的已知点，被用来精确地确定其面积总和等于主最长肌92b总面积的那些四边形，而所述的各种四边形构成了主最长肌92b（在扫描时，PK3和PK4点被确定下来）。
四边形面积＝ 1/4 4pq-(b+d-a-c) 2 ，式中
p＝（XT1-XBo）2+（YT1-YBo）2
q＝（XTo-XB1）2+（YTo-YB1）2
a＝（XTo-XT1）2+（YTo-YT1）2
b＝（XTo-XBo）2+（YTo-YBo）2
c＝（XBo-XB1）2+（YBo-YB1）2
以及
d＝（XT1-XB1）2+（YT1-YB1）2
现在看图7，图示的是计算机执行的程序流程图。计算机14依本发明确定组织分界位置以及修正错误数据，为脂肪厚度和最长肌面积提供精确测量。在第150步，如果程序接到的指令是1，那么程序将执行第152步，在第152步读入来自仪器12的数据以确定组织分界位置。在152步后，程序继续执行第154步。如果在第150步中，回答询问是不（No），则程序继续执行154步。在第154步，如果接到的命令是2，那么在156步分析某种扫描分界位置并且修正错误的数据或错误的人为因素。如在第154步命令不是2，那第程序继续执行158步。如在第158步接到的命令是3，那么在第160步上，从存储中消除掉组织记录。
现在看图8，图示了比图7中第152步的读入数据和确定组织分界面的更详尽的和程序流程图。使用软件以确定肋或腰部的位置，并且针对确定组织分界位置的传感器位置进行计算。通过计算机14从仪器12接收到的数据包括一个扫描数，该扫描数是一个串行化的数，其附加到每组数据上并随确定扫描的每组数据字节而增加，在其中每个数字化的扫描大约包括8000字节的数据。在图8中第180步，得到扫描数或A扫描数，在182步，A扫描数的目录得到检查以便复制。182步后，在184步，如果当前的A扫描数还没有被当做已收到的最新扫描时，在184步后的186步修改A扫描计划和索引。如果在184步检验失败，程序继续执行188步。程序也可以执行186步后继续执行第188步。在188步，与在180步中得到的A扫描数对应的A扫描数据点由计算机14通过IEEE488接口母线读入。随后在190步A扫描数据近似地分为300个组，每组有25个数据点。下一步，对于在190步中确定的每一组，在192步中计算其平均值。下面194和196步，对数据1至150组执行循环运算来确定最终出现的高于150的峰值平均值（或其它预定峰值）。随后在198步，结缔组织的始端做为在194和196步的循环运算中获得的大于150的最后峰值之前的最小值被确定下来。198步后，在200步上确定肌肉区的入口时间是结缔组织的始端200步后，在202和204步上，对包括每组25个点的最后150组数据执行一次循环，结果在204步上确定了高于预定值或138的最先出现的峰值。202和204步的循环为后150组数据重复执行150次。在150次的循环后，程序继续执行206步，在其中，出口时间即信号穿过肌肉后部时间，被确定为最先的大于138的峰值。接下来208步，肌肉区末端相当于在206步中高于138峰值的出口时间点。随后执行回车，返回调用程序。
现在看图9，图示了图7中156步“修正错误数据点”的更详尽的程序流程图。该程序修正超出合理限度的人为因素和读入数据的错误。例如，如果图8或图10的软件算法没有适当地定位图16中的位置B，那么紧接着的扫描用于为图16中位置B建立一个调整的或修正的位置。在220步中，使用在软件技术领域中公知的气泡分类程序，通过扫描数将全部储存的A扫描分类。下一步222步中，使用对技术熟练的人已知的“K方法”程序（在说明具体实施例后，给出了程序附件），对于相应扫描数5到扫描数8的“入口时间”决定了一组值。尤其是“K方法”程序为在X1Y坐标平面中的一组点提供了一个中心值。因此中心值是为，在222步中扫描数5到8通过程序确定的入口时间，而计算的。随后在224步中，如果扫描5的“入口时间”减去入口组中心值的入口时间大于预定的限度，那么在第226步扫描5的入口时间被指定等于入口组中心值。如果224步中的条件没有得到满足，那么程序继续执行228步。接下来在228步中，使用在222步中为“入口时间”而运算的“K方法”算法将扫描数5到8的“出口时间”组成一组。在随后的230步中，如果扫描数5的“出口时间”减去在228步中计算的“出口组的中心值”大于224步中的预定限度，那么扫描数5的“出口时间”被指定等于232步中的“出口组的中心值”如果232步中的条件结果是“不”，那么程序继续执行234步。在234步中，一个包括236和238步骤的Do-While循环在执行中，同时A扫描数等于6且小于或等于从仪器12中接收的全部A扫描数。在236步中，如果接着的A扫描入口时间减去当前的A扫描的入口时间大于预定限度，那么下一个A扫描的入口时间被指定等于当前的A扫描的入口时间。计数“a”是为在236和238步中建立标引而设置的，它相当于在234步中确定的有意义的扫描数。随着234和236步循环的增加，扫描数每次都增多，这样所有紧接着的扫描入口时间一个接一个地相互比较。如在任何时候，236步中的条件得到满足，那么下一个扫描的入口时间等于当前的扫描数的入口时间。一旦在234步中的Do-While循环中扫描数6到最后一个扫描数都处理完毕，那么程序将继续执行240步，其中由242和244构成的Do-While循环完成象234步到238步同样的任务，即处理在扫描数6中一个接一个直至最后一个扫描的出口时间问题。在242步中，如果下一个紧接着的扫描出口时间减去当前的扫描出口时间大于预定的限度，那么下一个扫描出口时间等于244步中当前的扫描出口时间。在244步后，程序执行返回到240步，其中Do-While循环扫描数增加1，直到计数了最后一个扫描为止。当在240步中计数了最后一个扫描时，那么程序继续执行246步，其中由该程序246将确定和修正的入口和出口时间返回到数据库，且在248步中组织的记录也与之相适应。程序返回调用程序。
现在看图10，图示了图7中152步读入数据和确定组织分界的一个另外的实施例。在这个实施例中，组织分界位置或坐标依照另外的算法被确定了。在250步中，计算机14通过IEEE488接口连线30要求仪器12提供A扫描数。仪器12提供一个扫描数。在252步中，计算机14为复制检查存贮中的A扫描数字目录。在254步，如果当前的A扫描数字以前没有被用过，那么就执行256步，且A扫描计数器被修改，并存入一个索引计数。如果在254步，A扫描数字以前没被用的，那么程序继续执行258步，在其中计算机14通过IEEE488接口连线30读入来自仪器12的A扫描数据点。随后在260步中，A扫描数据被分为每组25个点的300组。接下    在262步中，计算在260步中确定的每组平均值。然后在264和266步中，对于组数从1到150的组，确定大于150的最新出现峰值平均值。对于组数从1到150的组，执行264步和266步的循环后，下一步执行268步。在268步中，依据从1到150组确定的各组平均值出现的时间确定了结缔组织的始端，它是在266步中在先确定的最后峰值之前的第一个最小平均值。接下来，在270步中，进入肌肉区的入口时间等于268步中确定结缔组织始端的时间。接下来272步，第300个平均值作为第一个峰值被储存起来。随后在274步中，第299平均值作为第二个峰值被储存起来。在274步之后，包括276到288步的循环被执行，起始于300组，随循环计数器计数增加，组数下降至150。在278步中，当前组的平均值与下一个平均值进行比较，以确定是否出现一个峰值，或已被测定了一个峰值。在278步中，一旦获得或找到一个峰值，那么在280步中，该峰值与来自272和274步的峰值进行比较。如果该峰值大于两个当前的峰值，那么执行282步，并且278步得到的峰值代替该较小的峰值。如果在280步中的条件没有得到满足，那么执行284步，其中如果278步中得到的峰值大于当前那两个峰值中的一个，那么执行286步，并且在272步和274步中确定的两个峰中较小的一个，由278步中得到的峰值所代替。如果284步中的条件没有得到满足，那么在288步中，将放弃在278步中得到的峰值。在282步，286步和288步后，程序继续执行276步。执行包括276到288步的循环，组数将从300降至150。然后，程序继续执行到290步，其中，对数据计算的组平均值中，依据最新出现的峰值位置，确定“肋/腰的末端”时间段。此值的位置与超声波信号渡越的时间一致。因此，直接与肌肉或脂肪区的厚度一致，而根据肋/腰组织相交面的位置的末端，决定了它们的厚度。292步后，依照其它当前的峰值，或276至288的循环得到的第2个峰值而确定出口时间。292步后，程序返回调用程序。
现在看图11，图示了安装在传感器/耦合剂集合管装置上的带橡皮接受器38的传感器36放大的部分图。通过管子40送到耦合剂集合管80的水或其它耦合剂，通过集合管80内部被送到空处94，并装满空处94以使传感器36与活动物或死动物之间有耦合液体。当图3a所示的轻微压力由弹簧86作用到接受器时，园柱形接受器38的顶端38a提供给活动物或死动物以流体密封。耦合剂集合管80的圆环80a提供了一个扩大了的直径区域，在其中形成的流体密封与接受器38一起确定一个空处或室94，并保持其中有水。
现在看图12-16和图12A到16A，它们分别表示了由仪器12产生的全视频和对应的超声波“射频”信号，这些信号在离开中线1英吋到5英吋位置上，由计算机14对其数字化，并随后分析得到的。在信号的每一个图示中，最长肌的前面由字母A表示，最长肌的后面由字母B表示。另外，肋/腰部的后面由在C位置上的峰表示。最后第一和第二脂肪层间交界面在位置D标出。这些峰或组织分界位置是主要的位置标识，使用装置10用以确定组织分界位置并计算组织厚度以及最长肌面积，在活的动物或死的动物中，存在第三脂肪层是普遍的，且通常在位置E处由一个峰表示该层。然而在本图中第三层没有表示，峰也没出现。此外，被探测出的最重要的交界面边界是A和B位置，它们限定长肌的前部和后部。这些点对高精确度地确定肌肉面积是很关键的。
现在看图17。图示了由仪器12对一个活猪或死猪发出的射频扫描。在该图中组织交界面边界很容易地被定位，这是装置10结构和刻度精密的结果。位置A和B限定了长肌的界线。位置C是肋/腰的后部。位置D是第一和第二脂肪层之间的相交面。图17是偶尔出现并被测到的另一附加脂肪层的图例。应该指出，对于活猪或相应的死猪，一个射频或全视频扫描信号是相同的。
现在看图18，图示了由仪器12发出的，对于活牛或死牛的射频扫描。在这个图中，组织相交面的界线很容易定位，这是装置10结构和刻度精密的结果。位置A和B限定了长肌的界线。位置C是肋/腰的后部。位置D是第一和第二脂肪层之间的交界面。位置F是动物的皮肤和第一脂肪层之间的相交面。应该指出，对于活牛或相应的死牛，一个射频或全视频扫描信号是相同的。
利用在一个平面内安排多个传感器的另一种方法将和装置10一样产生类似的结果。模拟多路传输器可开关仪器12上的每一个传感器，产生需要的多重扫描，以便全面地分析活动物和死动物。使用多种传感器的方法将不需要发动机和位置反馈硬件。
描述完最佳实施例之后，还包括相应于图8程序流程的8页软件表，并被命名为ALG交界C。此外，还有一个是K方法计算程序写成C语言的两页程序表。
鉴于本发明的描述和其精确地测定脂肪厚度和腰肉面积的能力，与使用估计面积和脂肪厚度的已有技术系统比较，可以确信，这是获得改善了探知真正的瘦肉含量的方法。
同时，图示了本发明并详细地在附图中和以前的描述中对本发明予以说明，这被认为是说明而不是限制特征，应该理解为是对最佳实施例的表示和描述，并且应该理解为所有的变化和改进都是来源于本发明的精神，它们都希望得到保护。
/Alg_Interfaces.c*/
/*
Figure 921088922_IMG2
*/
#include  <stdio.h>
#include  <math.h>
#include  <string.h>
#include  "workval.h"
#include  <conio.h>
#define  BUFSIZE  1
#define  PREAMBLE  108
#define  NUM_PTS  25
#define  TOTAL_GROUPS  300
#define  LIMIT  5
#define  E_OK  0
#define  ENTRY_PK  150
#define  NTHRESH  138
#define  XTHRESH  132
#define  MAX_STRUCT  50
#define  TRUE  1
#define  FALSE  0
#define  CASE_ZERO  0
#define  DIV_2  2.0
int  Alg_Interfaces(int  cmd,Working_Var*wvp,Tbl_Typ*p)
{
FILE*ifpl;
extern  float  k_mean(float  ctr1,float  ctr2,float  ctr3,float  ctr4);
extern  int  Sav_New_Tissue_Rec(Working_Var*wvp);
extern  int  Delete_Tissue_Rec(Working_Var*wvp);
char  bufl[PREAMBLE];/*input  character  buffer*/
int  i,j,k;/*loop  counters*/
unsigned  char  var3;/*digitizer  A-scan  data*/
int  point_value[NUM_PTS];/*the  array  of  point  values*/
float  ex_val[TOTAL_GROUPS];/*expected  value  of  the  group*/
static  int  a_scan_count=0;/*A  Scan  totalizer*/
static  int  a_scan_index=0;/*A  Scan  array  index*/
double  variance[TOTAL_GROUPS];/*the  variance  of  the  group  of  points*/
static  int  1;/*A  Scan  number*/
int  status;/*inspection  status,ok  or  fail*/
float  var1,var2;/*clustering  values*/
float  ctr1,ctr2,ctr3,ctr4;/*values  to  be  clustered*/
float curr_value,prev_value;/*current and previous tean-entry-time;
int  flag,end_flag;/*peak  capture  flags*/
float  end_prev_value;/*end  peak  previous  value*/
float  var4,var5,var6,var7;/*temporary  amplitude  &  tof  values*/
int  tissue_rec_status;/*tissue  record  empty  or  full*/
int  sorted=FALSE;/*bubble  sorted  flag*/
int  count_flag;/*a  scan  counter  flag*/
char  ch1;/*input  test  character*/
/*temporary  values  used  during  sort*/
float  temp_exit_amp,temp_exit_time,temp_entry_amp,temp_
int  temp_scan_num;
typedef  struct{/*time  and  amplitude  of  a  peak*/
float  time;
float  value;
}PEAK1;
/*structures  of  peak  values*/
PEAK1  curr_peak;
PEAK1  latest_peak;
PEAK1  end_curr_peak;
PEAK1  end_latest_peak;
/*get  A  Scan  number*/
l=(int)wvp->scanNumber;
/*check  for  duplicate  scan  numbers*/
i=0;
count_flag=FALSE;
while((i<a_scan_count)&&(count_flag==FALSE)){
if(p->l[a_scan_count].scan_num==1)
count_flag=TRUE;
i++;
}
if((count_flag==FALSE)&&(cmd==1)){
a_scan_count++;
a_scan_index=a_scan_count-1;
}
/*assign  file  names  */
ifpl=fopen(wvp->scanFilename,"rb");
/*read  in  the  A-scan  identification  data*/
fread(bufl,PREAMBLE,1,ifpl);
/*initialize  the  expected  value  and  variance  arrays*/
for(k=0;k<TOTAL_GROUPS;k++){
ex_val[k]=0.0;
}
/*read  in  the  groups  of  data  and  compute  expected  value*/
for(i=0;i<TOTAL_GROUPS;i++){
for(j=0;j<NUM  PTS;j++){
fread(&var3,BUFSIZE,1,ifpl);
if(var3<127)
var3=254-var3;
point_value[j]=var3;
ex_val[i]=((float)point_value[j]+ex_val[i]);
}
ex_val[i]/=(float)NUM_PTS;
}/*end  of"300"loop*/
/*close  the  file*/
fclose(ifpl);
/*scan  the  300  points  and  select  boundaries  */
/*initialize  the  peak  values*/
curr_peak.value=0.0;
curr_peak.time=0;
latest_peak.value=0.0;
latest_peak.time=0;
end_curr_peak.value=0.0;
end_curr_peak.time=0;
end_latest_peak.value=0.0;
end_latest_peak.time=0;
prev_value=0.0;
end_prev_value=0.0;
flag=0;
end_flag=0;
/*survey  the  first  150  groups  and  record  the  time  of  the*/
/*latest  peak  whose  mean  is  greater  than  150*/
/*update  the  peak  value  as  successive  values  increase*/
for(i=0;i<150;i++){
if((ex_val[i]>ENTRY_PK)&&(ex_val[i]>prev_value)){
curr_peak.value=ex_val[i];
curr_peak.time=i;
flag=1;/*enable  capture  of  latest  peak*/
}
/*retain  the  latest  peak  before  values  decline*/
if((ex_val[i]<prev_value)&&(flag==1)){
latest_peak.value=curr_peak.value;
latest_peak.time=curr_peak.time;
flag=0;/*allows  capture  of  only  one  peak*/
}
/*update  the  previous  value  before  returning  to  the*/
/*start  of  the  loop*/
prev_value=ex_val[i];
}
/*move  back  from  the  latest  peak  to  a  minimum  to  include
all  the  connective  tissue  in  the  muscle  region*/
/*initialize  variables  for  the  while  loop*/
prev_value=latest_peak.value;
curr_value=0.0;
i=latest_peak.time;
while((prev_value>curr_value)||(prev_value>=NTHRESH)){
prev_value=ex_val[i];
i--;
curr_value=ex_val[i];
}
/*add  the  entry  data  for  the  latest  A  Scan*/
var4=curr_value;
var5=(float)(--i);
/*prepare  to  detect  the  end  of  loin  eye*/
/*examine  150  mean  values  starting  with  the  last  and  move*/
/*toward  the  center*/
/*the  amplitude  threshold  is  138*/
for(i=299;i>180;i--){
if((ex_val[i]>XTHRESH)&&(ex_val[i]>end_prev_value)){
end_curr_peak.value=ex_val[i];
end_curr_peak.time=i;
end_flag=1;/*enable  capture  of  latest  peak*/
}
/*update  the  latest  peak  when  values  decline*/
if((ex_val[i]<end_prev_value)&&(end_flag==1)){
end_latest_peak.value=end_curr_peak.value;
end_latest_peak.time=end_curr_peak.time;
end_flag=0;/*allows  capture  of  only  one  peak*/
}
end_prev_value=ex_val[i];/*update  previous  value*/
}
var6=end_latest_peak.value;
var7=end_latest_peak.time;
/*if  A  Scan  is  valid  put  data  in  temporary  storage  for
later  review*/
if(cmd==1){
p->l[a_scan_index].entry_amp=var4;
p->l[a_scan_index].entry_time=var5/DIV_2;
p->l[a_scan_index].exit_amp=var6;
p->l[a_scan_index].exit_time=var7/DIV_2;
p->l[a_scan_index].scan_num=1;
/*printf("/n%d  %.2f  %.2f",l,p->l[a_scan_index].entry_time,
p->l[a_scan_index].exit_time);*/
status=0;
}
i=0;
do{
printf("/n%d  %.2f  %.2f",l,p->l[i].entry_time,
p->l[i].exit_time);
i++;
}while(i<20);
ch1=getch();
ch1++;
for(i=20;i<a_scan_count;i++)
printf("/n%d  %.2f  %.2f",l,p->l[i].entry_time,
p->l[i].exit_time);
if(cmd==2){
/*sort  the  A-Scan  data  by  A-Scan  number*/
while(!  sorted){
sorted=TRUE;
for(j=0;j<a_scan_count-1;j++){
if(p->l[j].scan_num>p->l[j+1].scan_num){
sorted=FALSE;
temp_scan_num=p->l[j].scan_num;
temp_exit_amp=p->l[j].exit_amp;
temp_exit_time=p->l[j].exit_time;
temp_entry_amp=p->l[j].entry_time;
temp_entry_time=p->l[j].entry_time;
p->l[j].scan_num=p->l[j+1].scan_num;
p->l[j].exit_amp=p->l[j+1].exit_amp;
p->l[j].exit_time=p->l[j+1].exit_time;
p->l[j].entry_amp=p->l[j+1].entry_amp;
p->l[j].entry_time=p->l[j+1].entry_time;
p->l[j+1].scan_num=temp_scan_num;
p->l[j+1].exit_amp=temp_exit_amp;
p->l[j+1].exit_time=temp_exit_time;
p->l[j+1].entry_time=temp_entry_amp;
p->l[j+1].entry_time=temp_entry_time;
}
}
}
/*cluster  start  times  5  through  8*/
ctr1=p->l[5].entry_time;
ctr2=p->l[6].entry_time;
ctr3=p->l[7].entry_time;
ctr4=p->l[8].entry_time;
var1=k  mean(ctr1,ctr2,ctr3,ctr4);
/*var1  is  the  start  times  cluster  center*/
/*cluster  end  times  5  through  8*/
ctr1=p->l[5].exit_time;
ctr2=p->l[6].exit_time;
ctr3=p->l[7].exit_time;
ctr4=p->l[8].exit_time;
var2=k  mean(ctr1,ctr2,ctr3,ctr4);
/*var2  is  the  end  times  cluster  center*/
printf("\n%.2f  %.2f",var1,var2);
/*interpolate  entry  points  if  necessary*/
for(i=6;i<a_scan_count-4;i++){
/*compare  a  point  to  its  preceding  neighbor*/
if(fabs(p->l[i].entry_time-p->l[i-1].entry_time)>LIMIT)
p->l[i].entry_time=p->l[i-1].exit_time;
}
/*interpolate  exit  points  if  necessary*/
for(i=6;i<a_scan_count-4;i++){
/*compare  point  to  its  preceding  neighbor*/
if(fabs(p->l[i].exit_time-p->l[i-1].exit_time)>LIMIT)
p->l[i].exit_time=p->l[i-1].exit_time;
}
i=0;
do{
printf("/n%d  %.2f  %.2f",l,p->l[i].entry_time,
p->l[i].exit_time);
i++;
}while(i<20);
ch1=getch();
for(i=20;i<a_scan_count;i++)
printf("/n%d  %.2f  %.2f",l,p->l[i].entry_time,
p->l[i].exit_time);
/*send  the  altered  values  to  back  to  the  main  structure*/
for(i=0;i<a_scan_count;i++){
wvp->ntryAmplitude=p->l[i].entry_amp;
wvp->ntryTof=p->l[i].entry_time;
wvp->xitAmplitude=p->l[i].exit_amp;
wvp->xitTof=p->l[i].exit_time;
wvp->scanNumber=p->l[i].scan_num;
/*update  tissue  record*/
tissue_rec_status=Sav_New_Tissue_Rec(wvp);
status=tissue_rec_status;
/*if  error  is  indicated,attempt  to  delete  record*/
if(tissue_rec_status){
tissue_rec_status=Delete_Tissue_Rec(wvp);
if(tissue_rec_status){/*if  error  persists,quit*/
status=tissue_rec_status;
i=a_scan_count;
}
else{
tissue_rec_status=Sav_New_Tissue_Rec(wvp);
if(tissue_rec_status){-/*if error persists,quit*/
status=tissue_rec_status;
i=a_scan_count;
}
else
status=tissue_rec_status;
}
else
status=tissue_rec_status;
}
}
}
p->t=a_scan_count;/*return  total  a  scan  count*/
a_scan_count=0;
}/*end  of"if"clause  for  cmd=2*/
/*clear  the  tissue  records  if  scan  has  been  cancelled*/
if(cmd==3){
a_scan_count=0;
/*set  all  Tof  and  Amplitudes  to  zero*/
wvp->ntryAmplitude=0.0;
wvp->ntryTof=0.0;
wvp->xitAmplitude=0.0;
wvp->xitTof=0.0;
/*initialize  Tof  and  Amplitude  of  all  tissue  records*/
for(i=0;i<MAX_STRUCT;i++){
wvp->scanNumber=i+1;
tissue_rec_status=Delete_Tissue_Rec(wvp);
if(tissue_rec_status){/*if  error,quit*/
status=tissue_rec_status;
i=MAX_STRUCT;
}
else
status=tissue_rec_status;
}
}
return  status;
}
/*k_mean.c*/
/*an  implementation  of  the  K  Means  algorithm  for  determining
two  cluster  centers  of  a  group  of  points*/
#include  <stdio.h>
#include  <stdlib.h>
#include  <math.h>
#define  CTR_OFFSET  10
float  k_mean(float  ctr1,float  ctr2,float  ctr3,float  ctr4)
{
float  bag1[5],bag2[5];/*arrays  to  store  data  point  clusters*/
float  sumbag1,sumbag2;/*sum  of  points  in  a  cluster*/
float  center1,center2;/*initial  cluster  centers*/
float  newcenter1,newcenter2;/*updated  cluster  centers*/
int  bag1_num_items,bag2_num_items;/*number  of  items  in  the  clusters*/
int  i,k;/*counter  index*/
int  bag1_final_val,bag2_final_val;/*final  cluster  sizes*/
typedef  struct{/*structure  of  data  points*/
float  peak_time;
float  peak_value;
}points;
points  region[4];/*arroy  of  structures  of  point  data*/
/*initialize  the  variables*/
center1=0.0;
center2=0.0;
newcenter1=ctr1;
newcenter2=ctr2;
bag1_num_items=0;
bag2_num_items=0;
sumbag1=0.0;
sumbag2=0.0;
region[0].peak_time=ctr1;
region[1].peak_time=ctr2;
region[2].peak_time=ctr3;
region[3].peak_time=ctr4;
for(i=0;i<5;i++){
bag1[i]=0;
bag2[i]=0;
}
do{
center1=newcenter1;
center2=newcenter2;
for(i=0;i<4;i++){
if(fabs(region[i].peak_time-center1)<
fabs(region[i].peak_time-center2)){
bag1[bag1_num_items]=region[i].peak_time;
bag1_num_items++;
}
else{
bag2[bag2_num_items]=region[i].peak_time;
bag2_num_items++;
}
}
/*update  center#1*/
for(i=0;i<bag1_num_items;i++)
sumbag1+=bag1[i];
if(bag1_num_items>0)
newcenter1=sumbag1/(float)bag1_num_items;
/*update  center#2*/
for(i=0;i<bag2_num_items;i++)
sumbag2+=bag2[i];
if(bag2_num_items>0)
newcenter2=sumbag2/(float)bag2_num_items;
/*reset  variables  for  the  next  iteration*/
sumbag1=0.0;
sumbag2=0.0;
printf("\n\n%d",bag1_num_items);
printf("\n%f",newcenter1);
printf("\n%d",bag2_num_items);
printf("\n%f",newcenter2);
bag1_final_val=bag1_num_items;
bag2_final_val=bag2_num_items;
bag1_num_items=0;
bag2_num_items=0;
for(i=0;i<5;i++){
bag1[i]=0.0;
bag2[i]=0.0;
}
}while((center1  !=newcenter1)||(center2  !=newcenter2));
if(bag1_final_val>bag2_final_val)
return  newcenter1;
else
return  newcenter2;
}

Claims (26)

1、一种活动物或死动物的无损分级装置，其特征在于它包括：
一个超声波脉冲器/接收器装置，用于发射超声波脉冲信号和接收反射的超声波信号，所说的脉冲器/接收器装置产生一系列超声波信号，相应于所说接收的反射超声波信号；
驱动装置，使所说超声波脉冲器/接收器装置，沿着预定路径并与动物或死动物接触地定位，所说驱动装置产生一个定位信号，它相应于所说超声波脉冲器/接受器相对于动物尸体的相对位置：
分析所说的超声波信号和所说的位置信号的装置，用以产生一个相应于活动物或死动物瘦肉含量的瘦肉信号。
2、一种活动物或死动物无损分级装置，其特征在于包括：
一个超声波传感器，包括发射超声波信号装置，探测超声波反射信号装置，并产生一个相应的超声波信号;
对所说超声波传感器供给激发信号的装置，所说的供给装置具有一个激发输入，而且响应于提供到所说激发输入的信号，以产生所说的激发信号：
连接到所说传感器上的定位装置，所说定位装置包括一个定位输入，所说定位装置安放在贴近活动物或死动物的地方，使得所说的超声波传感器与活动物或死动物产生超声波耦合，所说的定位装置可相对于所说的活动物或死动物移动所说传感器，以响应输入到所说定位输入的信号：
耦合到所说定位装置上的编码装置，用以根据所说定位装置的位置提供一个定位反馈信号：
处理机装置，用以监视所说定位反馈信号并供给一个定位信号到所说定位输入，使得所说的定位装置把所说的传感器移动到相邻活动物或死动物的一系列预定位置之一上，所说的处理机装置也供给一个起动信号到所说的激发输入，所说的处理机装置视所说的超声波信号，并测定活动物或死动物最长肌的面积，和靠近最长肌脂肪层的厚度，该最长肌位于所说活动物或死动物的预定要测的肋/腰部截面位置。
3、一种把活动物或死动物无损害分等级的方法，其特征在于包括下列步骤：
提供一个超声波装置，其在预定位置接触活的动物或死的动物，并发射和接收超声波信号，并产生一个相应于接收到的超声波信号的反射信号：
定位所说超声波装置，在活动物或死动物的预定位置上，超声波装置与该活动物或死动物接触定位;
沿着预定路径移动所说超声波装置，同时保持活的动物或死的动物与所说超声波装置之间的接触;
沿着所说的预定路径，在多个位置上存储所说的反射信号，并将存储的信号收集在一起;
分析所收集的存储反射信号，并由此测定活的动物或死的动物的瘦肉含量等级。
4、按照权利要求3所述的方法，其特征在于包括下列步骤：
提供一个弯曲部件限定所说的预定路径，并且在动物或死动物的预定位置上，相应于动物或死动物的弯曲部分;
沿着所说的弯曲部件，提供一个能移动的机动装置，所说的机动装置提供一个位置反馈信号，该信号对应于机动装置与所说弯曲部件的相对位置;
把所说超声波装置连到所说机动装置上;
驱动所说机动装置，使所说超声波装置沿着所说预定路径移动，同时对于每个反射信号同时存储所说反射信号和相应的反馈信号。
5、按照权利要求4所述的方法，其特征在于所说的分析步骤包括下列步骤：
在所说的一批储存的反射信号中，对于每一个反射信号实行下列分析步骤：
1）将所说的反射信号数字化，以产生多个数字数据组，其中每个数据组描述了一个特定的反射信号;
2）把每个数据组分成预定数目的数据点分组;
3）对每个所说的数据点组，计算出一个平值平值;
4）对所说的数据点组的前半部，确定一个入口时间，它对应比第一预定峰值极限大的一个所说平均值;
5）对所说的数据点组的后半部，确定一个出口时间，它对应比第二预定峰值极限大的一个所述平均值;
6）确定动物或死动物的肌肉区实际开始位置，该位置在动物或死动物内相应于所述入口时间位置处;
7）确定动物或死动物肌肉区的实际终止位置，该位置在动物或死动物内相应于所述出口时间的位置处;
基于每个反射信号测定的所述入口时间与所述出口时间，还基于所述位置反馈信号，计算出肌肉面积值，该位置反馈信号确定了所述超声波装置获得每个所述反射信号时，相对于动物或死动物的位置。
6、按照权利要求5所述的方法，其特征在于包括下列步骤：
对于相邻的反射信号，由所说的入口时间和出口时间，测定多边形的形状，并计算所说多边形的面积，而后把所说的多边形面积求和而决定全部肌肉的面积。
7、按照权利要求6所述的方法，其特征在于：动物或死的动物肌肉是最长肌，并包括计算腹部长肌和脊背长肌的面积，以得到全部长肌面积值的步骤。
8、按照权利要求4所述的方法，其特征在于所说的分析步骤包括下述步骤：
在所说的一批储存的反射信号中，对每一个反射信号实行下列分析步骤：
1）对所说反射信号数字化，以产生多个数字数据组，其中每个数据组描述一个特定的反射信号;
2）把每个数据组分成预定的多个数据点组;
3）对于每个所说的数据点组，计算一个平均值;
4）对于所述的数据点组的前半部，确定一个入口时间，它对应于比第一预定峰限大的一个所述平均值;
5）确定一个出口时间，途径是：把最后一个所述平均值作为第一峰值，把例数第二个所述平均值作为第二峰值，并把所述平均值后半部中的每一个，与所述第一峰值和第二峰值次序颠倒地进行比较，如果所说的平均值之一大于所述第一和第二两个峰值，那么用所说的平均值代替所说第一和第二峰值中较小的一个，如果所说的平均值之一大于所述的第一或者第二峰值，那么用所说的平均值代替所述第一和第二峰值中较小的一个;
6）决定动物或死动物肌肉区实际开始位置，该位置在动物或死动物内相应于所述入口时间的位置处;
7）决定动物或死动物肌肉区实际终止位置，该位置在动物或死动物内相应于所述出口时间的位置处;并且
基于每个反射信号测定的所述入口时间和出口时间，且基于所述的位置反馈信号，来计算肌肉的面积值，该位置反馈信号确定了获得每个所说反射信号时所说超声波装置相对于动物或死动物的位置。
9、按照权利要求1所述的装置，其特征在于：通过弯曲部件限定了所述的预定路径，以及所述驱动装置包括一个电动机，它沿着所说弯曲部件运送所述脉冲发生器/接收器装置，所说的驱动装置进一步包括弹性移动装置，用以弹性地移动所说脉冲发生器/接收器装置，使其沿着实际上垂直于所述弯曲部件的路径移动，并增加所述动物或死动物与所述脉冲发生器/接收器装置之间的接触，而且其中所说的位置信号包括相应于所述脉冲发生器/接收器装置，从所说的预定路径上移开相对距离的位移信号，还包括相应于沿着所述弯曲部件限定的所述预定路径，所述脉冲发生器/接收器装置相位位置的路径信号。
10、按照权利要求9所述的装置，其特征在于所说的分析装置包括处理机装置，其具有：
1）用于数字化并储存大量相应于所述超声波信号，所述位移信号和所述路径信号的信号的装置;
2）用以在每一个所说的超声波信号中确定肌肉/脂肪组织相交界面位置的装置;
3）从所说肌肉/脂肪组织相交界面位置，和相应的所述超声波信号，所述位移信号和所说路径信号出发，计算肌肉组织面积，并由此产生所说瘦肉信号的装置。
11、按照权利要求10所述的装置，其特征在于所述的肌肉/脂肪组织相交界面的位置，通过所述的处理机装置，在每个超声波信号中，按照下列算法被确定出来：
1）把每个数字化的超声波信号分成预定量的数据点，
2）对每一个所说的数据点组计算出一个平均值;
3）通过分析所述平均值的前半部分，确定最新出现的超过第一预定峰限值的一个平均值，从而确定一个肌肉组织进入时间;以及
4）通过分析所述平均值的后半部分，确定最新出现的超过第二预定峰限值的一个平均值，从而确定肌肉组织出口时间。
12、按照权利要求11所述的装置，其特征在于所说预定路径是一个半圆弧。
13、按照权利要求12所述的装置，其特征在于相邻的所述肌肉组织入口时间与所述肌肉组织出口时间，与相应的所述位移信号和路径信号一起，限定了唯一的四边形，将它的面积求和，即得到由此限界的肌肉面积。
14、按照权利要求13所述的装置，其特征在于：所述处理机装置包括一个计算机，该计算机具有只读存储器，随机存取存储器，模拟输入/输出、串行输入/输出和并行输入/输出，所述计算机接收来自驱动装置的所述位移信号和所述路径信号，以及来自所述超声波脉冲发生器/接收器装置的超声波信号，所述的计算机还为所述驱动装置的所述电动机提供一个驱动信号，由此使所述所述电动机把所述脉冲器/接收器装置移动到众多位置中的一个处，而这种移动是沿着由所述弯曲部件限定的所述预定路径进行的。
15、按照权利要求12所述的装置，其特征在于所述装置贴近动物或死动物的肋/腰部分定位，而且沿着动物的肋部移动，同时用超声波测定最长肌的面积，进而腹部最长肌和脊背最长肌面积被计算出来。
16、按照权利要求15所述的装置，其特征在于：具有耦合装置，以把所说超声波信号耦合到所说动物或死动物上;一个编码装置与所述电动机相连，并与所述弯曲部件啮合以产生所述路径信号：和一个线性位移传感器装置，连到所述脉冲器/接收器装置上，以产生所述路径信号。
17、按照权利要求16所述的装置，其特征在于：所述的耦合装置是一个流体集合管，在所述超声波脉冲器/接收器装置被推进与所述动物或死动物接触时，该集合管限定了一个围绕所述超声波脉冲器/接收器装置的流体室，而且在此超声波耦合流体被输送到所述集合管中，以维持所述动物或死动物与超声波冲器/接收器之间有耦合流体。
18、按照权利要求10所述的装置，其特征在于：在每个超声波信号中所述肌肉/脂肪组织交界面的位置，依据下列计算被确定：
1）把每个数字化超声波信号分成数据点组;
2）对于每个所说的数据点组计算平均值;
3）通过分析所述平均值前半部分，确定出最新出现的超过第一预定峰限值的一个平均值，从而确定肌肉组织的进口时间;
4）决定肌肉组织的出口时间，其途径是：把最后一个所说平均值作为第一峰值，把例数第二个所说平均值作为第二峰值，并把所说平均值后半部分的每一个，与所说第一和第二峰值次序颠倒地进行比较，如果所说的平均值之一大于第一和第二两个峰值，那么用所说的平均值代替所说的第一个和第二个峰值中较小的一个。
19、按照权利要求18所述的装置，其特征在于：相邻的所说肌肉组织的进口时间和所述肌肉组织的出口时间，与相应的所说位移位信号和所述路径信号一起，限定了唯一的四边形，把它的面积求和，就得到了由其所限界的肌肉面积。
20、按照权利要求19所述的装置，其特征在于：包括一个流体集合管，它与所述脉冲器/接收器装置相连，在所述超声波脉冲器/接收器装置被推进与所说动物或死动物相接触时，该集合管限定了一个围绕所说超声波脉冲器/接收器装置的流体容器，而在此超声波耦合流体被送到所说流体集合管，以保持所说动物或死动物与所说超声波脉冲器/接收器装置之间有耦合流体。
21、按照权利要求2所述的装置，其特征在于：所述定位装置沿着弯曲部件限定的预定路径移动所说传感器，还包括弹性装置它促使所说超声波传感器和所说动物或死动物相接触，所说的弹性装置包括一个线性传感器装置，用以产生位移信号，该位移信号与所述传感器相对于所说路径的位移相对应，并且其中所述的处理机装置接收所述位移信号，并按所述位移信号归一所说的超声波信号，以确定脂肪层的厚度和最长肌截面面积。
22、按照权利要求21所述的装置，其特征在于：流体集合管与超声波传感器相连，在所述超声波传感器被推进与所述动物或死动物相接触时，该集合管限定了一个围绕所述超声波传感器的流体容器，而其中超声波耦合流体被输送到所述流体集合管，以保证在所说动物或死动物与超声波传感器之间最大的超声波耦合。
23、按照权利要求22所述的装置，其特征在于：所说的处理机装置包括：
1）用于把一系列所述超声波信号数字化并存储起来的装置，该装置还把与所述被存储的每个超声波信号相对应的位置反馈信号数字化和存储起来;
2）用于探测峰信号值和从每个储存的超声波信号测定肌肉/脂肪组织交界面位置的装置，并且该装置在每一个的所述储超声波信号进入和走出最长肌区域时，对每个由此确定的所述储存起来的超声波信号，产生一个进口时间值和出口时间值;
3）从入口时间值和出口时间值，以及相应的位置反馈信号，来计算最长肌面积的装置。
24、按照权利要求23所述的装置，其特征在于：所述处理机装置是一个计算机，该计算机具有模拟输入/输出，数字输入/输出、随机存取存储器和只读存储器。
25、按照权利要求24所述的装置，其特征在于：所说进口时间值、出口时间值，以及位置反馈信号，限定了一系列相邻的四边形，其总和等于最长肌面积。
26、按照权利要求25所述的装置，其特征在于：包括用来计算腹部最长肌和脊背最长肌面积的装置，该计算过程考虑了四边形中最外边，那些限定了最长肌面积的四边形的相对形状。
CN92108892A 1991-06-28 1992-06-27 无损害肉质分级装置与方法 Pending CN1070734A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/722,914 US5353796A (en) 1991-06-28 1991-06-28 Non-invasive device and method for grading meat
US722,914 1991-06-28

Publications (1)

Publication Number Publication Date
CN1070734A true CN1070734A (zh) 1993-04-07

Family

ID=24903958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN92108892A Pending CN1070734A (zh) 1991-06-28 1992-06-27 无损害肉质分级装置与方法

Country Status (20)

Country Link
US (1) US5353796A (zh)
EP (1) EP0523865B1 (zh)
JP (1) JPH05232090A (zh)
KR (1) KR930000936A (zh)
CN (1) CN1070734A (zh)
AT (1) ATE133252T1 (zh)
AU (1) AU646744B2 (zh)
CA (1) CA2072458A1 (zh)
CZ (1) CZ199392A3 (zh)
DE (1) DE69207665T2 (zh)
DK (1) DK0523865T3 (zh)
ES (1) ES2084942T3 (zh)
GR (1) GR3019054T3 (zh)
IE (1) IE74887B1 (zh)
IL (1) IL102283A (zh)
NO (1) NO922509L (zh)
NZ (1) NZ243357A (zh)
RU (1) RU2066450C1 (zh)
SK (1) SK199392A3 (zh)
ZA (1) ZA924618B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100343662C (zh) * 2003-12-30 2007-10-17 周展明 测定粮食品质的方法
CN104820020A (zh) * 2015-05-15 2015-08-05 中国科学院金属研究所 一种SiC纤维增强Ti基复合材料环件芯部超声定位方法
CN107202610A (zh) * 2017-05-27 2017-09-26 湖北第二师范学院 一种肉类品质检测装置
CN107411710A (zh) * 2017-06-13 2017-12-01 黄晓敏 一种便携式脂肪含量测试装置
CN111990331A (zh) * 2020-08-05 2020-11-27 南京农业大学 一种猪五花肉肉质活体选育方法
CN112305081A (zh) * 2020-11-30 2021-02-02 居天智慧(深圳)有限公司 基于高级食材的超声监测器
WO2024169826A1 (zh) * 2023-02-15 2024-08-22 陈嘉宏 食品加工检测设备及其检测方法

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK170787B1 (da) * 1992-10-28 1996-01-15 Sfk Technology As Apparat til undersøgelse af slagtekroppe
GB9302601D0 (en) * 1993-02-10 1993-03-24 Commission Meat & Livestock Monitoring characteristics of meat
GB2289763B (en) * 1993-02-10 1996-11-13 Commission Meat & Livestock Monitoring eating quality of meat
WO1994025857A1 (en) * 1993-05-04 1994-11-10 Brisalebe Ag Evaluating animals using eye characteristics
US5573002A (en) * 1995-02-27 1996-11-12 Micro Chemical, Inc. Method and apparatus for measuring internal tissue characteristics in feed animals
US5836880A (en) * 1995-02-27 1998-11-17 Micro Chemical, Inc. Automated system for measuring internal tissue characteristics in feed animals
US5613493A (en) * 1995-09-25 1997-03-25 Schafer; Mark E. Ultrasonic apparatus and method for measuring animal backfat
US5705749A (en) * 1995-09-25 1998-01-06 Biostar Inc. Use of ultrasonography to evaluate size and echotexture of gonadal and accessory genital structures in domestic animals
AUPN660195A0 (en) * 1995-11-16 1995-12-07 Life Resources Systems Pty Ltd Novel apparatus and method for determining meat characteristics
DE29601025U1 (de) * 1996-01-22 1996-03-14 CSB-System Software-Entwicklung & Unternehmensberatung AG, 52511 Geilenkirchen Anordnung von nicht invasiven Meßdatenerfassungs- und auswertungsgeräten zur Tierkörperbeurteilung für die Integration in EDV-Systeme
CA2263763C (en) * 1996-08-23 2006-01-10 Her Majesty The Queen, In Right Of Canada, As Represented By The Ministe R Of Agriculture And Agri-Food Canada Method and apparatus for using image analysis to determine meat and carcass characteristics
US6012332A (en) * 1996-09-25 2000-01-11 Perceptron, Inc. Ultrasonic apparatus and method for measuring animal backfat
US5941825A (en) * 1996-10-21 1999-08-24 Philipp Lang Measurement of body fat using ultrasound methods and devices
US6200210B1 (en) 1996-11-12 2001-03-13 Micro Beef Technologies, Inc. Ruminant tissue analysis at packing plants for electronic cattle management and grading meat
US6123451A (en) * 1997-03-17 2000-09-26 Her Majesty The Queen In Right Of Canada, As Represented By The Administer For The Department Of Agiculture And Agri-Food (Afcc) Process for determining a tissue composition characteristic of an animal
US5872314A (en) * 1997-07-25 1999-02-16 Clinton; Robert P. Method and apparatus for measuring characteristics of meat
US6170335B1 (en) 1997-07-25 2001-01-09 Robert P. Clinton Method and apparatus for measuring the characteristics of meat
WO1999025249A1 (en) 1997-11-14 1999-05-27 Colorado Seminary Ultrasonic system for grading meat
US6322508B1 (en) * 1998-07-23 2001-11-27 Engineering Services Inc. Automated meat grading method and apparatus
US6129625A (en) * 1999-08-26 2000-10-10 Townsend Engineering Company Method of trimming a meat portion by ultrasonic and electronic analysis
US6524250B1 (en) * 2000-09-19 2003-02-25 Pearl Technology Holdings, Llc Fat layer thickness mapping system to guide liposuction surgery
US6615661B2 (en) 2001-05-30 2003-09-09 Rethel C. King Ultrasound sorting of weanling calves and identification of tenderness indicators
US6796184B2 (en) * 2001-05-30 2004-09-28 Rethel C. King Ultrasound sorting of weanlings and identification of tenderness indicators
US7075084B2 (en) * 2002-12-20 2006-07-11 The Boeing Company Ultrasonic thermography inspection method and apparatus
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
WO2006086450A1 (en) * 2005-02-08 2006-08-17 Cargill Incorporated Meat sortation
GB0716333D0 (en) * 2007-08-22 2007-10-03 White Spark Holdings Ltd Method and apparatus for the automatic grading of condition of livestock
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
CA2723452C (en) * 2008-05-05 2017-02-14 Biotronics, Inc. Systems, methods and devices for use in assessing carcass grading
ITTV20080109A1 (it) * 2008-08-19 2010-02-20 Breton Spa Metodo e dispositivo per la misurazione ed il controllo dello spessore di strutture
US20100305428A1 (en) * 2009-05-29 2010-12-02 Medtronic, Inc. Ultrasonic guidance of subcutaneous tunneling
DE102010023961B3 (de) * 2010-06-16 2012-01-05 Siemens Aktiengesellschaft Modellbasierte Ultraschallmessung zur Bestimmung einer Schraubenlänge
WO2013170053A1 (en) 2012-05-09 2013-11-14 The Regents Of The University Of Michigan Linear magnetic drive transducer for ultrasound imaging
JP2016506809A (ja) * 2013-02-11 2016-03-07 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 超音波画像化システム及び方法
JP6671579B2 (ja) * 2016-03-10 2020-03-25 東杜シーテック株式会社 推定装置、推定方法、情報処理装置、及び、情報処理方法
AU2018323621A1 (en) 2017-08-31 2020-02-06 Butterfly Network, Inc. Methods and apparatus for collection of ultrasound data
KR102100100B1 (ko) * 2017-12-30 2020-04-13 (주)한국육류연구소 소의 배최장근 단면적 간접 측정용 배최장근 유형 모델링 방법 및 이를 이용한 소의 등심단면적 측정방법
WO2021216723A1 (en) * 2020-04-22 2021-10-28 Bfly Operations, Inc. Methods and apparatuses for beamforming in ultrasound systems

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3496764A (en) * 1967-03-27 1970-02-24 Cornell Res Foundation Inc Sonic inspection apparatus
US3603303A (en) * 1968-10-08 1971-09-07 Cornell Res Foundation Inc Sonic inspection method and apparatus
US3722263A (en) * 1970-12-21 1973-03-27 Ithaco Ultrasonic inspection apparatus
US4094420A (en) * 1974-04-03 1978-06-13 Hartung, Kuhn & Co. Charging of an oven chamber of a battery of coke ovens
US3964297A (en) * 1974-12-16 1976-06-22 Ithaco, Incorporated Ultrasonic inspection apparatus
US4099420A (en) * 1977-06-03 1978-07-11 Cornell Research Foundation, Inc. Transducer positioning apparatus
DK496577A (da) * 1977-11-08 1979-05-09 Medicoteknisk Inst Fremgangsmaade til registrering og analysering af billedinformation ved impuls-ekkosnitbilledundersoegelse
US4359055A (en) * 1980-06-23 1982-11-16 Renco Corporation Automatic digital backfat meter
US4359056A (en) * 1980-06-23 1982-11-16 Renco Corporation Automatic digital backfat meter
FR2545010B1 (fr) * 1983-04-29 1985-11-08 Darlay Electronique Appareillage pour la classification des carcasses
US4785817A (en) * 1986-10-10 1988-11-22 Cornell Research Foundation, Inc. Method and apparatus for ultrasonic grading of meat
GB8728368D0 (en) * 1987-12-04 1988-01-13 Agricultural & Food Res Method & apparatus for determining body composition of animals
GB8808101D0 (en) * 1988-04-07 1988-05-11 Wilson J Method & apparatus for grading of live animals & animal carcasses
US5079951A (en) * 1990-08-16 1992-01-14 Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Agriculture Ultrasonic carcass inspection
US5140988A (en) * 1991-08-22 1992-08-25 Animal Ultrasound Services, Inc. Detection of abnormal bone structure in animals and carcasses with ultrasound

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100343662C (zh) * 2003-12-30 2007-10-17 周展明 测定粮食品质的方法
CN104820020A (zh) * 2015-05-15 2015-08-05 中国科学院金属研究所 一种SiC纤维增强Ti基复合材料环件芯部超声定位方法
CN104820020B (zh) * 2015-05-15 2017-05-31 中国科学院金属研究所 一种SiC纤维增强Ti基复合材料环件芯部超声定位方法
CN107202610A (zh) * 2017-05-27 2017-09-26 湖北第二师范学院 一种肉类品质检测装置
CN107411710A (zh) * 2017-06-13 2017-12-01 黄晓敏 一种便携式脂肪含量测试装置
CN111990331A (zh) * 2020-08-05 2020-11-27 南京农业大学 一种猪五花肉肉质活体选育方法
CN111990331B (zh) * 2020-08-05 2022-06-10 南京农业大学 一种猪五花肉肉质活体选育方法
CN112305081A (zh) * 2020-11-30 2021-02-02 居天智慧(深圳)有限公司 基于高级食材的超声监测器
WO2024169826A1 (zh) * 2023-02-15 2024-08-22 陈嘉宏 食品加工检测设备及其检测方法

Also Published As

Publication number Publication date
IE922108A1 (en) 1992-12-30
DE69207665D1 (de) 1996-02-29
CA2072458A1 (en) 1992-12-29
JPH05232090A (ja) 1993-09-07
IE74887B1 (en) 1997-08-13
EP0523865B1 (en) 1996-01-17
ZA924618B (en) 1993-12-23
NO922509D0 (no) 1992-06-25
ES2084942T3 (es) 1996-05-16
NO922509L (no) 1992-12-29
RU2066450C1 (ru) 1996-09-10
ATE133252T1 (de) 1996-02-15
DK0523865T3 (da) 1996-02-12
IL102283A0 (en) 1993-01-14
NZ243357A (en) 1995-09-26
GR3019054T3 (en) 1996-05-31
KR930000936A (ko) 1993-01-16
US5353796A (en) 1994-10-11
EP0523865A1 (en) 1993-01-20
CZ199392A3 (en) 1993-09-15
AU646744B2 (en) 1994-03-03
SK199392A3 (en) 1995-04-12
AU1863192A (en) 1993-01-07
IL102283A (en) 1993-07-23
DE69207665T2 (de) 1996-06-13

Similar Documents

Publication Publication Date Title
CN1070734A (zh) 无损害肉质分级装置与方法
CN1254763C (zh) 适用于多种用途的光学阅读器
CN1292706C (zh) 脉搏计及其控制方法、以及手表型信息装置
CN1222772C (zh) 确定骨特征的超声装置
CN1271568C (zh) 信息变换系统
CN1738909A (zh) 使用生物标记谱诊断脓毒或者sirs
CN1126025C (zh) 窗口显示装置
CN1308683C (zh) 测量醋酸格拉默功效的方法
CN1234128A (zh) 特征信息附予方法、物体抽取方法、立体模型生成方法及其装置
CN1743840A (zh) 超声波探测器诊断装置、超声波诊断装置及超声波探测器诊断方法
CN1667566A (zh) 坐标输入装置及其控制方法
CN1185837A (zh) 超声波探伤装置及超声波探伤方法
CN1902221A (zh) 基于中和表位的生长增强疫苗
CN1328601A (zh) 预测蛋白质功能的方法和系统
CN1140982A (zh) 高分辨率超声波成象装置及其方法
CN1667567A (zh) 坐标输入装置及其控制方法
CN1493051A (zh) 进行离散子结构分析的计算机系统的操作方法
CN1968654A (zh) 放射线断层像摄影装置
CN1477573A (zh) 服务提供设备和服务提供方法
CN1437156A (zh) 图像补正装置，图像补正方法，及图像形成装置
CN1351310A (zh) 联机文字识别装置、方法及程序和计算机可读存储介质
CN1926881A (zh) 运动矢量检测装置、运动矢量检测方法和计算机程序
CN1719454A (zh) 几何代价和语义－识别代价融合的脱机手写汉字切分方法
CN1564136A (zh) 基于目标机上的ejtag部件的交叉调试器实现方法
CN1797255A (zh) 调整装置,生产加工系统和控制调整装置的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned
C20 Patent right or utility model deemed to be abandoned or is abandoned