DE4408604C2 - Verfahren zur Bewertung von Schlachttierkörpern - Google Patents
Verfahren zur Bewertung von SchlachttierkörpernInfo
- Publication number
- DE4408604C2 DE4408604C2 DE4408604A DE4408604A DE4408604C2 DE 4408604 C2 DE4408604 C2 DE 4408604C2 DE 4408604 A DE4408604 A DE 4408604A DE 4408604 A DE4408604 A DE 4408604A DE 4408604 C2 DE4408604 C2 DE 4408604C2
- Authority
- DE
- Germany
- Prior art keywords
- color
- tissue
- background
- meat
- carcasses
- 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 - Lifetime
Links
- 238000000034 method Methods 0.000 title claims description 48
- 210000001519 tissue Anatomy 0.000 claims description 46
- 235000013372 meat Nutrition 0.000 claims description 25
- 241001465754 Metazoa Species 0.000 claims description 11
- 210000000988 bone and bone Anatomy 0.000 claims description 11
- 210000002808 connective tissue Anatomy 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000003307 slaughter Methods 0.000 claims description 5
- 241000283690 Bos taurus Species 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 241001494479 Pecora Species 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims 1
- 239000003086 colorant Substances 0.000 description 7
- 235000015278 beef Nutrition 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 235000020997 lean meat Nutrition 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Food Science & Technology (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Image Analysis (AREA)
Description
Die Erfindung betrifft ein Verfahren zur Bewertung von Schlachttierkörpern mittels Selek
tieren von Gewebekomponenten sowie des Umrisses der Körper vor einem Hintergrund,
wobei mittels Videokamera Bildaufnahmen der Oberfläche der Schlachttierkörper erfaßt,
digitalisiert und in einem PC gespeichert werden.
Es ist bekannt, Schlachttierkörper automatisch zu klassifizieren. Die EP A 499 550 A1
vom 27.01. 1992 offenbart ein Verfahren zum automatischen Klassifizieren von Tier
körpern unter Verwendung von Mitteln, die keinen physischen Kontakt mit den Tierkör
pern haben, nach dem Wiegen auf dem Schlachtband eingesetzt werden können, und von
der Analyse eines halben oder ganzen Tierkörpers - je nach Größe, Gewicht, Form und
Rasse des Tierkörpers - ausgehend, die entsprechenden Informationen liefern.
Dazu wird bei diesem Verfahren ein halber Tierkörper mit seiner Längsseite an einer
Auflage abgestützt, die der Symmetrieachse des Körpers entspricht und vom unteren Teil
der Rückseite aus, d. h. dem Teil neben dem Tierhals, eine winkelförmige Positionierung
des Körpers vorgenommen werden kann, um anschließend aus unterschiedlichen Winkeln
Aufnahmen des Hinterteils, der Keule, des oberen Rückenteils und des Vorderteils, das
dem unteren Bereich des halben Tierkörpers entspricht, zu machen. Diese Aufnahmen
werden in einem Computer gespeichert, in dem sich bereits die Angaben über das Gewicht
und die Länge des halben Tierkörpers befinden. Dieser wird dann von den Flächen, an
denen er anliegt, gelöst. Anschließend werden die eingegebenen Daten unter Berücksichti
gung der für die Klassifizierung von Tierkörpern erforderlichen theoretischen Infor
mationen bearbeitet.
Diese theoretischen Informationen sind eine Synthese vieler anderer Informationen, die
zuvor zusammengetragen und statistisch im Hinblick auf die Referenzklassifizierung
EUROP bearbeitet wurden. Dies ermöglicht die genau dem Bewertungsschlüssel EUROP
entsprechende Klassifizierung jedes Tierkörpers.
Eine weitere Besonderheit dieses Verfahrens besteht in der Möglichkeit, mindestens eine
Aufnahme der Innenseite des Tierkörpers zu machen, diese Information in den Computer
zu geben und sie unter Berücksichtigung der Angaben zu verarbeiten, die zuvor in großer
Anzahl zusammengetragen und statistisch im Hinblick auf die Klassifizierung nach Mastzu
stand laut EG-Bewertungsschlüssel bearbeitet wurden. Das ermöglicht die genaue Klassifi
zierung des Mastzustandes.
Bei diesem Verfahren wird jede zu klassifizierende Tierkörperhälfte gewogen. Aus der
Gewichtsangabe wird eine Information über die Länge des Tierkörpers erhalten, um davon
ausgehend eine erste Einstellung der Höhe der Auflage, an der der halbe Tierkörper abge
stützt wird, vorzunehmen. Anschließend wird die Länge des Tierkörpers optisch vermes
sen, um dann mit Hilfe dieser Information eine Feineinstellung der Auflagenhöhe vorzu
nehmen, an welcher der halbe Tierkörper abgestützt wird.
Eine erste Maßnahme bei diesem Verfahren ist das direkte Anleuchten des Tierkörpers von
der Aufnahmeseite aus, um so einen Kontrast zwischen dem Tierkörper und dem Hinter
grund, von dem dieser sich abhebt, zu erzeugen.
Eine andere Maßnahme bei diesem Verfahren ist das indirekte Anleuchten des Tierkörpers
durch eine sich im Hintergrund befindende Lichtquelle, wodurch der gesamte Tierkörper
in einem diffusen Licht erscheint.
Das Ziel sowohl der einen, als auch der anderen Maßnahme ist die perfekte Konturenbe
stimmung des sich von dem Hintergrund abhebenden Tierkörpers.
Das Verfahren nach der EP A 499 550 hat den Nachteil, daß der apparative Aufwand für
seine Durchführung sehr groß ist und die vorlaufenden Verfahrensschritte sehr umfassend
sind. Eine Ableitung der Parameter zur objektiven Klassifizierung ist aus der Beschreibung
nicht zu entnehmen.
Weiterhin werden keine
Farbbilder gewonnen, die eine präzise Klassifizierung der Objekte ermöglichen.
Die DE A 39 06 215 beschreibt eine automatische Klassifikation von Pflänzlingen. Der
Aufbau des Klassifikators erfolgt dabei interaktiv mit einem Marker für die einzelnen zu
klassifizierenden Objekte. Mit Hilfe eines Schwellwertes entscheidet der Nutzer über die
Zuordnung zu einem entsprechenden Klassen-Code, der zum Aufbau eines Tabellenklassifi
kators genutzt wird. Eine Entscheidung für die Zuordnung der Pflanze zu bestimmten Qua
litätsklassen wird in der Schrift mit vorgegebenen Toleranzschwellen beschrieben. Die
Nutzung von vorgegebenen Schwellwerten oder auch Toleranzschwellen ist für die
Anwendung in der Fleischwirtschaft fragwürdig, da diese Schwellwerte Übergänge von
verschiedenen Gewebekomponenten nicht klar beschreiben. Es ist vielmehr eine unscharfe
Entscheidungsfindung adaptiv pro Schlachttierkörper offenbart worden, um eine Bild
punktzuordnung zu den Gewebekomponenten zu sichern.
Die WO 91/14 180 offenbart ein Verfahren, mit dem durch Erfassen von zwei Bildern, -
ein erstes Bild nur Hintergrund, ein zweites Bild Objekt- und Hintergrund -, über Diffe
renzbildung die Objektkontur bestimmen wird. Ein Restrauschen des Hintergrundes nach
der Differenzbildung wird durch das Einsetzen eines Schwellwertes unterdrückt. Wie in
der Schrift festgestellt, kann dieses Verfahren bei einer ungünstigen Gestaltung von Objekt
und Hintergrund zu Problemen führen. Die bei dieser technischen Lösung störend wirken
de Schattenausprägung, die entsprechend der in der Schrift offenbarten Vorgehensweise
durch bestimmte Positionierung von Lichtquellen kompensiert werden soll, ist ein gravie
render Nachteil für eine exakte Konturenbestimmung.
Zur visuellen Feststellung verschiedener Gewerbekomponenten offenbart die Schrift die
Erfassung von vielen Bildern, in denen die Pixelfarben von Bereichen verschiedener
Gewerbekomponenten bestimmt werden. Dazu wird ein "kategorisches Bild" transfor
miert, das mit 6 Farbklassen der Gewebekomponenten zusammenwirkt.
Die WO 92/00 523 stellt eine Vorrichtung und ein Verfahren zur automatischen Schlacht
tierkörperbewertung unter Verwertung mehrerer in bestimmten Winkeln angeordneter
Videokameras vor.
Für die visuelle Bestimmung der immer unterschiedlichen Gewebekomponenten gibt die
Schrift die Anwendung verschiedener Farbkanäle der Kamera an. Sie stellt dar, daß der
grüne Kanal die beste visuelle Feststellung von Magerfleisch ermöglicht, und für die
Fettbewertung alle drei Farbkanäle - rot - grün - blau - nutzbar sind, da Fett über den
gesamten Wellenlängenbereich reflektiert. Sie vermittelt dem Fachmann keinen schlüssi
gen Hinweis darauf, daß ein spezielles Verfahren zur Trennung einzelner Gewebekompo
nenten vorliegen würde.
Die DE PS 30 47 490 offenbart ein Verfahren zur berührungsfreien Bestimmung von
Qualitätsmerkmalen eines Prüfobjektes der Fleischwaren-Kategorie, insbesondere zur
Ermittlung des anteiligen Fett-Fleisch-Verhältnisses einer Schlachttierhälfte, wobei das
Prüfobjekt beleuchtet und dessen Bild von einer Video-Kamera erfaßt und das Fleisch-
oder Fettgewebe nach Maßgabe der relativen Helligkeit der entsprechenden Gewebepartien
unterschieden wird. Das betrachtete Realbild der Probe wird dabei mit einem unterschei
dungstypischen Schwellwert von solcher Helligkeit digitalisiert, daß alle vom Schwellwert
abweichenden helleren oder dunkleren Gewebepartien entweder als weiße oder annähernd
weiße Bildteile oder als schwarze oder annähernd schwarze Bildteile dargestellt werden
und umgekehrt, daß der unterscheidungstypische Schwellwert so gewählt wird, daß alle
helleren Gewebepartien dem Fettgewebe und alle dunkleren Gewebepartien dem Fleischge
webe zugeordnet sind und daß zur Ermittlung des unterscheidungstypischen Schwellwertes
- a) die Probe gegen einen dunklen Hintergrund mit einer Schwaz-Weiß-Kamera zeilen- und bildweise optisch abgetastet wird und eine dabei scharf hervortretende Kontur am Helligkeitsübergang Hintergrund/Probe als Sprungfunktion in einem Helligkeits/Bildor t-Y/X-Diagramm parallel zur Helligkeits-Y-Achse aufgezeichnet und/oder abgespei chert wird,
- b) aus den Bildanteilen zu beiden Seiten der Sprungfunktion Helligkeitswerte der hellsten Partie "Ph" und der dunkelsten Partie "Pd" ermittelt und in Zahlenwerte entsprechend der Helligkeitsskala an der Y-Achse umgerechnet werden, aus welchen ein erster Schwellwert der Helligkeit "S₁" nach der Formel S₁ = 0,5 × (Ph + Pd) errechnet wird,
- c) der errechnete erste Schwellwert S₁ so weit in Richtung steigender Helligkeit an der Y-Achse nach oben verschoben wird, bis die Sprungfunktion durch Neigung aus der Senkrechten in eine endliche Funktion y = n x übergeht, und mit dem dabei er mittelten neuen Schwellwert der Helligkeit "Sy" das Realbild zum Schwarz-Weiß-Bild digitalisiert wird.
Die bekannte Lösung nach der DE PS 30 47 490 ermöglicht nur eine Verfahrensgestaltung
im Schwarz-Weiß- Bereich.
Nachteilig ist bei dem beschriebenen Verfahren die Nutzung von starren Schwellwerten
sowohl zur Selektion des Hintergrundes als auch zur Selektion der Fett- und Fleischkompo
nenten. Mit diesem Verfahren läßt sich keine schattenunabhängige Methode zur Konturena
nalyse beschreiben. Für die Selektion der Fett- und Fleischkomponenten ist mit dem
beschriebenen Verfahren eine hohe Sensibilität gegen Lichtschwankungen gegeben.
Da in dem beschriebenen Verfahren entsprechend der DE PS lediglich als Merkmalsraum
der Schwarz-Weiß-Bereich untersucht wird, ist eine weitergehende Analyse der Fleisch-
und Fettkomponenten unmöglich.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Bewertung von Schlachttier
körpern für ein Selektieren von Gewebekomponenten sowie des Umrisses der Körper vor
einem Hintergrund, wobei mittels Videokamera Bildaufnahmen der Oberflächen der
Schlachttierkörper erfaßt, digitalisiert und in einem PC gespeichert werden, zu schaffen,
mit dem verarbeitbare Videobilder in Farbkanälen auf der Basis von Grundfarben herge
stellt werden und auf der Grundlage von mehrdimensionalen Histologieanalysen Farbklassi
fikatoren bestimmt und ausgewertet werden.
Erfindungsgemäß wird die Aufgabe durch ein Verfahren gelöst, das durch folgendes
Verfahrensregime realisiert wird.
Ein Verfahren zur Bewertung von Schlachttierkörpern, mittels
(1.1.) Selektierung von Gewebekomponenten sowie der Umrisse der Körper vor einem Hintergrund
(1.2.) Erfassen von Bildaufnahmen der Oberfläche der Schlachttierkörper mittels Videokamera, Digitalisieren und Speichern der Aufnahmen in einem PC
(2.0) Herstellen von mehrdimensionalen Farbbildern in den Farbkanälen rot, grün und blau und Analyse des Farbraumes zur objektiven Selektierung der Gewebekom ponenten Fett, Fleisch, Bindegewebe und Knochen sowie des Hintergrundes.
(2.1) Festlegen des Hintergrundes in der Farbe blau;
(2.2) Bestimmen eines Farbklassifikators der Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen mittels mehrdimensionaler Histogrammanalysen sowie eines weiteren Klassifikators unter Beachtung des Hintergrundes zur Kon turensicherung unter Verwendung eines mehrdimensionalen Merkmalsraumes;
(2.3) Bestimmen der häufigsten Farbwerte aus der selektiven Planimetrie der vorhan denen Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen sowie des Hintergrundes;
(2.4) Bilden von Farbmittelwerten für jede Gewebekomponente und des Hintergrun des;
(3.0) Benutzen des Farbklassifikators zur Bestimmung der äußeren Konturen und deren Merkmale;
(3.1) Verwerten des Farbklassifikators, in dem aus den Vektorlängen zwischen den Schwerpunkten der einzelnen Klassen zum Bildpunkt des zu analysierenden Objektes entschieden wird, ob der Bildpunkt der Klasse Fett, Fleisch, Bindege webe, Knochen oder dem Hintergrund zugeordnet werden soll;
(3.2) Einbinden des Lichtschnittverfahrens für eine dreidimensionale Objektbestim mung zum Bewerten der Konformationsklasse.
(1.1.) Selektierung von Gewebekomponenten sowie der Umrisse der Körper vor einem Hintergrund
(1.2.) Erfassen von Bildaufnahmen der Oberfläche der Schlachttierkörper mittels Videokamera, Digitalisieren und Speichern der Aufnahmen in einem PC
(2.0) Herstellen von mehrdimensionalen Farbbildern in den Farbkanälen rot, grün und blau und Analyse des Farbraumes zur objektiven Selektierung der Gewebekom ponenten Fett, Fleisch, Bindegewebe und Knochen sowie des Hintergrundes.
(2.1) Festlegen des Hintergrundes in der Farbe blau;
(2.2) Bestimmen eines Farbklassifikators der Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen mittels mehrdimensionaler Histogrammanalysen sowie eines weiteren Klassifikators unter Beachtung des Hintergrundes zur Kon turensicherung unter Verwendung eines mehrdimensionalen Merkmalsraumes;
(2.3) Bestimmen der häufigsten Farbwerte aus der selektiven Planimetrie der vorhan denen Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen sowie des Hintergrundes;
(2.4) Bilden von Farbmittelwerten für jede Gewebekomponente und des Hintergrun des;
(3.0) Benutzen des Farbklassifikators zur Bestimmung der äußeren Konturen und deren Merkmale;
(3.1) Verwerten des Farbklassifikators, in dem aus den Vektorlängen zwischen den Schwerpunkten der einzelnen Klassen zum Bildpunkt des zu analysierenden Objektes entschieden wird, ob der Bildpunkt der Klasse Fett, Fleisch, Bindege webe, Knochen oder dem Hintergrund zugeordnet werden soll;
(3.2) Einbinden des Lichtschnittverfahrens für eine dreidimensionale Objektbestim mung zum Bewerten der Konformationsklasse.
Es ist eine vorteilhafte Ausbildung der erfindungsgemäßen Lösung, wenn der mehrdimen
sionale Merkmalsraum zum Aufbau der Klassifikatoren sechsdimensional ist und aus den
Sektoren rot, grün, blau, hue, saturation und intensity gebildet ist, wobei in Fortführung
des Verfahrens eine Anwendung bei Rinder- und Schafschlachttierkörpern vorgenommen
wird.
Die Erfindung ist dadurch vorteilhaft ausgestaltet, daß für eine automatische Klassifi
zierung von Schlachttierkörperhälften eine Bestimmung der Konformations- und Gewebe
parameter an der gesamten Hälfte sowie an den Hauptkörperpartien Keulen, Rücken und
Schulter vorgenommen wird.
Die Erfindung ist dadurch weiterhin vorteilhaft ausgestaltet, daß für die Bestimmung
Gewebeanteile Aufnahmen im Innenraum der Schlachttierkörperhälfte zur Analyse des
Rippenfettanteils durchgeführt und erfaßt werden.
Es ist im Sinne der Erfindung, daß durch die Verbindung des Lichtschnittverfahrens mit
der zweidimensionalen Konformationsbestimmung eine gleichsam dreidimensionale
Kontur des Schlachttierkörpers zur Bestimmung eines Körperabschnittes vor der Zerlegung
erhalten wird.
Weiterhin sinnvoll ausgebildet ist die Erfindung dadurch, daß aus den analysierten Konfor
mations- und Gewebeparametern eine präzise Ableitung der Handelsklassen für Schlacht
tierkörper erfolgt, sowie für Fleischstücke eine Nachklassifizierung vorgenommen wird.
Eine objektive, sichere und berührungslose Bewertung von Schlachttierkörpern ist eine
entscheidende ökonomische Kenngröße für den Klassifizierungsprozeß in der
Fleischwirtschaft.
Das erfindungsgemäße Verfahren basiert auf der Farbbildverarbeitung und bedingt durch
Analysen im Farbraum folgende Vorteile:
- - Durch die Nutzung der Farbinformation zur Analyse der äußeren Kontur und eine blaue Gestaltung des Hintergrundes wird eine Schattenunabhängigkeit dadurch erreicht, daß ein durch direkte Beleuchtung des Objektes entstehender Schatten auf dem blauen Hintergrund ebenfalls einen blauen Farbwert mit geringerer Intensität annimmt. Wird der Farbklassifikator entsprechend dem Anspruch 1 verwendet, wird ein Bildpunkt der sich auf dem Hintergrund in einem Schattenbereich befindet, dennoch eindeutig als Hintergrund erkannt. Mittels Schwarz-Weiß-Systemen können hier erhebliche Fehl analysen entstehen.
- - Durch die Nutzung des Farbklassifikators ergibt sich weiterhin eine Unsensibilität gegen Intensitätsschwankungen und Variationen des Lichteinfalls durch unterschiedliche Konformationen der Objekte.
- - Ein entscheidender weiterer Vorteil des Verfahrens nach der Erfindung ist der Verzicht auf Schwellwerte aller Art sowohl bei der Analyse der äußeren Kontur als auch bei der Selektion der Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen.
Durch Bestimmung des geringsten Vektorabstandes des zu analysierenden Bildpunktes
zu einer der vorbestimmten Farbklassen für Fett, Fleisch, Bindegewebe und Knochen
sowie für den Hintergrund ist eine eindeutige Zuordnung schwellwertfrei gegeben.
- - Ein weiterer Vorteil des erfindungsgemäßen Verfahrens ist, daß Bildpunkte, die nicht genau innerhalb einer Klasse einzuordnen sind, über ihre naheste Nachbarschaft zu geordnet werden.
- - Bei der Ermittlung der Konformation ergibt sich durch die Anwendung des Lichtschnitt verfahrens eine kostengünstige quasi 3D-Bestimmung des Schlachttierkörpers bzw. des Teilbereiches. Neben der zweidimensionalen Konformationsbestimmung kann somit die Tiefeninformation zur weiteren Stabilisierung der Parameter in die Bestimmung der Konformationsklasse einfließen.
- - Durch das adaptive und berührungslose Verfahren zur Bewertung von Schlachttier körpern ergeben sich für die apparative Klassifizierung besondere Vorteile durch die Ablösung von monotonen und subjektiven Entscheidungsprozessen durch objektive Parameterbestimmung, eine hohe Wiederholgenauigkeit und damit Zuverlässigkeit sowie eine hygienisch unbedenkliche Lösung.
- - Neben dem Rationalisierungseffekt durch Ablösung der subjektiven Klassifizierung ist der entscheidenste Vorteil die Objektivität der Angaben, die durch das Verfahren er reicht wird.
Die Erfindung soll an Hand eines Ausführungsbeispieles näher erläutert werden.
In der zugehörigen Zeichnung zeigen:
Fig. 1 eine komplette Rinderhälfte außenseitig, als unverarbeitetes Bild;
Fig. 2 eine verarbeitete Darstellung von Fig. 1
Fig. 3 eine weiterbearbeitete Darstellung von Fig. 1, in einer Binärdarstellung;
Fig. 4 den Teil einer Rinderhälfte im Keulenbereich;
Fig. 5 den Teil einer Rinderhälfte im Schulterbereich;
Fig. 6 den Teil einer Rinderhälfte im Rückenbereich;
Fig. 7 den Teil einer Rinderhälfte im Keulenbereich mit projizierten Lichtstreifen;
Fig. 8 den Teil einer Rinderhälfte im Brustkorbbereich.
Gemäß Fig. 1 ist eine Rinderhälfte dargestellt. Das Bild ist unverarbeitet und mit einer
Farbtiefe von 24 Bit in den Rechner aufgenommen worden. Es stellt eine Basisdarstellung
vor und ist die Grundlage für den Beginn einer Analyse der äußeren Kontur, wie sie in
Fig. 2 dargestellt ist. Die Daten der Analyse liegen als Vergleich im PC vor.
Als erster Schritt sind mittels Videokameras Bildaufnahmen gemäß Fig. 1, 4, 5, 6 und 8
erfaßt, durch Framegrabber digitalisiert und in einem PC gespeichert worden. Die
Bilddaten liegen als Farbbilder mit einer Auflösung von 720 × 512 Bildpunkten in den drei
Farbkanälen r (rot), g (grün) und b (blau) mit je 8 Bit vor.
Das Verfahren ist in zwei grundsätzliche Phasen gegliedert.
Für die einzelnen Bildbereiche sind Farbklassifikatoren bestimmt worden, die zur Se
lektierung der Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen sowie des
Hintergrundes genutzt werden.
Diese Bestimmung der Farbklassifikatoren erfolgte durch teilautomatische und interaktive
Vorgabe der Bildbereiche, in den Bildaufnahmen gemäß den Fig. 1, 4, 5, 6 und 8, die
jeweils nur eine Gewebekomponente beinhalten. Es wurden alle Fleischflächen gem.
Fig. 1 an Hand einer Stichprobe planimetriert und die Mittelwerte sowie die 256
häufigsten Farbwerte rot, grün, blau durch Histogrammanalysen bestimmt und gespei
chert. Weiterhin sind zugehörige Transformationswerte der Grundfarben rot, grün, blau in
h (hue-Färbung), s (saturation = Sättigung) und i (intensity = Intensität) bestimmt
worden.
An Hand dieser Festlegungen ergaben sich für jede Gewebekomponente sowie deren far
blich gestalteten Hintergrund folgende Mittelwerte der Grundfarben sowie der Farbtrans
formationen:
mroti (Mittelwert rot für die i′te Gewebekomponente)
mblaui (Mittelwert blau für die i′te Gewebekomponente)
mgrüni (Mittelwert grün für die i′te Gewebekomponente)
mhuei (Mittelwert hue für die i′te Gewebekomponente)
msatui (Mittelwert saturation für die i′te Gewebekomponente)
mintei (Mittelwert intensity für die i′te Gewebekomponente).
mroti (Mittelwert rot für die i′te Gewebekomponente)
mblaui (Mittelwert blau für die i′te Gewebekomponente)
mgrüni (Mittelwert grün für die i′te Gewebekomponente)
mhuei (Mittelwert hue für die i′te Gewebekomponente)
msatui (Mittelwert saturation für die i′te Gewebekomponente)
mintei (Mittelwert intensity für die i′te Gewebekomponente).
Weiterhin ergaben sich aus den Histogrammanalysen die Vektoren der häufigsten Farben
für jede Gewebekomponente sowie den farblich gestalteten Hintergrund:
vrgbi(t) (Vektor = V der Grundfarben rot, grün, Blau für die i′te Gewebekomponen te t = 0. . .255 entspricht den häufigsten Farbwerten)
vhsii(t) Vektor = V der Transformationen hue, saturation, intensity für die i′te Gewebekomponente t = 0. . .255 entspricht den häufigsten Transformations werten).
vrgbi(t) (Vektor = V der Grundfarben rot, grün, Blau für die i′te Gewebekomponen te t = 0. . .255 entspricht den häufigsten Farbwerten)
vhsii(t) Vektor = V der Transformationen hue, saturation, intensity für die i′te Gewebekomponente t = 0. . .255 entspricht den häufigsten Transformations werten).
Aus diesen analysierten Werten stellten sich beispielhaft im Merkmalsraum rot, grün, blau
(Tensor), Punktwolken der Mittelwerte und Häufigkeitsvektoren für die einzelnen Gewebe
komponenten und den farblich gestalteten Hintergrund dar. An Hand dieser Punktwolken
wird die Farbe des Hintergrundes optimiert, um den maximalen Abstand zu den Gewebe
parametern zu realisieren.
Für den Aufbau des Klassifikators wird ein 6-Dimensionaler Merkmalsraum
- - rot
- - grün
- - blau
- - hue
- - saturation
- - intensity
angesetzt und der Schwerpunkt der theoretischen Punktwolken bestimmt.
Aus den Schwerpunkten der Punktwolken sowie den Mittelwerten der Grundfarben und
ihrer Transformationen ergeben sich Farbklassen für die einzelnen Gewebeparameter und
den Hintergrund.
Mit der Phase 1 ist die Bildung der Klassifikatoren abgeschlossen und die Bewertung und
Klassifikation des Objektes kann mit der Phase 2 - Nutzung des Klassifikators - zur
Bewertung beginnen.
Die Nutzung der aufgebauten Klassifikatoren zur Selektion der Gewebekomponenten und
des Hintergrundes wird in folgender Weise vorgenommen:
Nach der Bilddatenerfassung gemäß den Fig. 1, 4, 5, 6, 8 für einen neuen zu untersu chenden Schlachtkörper wird jeder Bildpunkt mit den Farbklassen der einzelnen Gewebepa rameter verglichen.
Nach der Bilddatenerfassung gemäß den Fig. 1, 4, 5, 6, 8 für einen neuen zu untersu chenden Schlachtkörper wird jeder Bildpunkt mit den Farbklassen der einzelnen Gewebepa rameter verglichen.
Dabei ist die minimale Vektorlänge zwischen dem Bildpunkt und den Farbklassen entschei
dend über die Zuordnung
- 1. zu der einzelnen Gewebekomponente oder
- 2. zum Hintergrund.
Liegt ein Bildpunkt beispielsweise auf einer Fleischfläche, so ist der Vektorabstand seiner
Farb- und Transformationswerte am geringsten zu den Mittel- und Schwerpunktswerten
der Farbklasse Fleisch. Somit wird dieser Bildpunkt als Fleisch interpretiert.
Fig. 2 zeigt eine Darstellung der Selektion des Hintergrundes. Durch die vorstehend
dargestellte Farbanalyse ist die stabile und schattenunabhängige Auswertung der äußeren
Kontur erfolgt. In den Fig. 4, 5, 6 ist die Selektion des Hintergrundes für die Teilauf
nahmen dargestellt.
In Fig. 3 ist die Selektion aller Fleischflächen durch die schwarz dargestellten Bereiche
gekennzeichnet.
Aus der analysierten äußeren Kontur gemäß den Fig. 2, 4, 5, 6 werden die Konformati
onsparameter abgeleitet und zur Konformationsklasse verrechnet.
Aus der Anzahl der Bildpunkte innerhalb der einzelnen Farbklassen wird der Anteil der
einzelnen Gewebekomponenten an der Gesamtfläche bestimmt und beispielsweise zur
Fettgewebeklasse verrechnet.
Für eine weitere Stabilisierung der Bestimmung der Fettgebeklasse wird gemäß Fig. 8 der
Fettansatz in der Brusthöhle mittels Farbklassifikatoren bestimmt.
Mittels Lichtschnittverfahren gemäß Fig. 7 wird neben der zweidimensionalen Konformati
onsbestimmung eine Tiefeninformation analysiert. Durch die Tiefeninformation ergibt sich
die Ausprägung der Keule in der dritten Dimension.
Aus der jetzt quasi dreidimensionalen Information über die Kontur des Schlachtkörpers
kann beispielhaft das Gewicht der Keule gemäß Fig. 7 bereits vor der Zerlegung geschätzt
werden.
Claims (8)
1. (1.0) Verfahren zur Bewertung von Schlachttierkörpern mittels
(1.1) Selektieren von Gewebekomponenten sowie des Umrisses der Körper vor einem Hintergrund durch
(1.2) Erfassen von Bildaufnahmen der Oberfläche der Schlachttierkörper mittels Videokamera, digitalisieren und Speichern der Aufnahmen in einem PC, mit folgenden Schritten:
(2.0) Herstellen von mehrdimensionalen Farbbildern in den Farbkanälen rot, grün und blau und Analyse des Farbraumes zur objektiven Selektierung der Gewebekomponenten Fett, Fleisch Bindegewebe und Knochen sowie des Hintergrundes.
(2.1) Festlegen des Hintergrundes in der Farbe blau;
(2.2) Bestimmen eines Farbklassifikators der Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen mittels mehrdimensionaler Histogrammanalysen sowie eines weiteren Klassifikators unter Beachtung des Hintergrundes zur Konturensicherung unter Verwendung eines mehrdimensionalen Merkmalsrau mes;
(2.3) Bestimmen der häufigsten Farbwerte aus der selektiven Planimetrie der vorhandenen Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen sowie des Hintergrundes;
(2.4) Bilden von Farbmittelwerten für jede Gewebekomponente und des Hintergrun des;
(3.0) Benutzen des Farbklassifikators zur Bestimmung der äußeren Konturen und deren Merkmale;
(3.1) Verwerten des Farbklassifikators, in dem aus den Vektorlängen zwischen den Schwerpunkten der einzelnen Klassen zum Bildpunkt des zu analysierenden Objektes entschieden wird, ob der Bildpunkt der Klasse Fett, Fleisch, Bindege webe, Knochen oder dem Hintergrund zugeordnet werden soll;
(3.2) Einbinden des Lichtschnittverfahrens für eine dreidimensionale Objektbestim mung zum Bewerten der Konformationsklasse.
(1.1) Selektieren von Gewebekomponenten sowie des Umrisses der Körper vor einem Hintergrund durch
(1.2) Erfassen von Bildaufnahmen der Oberfläche der Schlachttierkörper mittels Videokamera, digitalisieren und Speichern der Aufnahmen in einem PC, mit folgenden Schritten:
(2.0) Herstellen von mehrdimensionalen Farbbildern in den Farbkanälen rot, grün und blau und Analyse des Farbraumes zur objektiven Selektierung der Gewebekomponenten Fett, Fleisch Bindegewebe und Knochen sowie des Hintergrundes.
(2.1) Festlegen des Hintergrundes in der Farbe blau;
(2.2) Bestimmen eines Farbklassifikators der Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen mittels mehrdimensionaler Histogrammanalysen sowie eines weiteren Klassifikators unter Beachtung des Hintergrundes zur Konturensicherung unter Verwendung eines mehrdimensionalen Merkmalsrau mes;
(2.3) Bestimmen der häufigsten Farbwerte aus der selektiven Planimetrie der vorhandenen Gewebekomponenten Fett, Fleisch, Bindegewebe und Knochen sowie des Hintergrundes;
(2.4) Bilden von Farbmittelwerten für jede Gewebekomponente und des Hintergrun des;
(3.0) Benutzen des Farbklassifikators zur Bestimmung der äußeren Konturen und deren Merkmale;
(3.1) Verwerten des Farbklassifikators, in dem aus den Vektorlängen zwischen den Schwerpunkten der einzelnen Klassen zum Bildpunkt des zu analysierenden Objektes entschieden wird, ob der Bildpunkt der Klasse Fett, Fleisch, Bindege webe, Knochen oder dem Hintergrund zugeordnet werden soll;
(3.2) Einbinden des Lichtschnittverfahrens für eine dreidimensionale Objektbestim mung zum Bewerten der Konformationsklasse.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß für das Herstellen der
Videobilder eine räumliche Anordnung von mehreren Videokameras vorgenommen
wird.
3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß der mehrdimensionale
Merkmalsraum zum Aufbau des Klassifikators sechsdimensional ist und aus den Sekto
ren rot, grün, blau, hue, saturation, intensity gebildet ist.
4. Verfahren nach den Ansprüchen 1 bis 3, dadurch gekennzeichnet, daß das Verfahren
bei Rinder- und Schafschlachttierkörper zur Anwendung gelangt.
5. Verfahren nach den Ansprüchen 1 bis 4, dadurch gekennzeichnet, daß bei einer
automatischen Klassifizierung von Schlachttierkörperhälften eine Bestimmung der
Konformations- und Gewebeparameter an der gesamten Hälfte sowie an den Hauptkör
perpartien Keule, Rücken und Schulter vorgenommen wird.
6. Verfahren nach den Ansprüchen 1 bis 5, dadurch gekennzeichnet, daß für die Bestim
mung der Gewebeanteile Aufnahmen im Innenraum einer Schlachttierhälfte zur Analy
se des Rippenfettanteils durchgeführt und erfaßt werden.
7. Verfahren nach den Ansprüchen 1 bis 5, dadurch gekennzeichnet, daß durch die
Verbindung des Lichtschnittverfahrens mit der zweidimensionalen Konformationsbe
stimmung eine gleichsam dreidimensionale Kontur des Schlachtkörpers zur Bestim
mung eines Körperabschnittes erhalten wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß
aus den analysierten Konformations- und Gewebeparametern eine präzise Ableitung
der Handelsklasse für Schlachttierkörper erfolgt sowie für Fleischteilstücke eine
Nachklassifizierung vorgenommen wird.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4408604A DE4408604C2 (de) | 1994-03-08 | 1994-03-08 | Verfahren zur Bewertung von Schlachttierkörpern |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4408604A DE4408604C2 (de) | 1994-03-08 | 1994-03-08 | Verfahren zur Bewertung von Schlachttierkörpern |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4408604A1 DE4408604A1 (de) | 1995-12-21 |
DE4408604C2 true DE4408604C2 (de) | 1996-05-02 |
Family
ID=6512740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4408604A Expired - Lifetime DE4408604C2 (de) | 1994-03-08 | 1994-03-08 | Verfahren zur Bewertung von Schlachttierkörpern |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4408604C2 (de) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19619099C1 (de) * | 1996-05-06 | 1997-11-13 | Horst Eger | Verfahren zur Bewertung von Geflügelschlachttierkörpern |
DE19720121A1 (de) * | 1997-05-14 | 1998-01-08 | Stefan Dipl Phys Leppelmann | Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schüttgütern |
DE19637234A1 (de) * | 1996-09-13 | 1998-03-26 | Michael F Braun | Verfahren zur Überprüfung der Farbreinheit von Oberflächen |
DE19733216C1 (de) * | 1997-08-01 | 1998-12-17 | Csb Syst Software Entwicklung | Verfahren zur Bewertung von Schlachttierhälften durch optische Bildverarbeitung |
DE19837806C1 (de) * | 1998-08-20 | 2000-01-20 | Csb Syst Software Entwicklung | Verfahren zur Bewertung von Schlachttierhälften durch optische Bildverarbeitung |
WO2001022081A1 (en) * | 1999-09-20 | 2001-03-29 | Rms Research Management Systems Inc | Animal carcase analysis |
DE10109019A1 (de) * | 2001-02-23 | 2002-09-26 | Hans-Wilhelm Warnecke | Verfahren zur Bestimmung von Anteilen biologischer Strukturen |
DE102004047773A1 (de) * | 2004-09-27 | 2006-04-06 | Horst Eger | Verfahren zur Bestimmung physiologischer Grössen eines Schlachttierkörpers |
DE202013002483U1 (de) | 2013-03-15 | 2014-06-16 | Csb-System Ag | Vorrichtung zur Vermessung einer Schlachttierkörperhälfte |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP3485708B2 (ja) * | 1996-01-29 | 2004-01-13 | 理想科学工業株式会社 | 分版用データ処理装置及び方法と製版処理装置及び方法 |
WO1998008088A1 (en) * | 1996-08-23 | 1998-02-26 | Her Majesty The Queen In Right Of Canada, As Represented By The Department Of Agriculture And Agri-Food Canada | Method and apparatus for using image analysis to determine meat and carcass characteristics |
DE19837804C1 (de) * | 1998-08-20 | 2000-01-13 | Csb Syst Software Entwicklung | Verfahren zur automatischen Kontrolle und Selektion von Geflügelschlachttierkörpern |
DE19859661C2 (de) * | 1998-12-15 | 2003-07-24 | Inst Agrar Und Stadtoekologisc | Verfahren zur Gewebedifferenzierung beim Schwein |
AR024689A1 (es) * | 1999-07-09 | 2002-10-23 | Rms Res Man Systems Inc | UN METODO DE ANALISIS DE DATOS DE IMAGENES DE COLOR EN RELACIoN CON UN OBJETO META PARA DERIVAR O PREDECIR UNA PROPIEDAD DEL OBJETO DE LA CUAL EL COLOR ES UN INDICADOR. |
AU765189B2 (en) * | 1999-07-09 | 2003-09-11 | Rms Research Management Systems Inc. | Image data analysis of objects |
AU767212B2 (en) * | 1999-09-20 | 2003-11-06 | Rms Research Management Systems Inc. | Animal carcase analysis |
FR2843636B1 (fr) * | 2002-08-19 | 2005-08-05 | Michel Franck | Tri de viandes destructurees ou pse(pale, soft, exudative) par video-capture, et industrialisation du procede |
CN100421823C (zh) * | 2005-10-13 | 2008-10-01 | 南京农业大学 | 一种猪肉颜色质量等级的划分方法 |
DE202013002484U1 (de) * | 2013-03-15 | 2014-06-17 | Csb-System Ag | Vorrichtung zur volumetrischen Vermessung eines Schlachttierkörperobjekts |
PT2992295T (pt) * | 2013-05-03 | 2017-04-06 | Csb-System Ag | Dispositivo e processo para a classificação de um alimento de estrutura natural ou irregular |
CN111296539A (zh) * | 2020-01-22 | 2020-06-19 | 中国农业科学院农产品加工研究所 | 羊胴体机器人自主分割方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3906215A1 (de) * | 1989-02-28 | 1990-08-30 | Robert Prof Dr Ing Massen | Automatische klassifikation von pflaenzlingen |
WO1991014180A1 (en) * | 1990-03-14 | 1991-09-19 | Meat Research Corporation | Evaluating carcasses by image analysis and object definition |
GB9013983D0 (en) * | 1990-06-22 | 1990-08-15 | Nat Res Dev | Automatic carcass grading apparatus and method |
-
1994
- 1994-03-08 DE DE4408604A patent/DE4408604C2/de not_active Expired - Lifetime
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19619099C1 (de) * | 1996-05-06 | 1997-11-13 | Horst Eger | Verfahren zur Bewertung von Geflügelschlachttierkörpern |
DE19637234A1 (de) * | 1996-09-13 | 1998-03-26 | Michael F Braun | Verfahren zur Überprüfung der Farbreinheit von Oberflächen |
DE19637234C2 (de) * | 1996-09-13 | 2001-08-02 | Michael F Braun | Verfahren zur Überprüfung der Farbreinheit von Oberflächen |
DE19720121C2 (de) * | 1997-05-14 | 2000-06-08 | Stefan Leppelmann | Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schüttgütern |
DE19720121A1 (de) * | 1997-05-14 | 1998-01-08 | Stefan Dipl Phys Leppelmann | Verfahren zur quantitativen Bestimmung der Anteile verschiedenartiger Stoffe in Schüttgütern |
DE19733216C1 (de) * | 1997-08-01 | 1998-12-17 | Csb Syst Software Entwicklung | Verfahren zur Bewertung von Schlachttierhälften durch optische Bildverarbeitung |
DE19837806C1 (de) * | 1998-08-20 | 2000-01-20 | Csb Syst Software Entwicklung | Verfahren zur Bewertung von Schlachttierhälften durch optische Bildverarbeitung |
WO2000010396A1 (de) | 1998-08-20 | 2000-03-02 | Csb-System Software-Entwicklung & Unternehmensberatung Ag | Verfahren zur bewertung von schlachttierhälften durch optische bildverarbeitung |
US6735326B1 (en) | 1998-08-20 | 2004-05-11 | Csb-System Software-Entwicklung & Unternehmensberatung Ag | Method for evaluating the halves of slaughtered animals by optical image processing |
WO2001022081A1 (en) * | 1999-09-20 | 2001-03-29 | Rms Research Management Systems Inc | Animal carcase analysis |
US7110572B1 (en) | 1999-09-20 | 2006-09-19 | Rms Research Management Systems Inc. | Animal carcase analysis |
DE10109019A1 (de) * | 2001-02-23 | 2002-09-26 | Hans-Wilhelm Warnecke | Verfahren zur Bestimmung von Anteilen biologischer Strukturen |
DE10109019B4 (de) * | 2001-02-23 | 2004-06-17 | Hans-Wilhelm Dr. Warnecke | Verfahren zur Bestimmung von Anteilen biologischer Strukturen |
DE102004047773A1 (de) * | 2004-09-27 | 2006-04-06 | Horst Eger | Verfahren zur Bestimmung physiologischer Grössen eines Schlachttierkörpers |
DE202013002483U1 (de) | 2013-03-15 | 2014-06-16 | Csb-System Ag | Vorrichtung zur Vermessung einer Schlachttierkörperhälfte |
WO2014139503A1 (de) | 2013-03-15 | 2014-09-18 | Csb-System Ag | Vorrichtung zur vermessung eines schlachttierkörperobjekts |
Also Published As
Publication number | Publication date |
---|---|
DE4408604A1 (de) | 1995-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4408604C2 (de) | Verfahren zur Bewertung von Schlachttierkörpern | |
DE69329820T2 (de) | Fleisch-bildanalyse. | |
DE3879647T2 (de) | Verfahren und vorrichtung zur bestimmung der qualitaet von einzelnen schlachttierkoerpern. | |
DE69731212T2 (de) | Verfahren und vorrichtung zur verwendung von bildanalyse zur feststellung von fleisch- und schlachttierkörpereigenschaften | |
DE69619391T2 (de) | Analyse von farbtönen in bildern zur verwendung in der tierzucht | |
DE69229856T2 (de) | Adaptives sichtverfahren und -system | |
DE3047490C2 (de) | ||
DE60312869T2 (de) | Bildaufnahmesystem und -verfahren zur auswertung der körperlichen verfassung | |
EP1288860A1 (de) | Verfahren zur Verarbeitung digitaler fotografischer Bilddaten, welches ein Verfahren zum automatischen Erkennen von rote-Augen-Defekten umfasst | |
DE2050941A1 (de) | Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von Bildmerkmalen | |
EP3401411B1 (de) | Verfahren und vorrichtung zur fehlerstellenerkennung bei biegeschlaffen körpern, insbesondere tierhäuten | |
DE60310267T2 (de) | Messung der mitoseaktivität | |
WO2014026765A1 (de) | 3d-kamera basierte analyse eines lebenden nutztieres | |
DE10059895A1 (de) | Verfahren zur Erkennung von Fahrbahnmarkierungen aus Bilddaten | |
DE102017219244B4 (de) | Inspektionsbedingungsbestimmungseinrichtung, inspektionsbedingungsbestimmungsverfahren und inspektionsbedingungsbestimmungsprogramm | |
DE112013004103T5 (de) | Verfahren und Vorrichtung zum Erzeugen einer Disparitätskarte | |
EP3289398B1 (de) | Verfahren zum generieren eines reflexionsreduzierten kontrastbildes und diesbezügliche vorrichtungen | |
DE19619099C1 (de) | Verfahren zur Bewertung von Geflügelschlachttierkörpern | |
DE202013002484U1 (de) | Vorrichtung zur volumetrischen Vermessung eines Schlachttierkörperobjekts | |
DE102005024949A1 (de) | Verfahren zur Darstellung von Strukturen innerhalb von Volumendatensätzen | |
DE2946912C2 (de) | Verfahren zur Klassifizierung eines Tierkörpers, insbesondere einer Schweinehälfte, in Handelsklassen | |
EP0999754B1 (de) | Verfahren zur bewertung von schlachttierhälften durch optische bildverarbeitung | |
DE102008044764A1 (de) | Verfahren und tragbares System zur Qualitätsbewertung des Fleisches | |
DE112015005697T5 (de) | Bildverarbeitungsvorrichtung, Bildverarbeitungsverfahren und Bildverarbeitungsprogramm | |
DE112009005102T5 (de) | Aufspaltung mehrteiliger Objekte |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: HINZ, AXEL, 16515 ORANIENBURG, DE EGER, HORST, 163 |
|
R071 | Expiry of right | ||
R071 | Expiry of right |