DE4408604C2 - Verfahren zur Bewertung von Schlachttierkörpern - Google Patents

Verfahren zur Bewertung von Schlachttierkörpern

Info

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
Application number
DE4408604A
Other languages
English (en)
Other versions
DE4408604A1 (de
Inventor
Horst Dipl Ing Eger
Axel Dipl Ing Hinz
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.)
Hinz Axel 16515 Oranienburg De Eger Horst 163
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to DE4408604A priority Critical patent/DE4408604C2/de
Publication of DE4408604A1 publication Critical patent/DE4408604A1/de
Application granted granted Critical
Publication of DE4408604C2 publication Critical patent/DE4408604C2/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • AHUMAN NECESSITIES
    • A22BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22BSLAUGHTERING
    • A22B5/00Accessories for use during or after slaughtering
    • A22B5/0064Accessories for use during or after slaughtering for classifying or grading carcasses; for measuring back fat
    • A22B5/007Non-invasive scanning of carcasses, e.g. using image recognition, tomography, X-rays, ultrasound
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02Food
    • G01N33/12Meat; Fish
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • G06T7/521Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30128Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (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.
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.
Phase 1 Aufbau des Klassifikators
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).
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).
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.
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.
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.
DE4408604A 1994-03-08 1994-03-08 Verfahren zur Bewertung von Schlachttierkörpern Expired - Lifetime DE4408604C2 (de)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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
EP0920620B1 (de) * 1996-08-23 2004-10-13 Her Majesty The Queen in Right of Canada, as represented by The Department of Agriculture and Agri-Food Canada Verfahren und vorrichtung zur verwendung von bildanalyse zur feststellung von fleisch- und schlachttierkörpereigenschaften
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
AU765189B2 (en) * 1999-07-09 2003-09-11 Rms Research Management Systems Inc. Image data analysis of objects
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.
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
EP2992295B1 (de) * 2013-05-03 2017-01-04 CSB-System AG Vorrichtung und verfahren zur klassifikation eines lebensmittelobjekts gewachsener oder unregelmässiger struktur
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)

* Cited by examiner, † Cited by third party
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

Cited By (16)

* Cited by examiner, † Cited by third party
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
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
DE3047490C2 (de)
DE60312869T2 (de) Bildaufnahmesystem und -verfahren zur auswertung der körperlichen verfassung
EP1288859A1 (de) Verfahren zum automatischen Erkennen von rote-Augen-Defekten in fotografischen Bilddaten
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
DE10059895A1 (de) Verfahren zur Erkennung von Fahrbahnmarkierungen aus Bilddaten
DE112013004103T5 (de) Verfahren und Vorrichtung zum Erzeugen einer Disparitätskarte
EP3289398B1 (de) Verfahren zum generieren eines reflexionsreduzierten kontrastbildes und diesbezügliche vorrichtungen
DE202013002484U1 (de) Vorrichtung zur volumetrischen Vermessung eines Schlachttierkörperobjekts
DE19619099C1 (de) Verfahren zur Bewertung von Geflügelschlachttierkörpern
DE102005024949A1 (de) Verfahren zur Darstellung von Strukturen innerhalb von Volumendatensätzen
DE102017219244B4 (de) Inspektionsbedingungsbestimmungseinrichtung, inspektionsbedingungsbestimmungsverfahren und inspektionsbedingungsbestimmungsprogramm
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
DD292976A5 (de) Verfahren zur analyse von schlachttierkoerperhaelften mittels bildverarbeitung
DE112009005102T5 (de) Aufspaltung mehrteiliger Objekte
DE10050836B4 (de) Verfahren zur Handelswertbestimmung der Teilstücke von Schweineschlachttierkörpern
WO2016011992A1 (de) Vorrichtung zur optischen geschlechtserkennung eines schlachtschweins
EP1154370B1 (de) Automatische Bonitierung von biologischen Objekten auf der Basis dynamischer Farbanalyse mit nachfolgender Grössen- und Formanalyse

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