JP7125802B1 - Beef quality judgment device - Google Patents
Beef quality judgment device Download PDFInfo
- Publication number
- JP7125802B1 JP7125802B1 JP2021099347A JP2021099347A JP7125802B1 JP 7125802 B1 JP7125802 B1 JP 7125802B1 JP 2021099347 A JP2021099347 A JP 2021099347A JP 2021099347 A JP2021099347 A JP 2021099347A JP 7125802 B1 JP7125802 B1 JP 7125802B1
- Authority
- JP
- Japan
- Prior art keywords
- component
- value
- evaluation
- average value
- evaluation value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000015278 beef Nutrition 0.000 title claims abstract description 95
- 238000011156 evaluation Methods 0.000 claims abstract description 156
- 238000000611 regression analysis Methods 0.000 claims abstract description 31
- 238000003384 imaging method Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 239000000470 constituent Substances 0.000 claims abstract description 6
- AUHDWARTFSKSAC-HEIFUQTGSA-N (2S,3R,4S,5R)-3,4-dihydroxy-5-(hydroxymethyl)-2-(6-oxo-1H-purin-9-yl)oxolane-2-carboxylic acid Chemical compound [C@]1([C@H](O)[C@H](O)[C@@H](CO)O1)(N1C=NC=2C(O)=NC=NC12)C(=O)O AUHDWARTFSKSAC-HEIFUQTGSA-N 0.000 claims description 30
- GRSZFWQUAKGDAV-UHFFFAOYSA-N Inosinic acid Natural products OC1C(O)C(COP(O)(O)=O)OC1N1C(NC=NC2=O)=C2N=C1 GRSZFWQUAKGDAV-UHFFFAOYSA-N 0.000 claims description 30
- 229940028843 inosinic acid Drugs 0.000 claims description 30
- 235000013902 inosinic acid Nutrition 0.000 claims description 30
- 239000004245 inosinic acid Substances 0.000 claims description 30
- WRIDQFICGBMAFQ-UHFFFAOYSA-N (E)-8-Octadecenoic acid Natural products CCCCCCCCCC=CCCCCCCC(O)=O WRIDQFICGBMAFQ-UHFFFAOYSA-N 0.000 claims description 29
- LQJBNNIYVWPHFW-UHFFFAOYSA-N 20:1omega9c fatty acid Natural products CCCCCCCCCCC=CCCCCCCCC(O)=O LQJBNNIYVWPHFW-UHFFFAOYSA-N 0.000 claims description 29
- QSBYPNXLFMSGKH-UHFFFAOYSA-N 9-Heptadecensaeure Natural products CCCCCCCC=CCCCCCCCC(O)=O QSBYPNXLFMSGKH-UHFFFAOYSA-N 0.000 claims description 29
- ZQPPMHVWECSIRJ-UHFFFAOYSA-N Oleic acid Natural products CCCCCCCCC=CCCCCCCCC(O)=O ZQPPMHVWECSIRJ-UHFFFAOYSA-N 0.000 claims description 29
- 239000005642 Oleic acid Substances 0.000 claims description 29
- QXJSBBXBKPUZAA-UHFFFAOYSA-N isooleic acid Natural products CCCCCCCC=CCCCCCCCCC(O)=O QXJSBBXBKPUZAA-UHFFFAOYSA-N 0.000 claims description 29
- ZQPPMHVWECSIRJ-KTKRTIGZSA-N oleic acid Chemical compound CCCCCCCC\C=C/CCCCCCCC(O)=O ZQPPMHVWECSIRJ-KTKRTIGZSA-N 0.000 claims description 28
- 229920002527 Glycogen Polymers 0.000 claims description 27
- 229940096919 glycogen Drugs 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 12
- 235000019629 palatability Nutrition 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 20
- 235000013372 meat Nutrition 0.000 description 16
- 235000019583 umami taste Nutrition 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000000540 analysis of variance Methods 0.000 description 4
- 238000002844 melting Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 2
- 239000002932 luster Substances 0.000 description 2
- RGHNJXZEOKUKBD-SQOUGZDYSA-N D-gluconic acid Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](O)C(O)=O RGHNJXZEOKUKBD-SQOUGZDYSA-N 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 229950006191 gluconic acid Drugs 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 235000020997 lean meat Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229960002969 oleic acid Drugs 0.000 description 1
- 150000002889 oleic acids Chemical class 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 235000019607 umami taste sensations Nutrition 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
【課題】牛枝肉のおいしさを多面的かつ容易に評価できる牛肉品質判定装置を提供する。【解決手段】牛肉品質判定装置１は、評価対象牛枝肉のロース芯部分の画像データを取得する撮像手段２と、該画像データに基づいて評価対象牛枝肉の評価値を取得する評価値取得部３とを備える。評価値取得部３は、該画像データの少なくともＬａｂ色空間におけるａ成分の平均値又は標準偏差を構成要素とする色データを取得する色成分取得部４と、予め複数の牛枝肉のサンプルについて重回帰分析を行うことにより得られた回帰式に、評価対象牛枝肉についての色データを適用して評価値を算出する評価値算出部５とを備える。【選択図】図１Kind Code: A1 A beef quality determination device capable of multifacetedly and easily evaluating the palatability of beef carcasses is provided. A beef quality judging device 1 includes an imaging means 2 for acquiring image data of a loin core portion of an evaluation target beef carcass, and an evaluation value acquisition unit for acquiring an evaluation value of the evaluation target beef carcass based on the image data. 3. The evaluation value obtaining unit 3 includes a color component obtaining unit 4 that obtains color data whose constituent elements are at least the average value or standard deviation of the a component in the Lab color space of the image data, and a color component obtaining unit 4 that obtains color data of a plurality of beef carcass samples in advance. An evaluation value calculation unit 5 for calculating an evaluation value by applying color data of the beef carcass to be evaluated to the regression equation obtained by performing the regression analysis. [Selection drawing] Fig. 1
Description
本発明は、牛枝肉のロース芯部分の画像データに基づいて牛枝肉を評価する牛肉品質判定装置に関する。
BACKGROUND OF THE
従来、牛肉の品質は、歩留等級と肉質等級により評価される。歩留等級は、一頭から肉が取れる肉の量を３段階の等級に分けて評価するものである。肉質等級は、脂肪交雑、肉の色沢、肉の締まり及びきめ、脂肪の色沢と質の４項目それぞれを１～５の等級に分けて評価したうちの最も低い等級である。肉質等級は、脂肪交雑、肉の色沢、肉の締り及びきめ、脂肪の色沢の各項目について評価される。 Conventionally, beef quality is evaluated by yield grade and meat quality grade. Yield grade is to evaluate the amount of meat that can be harvested from one cow by dividing it into three grades. The meat quality grade is the lowest grade among the four items of marbling, meat color and luster, meat firmness and texture, and fat color and luster and quality, each of which is graded from 1 to 5 and evaluated. Meat quality grade is evaluated for each item of marbling, meat color and gloss, meat firmness and texture, and fat color and gloss.
脂肪交雑については、１２段階で評価され、１～５等級に分類される。この１２段階の評価は、各段階に対応するＮｏ．１ないしＮｏ．１２の基準となる写真画像と、評価対象の牛枝肉の対象部位（ロース芯の断面）とを格付員が肉眼によって対比することにより行われる。 Marbling is evaluated on a 12-point scale and classified into grades 1-5. This 12-step evaluation is based on the No. corresponding to each step. 1 to No. 12 reference photographic images and the target part of the beef carcass to be evaluated (cross section of the loin core) are compared with the naked eye by a grader.
一方、特許文献１においては、かかる格付員の肉眼による格付け動作を自動化する技術が開示されている。この技術においては、予め、肉取引規格の脂肪交雑基準の肉質等級毎の評価対象部位における既知のデジタルＲＧＢ画像に基づき、デジタル化された肉質等級の品質基準が取得される。
On the other hand,
肉質の評価に際しては、評価対象部位のデジタルＲＧＢ画像が撮像される。そして、撮像したデジタルＲＧＢ画像のＲＧＢ情報から、上述の品質基準取得の場合と同様にしてデジタル化されたデータを取得し、このデータと該品質基準とを比較することにより、評価対象部位の肉質等級が確定される。 When evaluating meat quality, a digital RGB image of the evaluation target site is captured. Then, from the RGB information of the captured digital RGB image, digitized data is obtained in the same manner as in the case of obtaining the quality standard described above, and by comparing this data with the quality standard, the meat quality of the evaluation target part Grade is confirmed.
上述のようにして得られる脂肪交雑についての肉質等級は、脂肪組織が筋肉全体に不規則な網目状に沈着している状態、すなわち霜降り度（ＢＭＳ；ビーフ・マーブリング・スタンダード）を、上述のように１２段階で評価して１～５等級に分類したものであり、肉質評価における重要な指標の１つである。そして、この指標は、牛肉のおいしさを判定する際の不可欠な尺度でもある。
The meat quality grade for the marbling obtained as described above is the state in which adipose tissue is deposited in an irregular mesh pattern throughout the muscle, that is, the degree of marbling (BMS; Beef Marbling Standard), as described above. It is classified into
しかし、牛肉の真のおいしさを評価する場合には、上述の霜降り度のみならず、旨味や、甘味、油のくちどけも重要な評価要素となる。このような、多面的な観点から牛肉のおいしさを予め枝肉の段階で、しかも容易に判定できるとすれば、牛枝肉の取引をさらに活性化するのに貢献できると考えられる。 However, when evaluating the true deliciousness of beef, not only the above-mentioned degree of marbling, but also umami, sweetness, and melting of oil are important evaluation factors. If the palatability of beef can be easily determined in advance at the carcass stage from such a multifaceted point of view, it is believed that it can contribute to further revitalizing the beef carcass trade.
本発明の目的は、かかる課題に鑑み、牛枝肉のおいしさを多面的かつ容易に評価できる牛肉品質判定装置を提供することにある。 SUMMARY OF THE INVENTION An object of the present invention is to provide a beef quality determination apparatus capable of multifacetedly and easily evaluating the palatability of beef carcasses.
本発明の牛肉品質判定装置は、
評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分の画像データを取得する撮像手段と、
前記撮像手段により得られる画像データに基づいて前記評価対象牛枝肉の評価値を取得する評価値取得部とを備え、
前記評価値取得部は、
前記撮像手段により得られる画像データの少なくともＬａｂ色空間におけるａ成分の平均値又は標準偏差を構成要素とする色データを取得する色成分取得部と、
予め複数の牛枝肉のサンプルについて、通常の方法で得られた前記評価値、及び該サンプルの前記ロース芯部分の画像データから取得された前記色データに基づいて、該色データの各構成要素を説明変数とし、該評価値を目的変数とする重回帰分析を行うことにより得られた回帰式に、前記評価対象牛枝肉について前記色成分取得部により得られる前記色データを適用して前記評価値を算出する評価値算出部とを備える。
The beef quality determination device of the present invention is
imaging means for acquiring image data of the loin core portion on the cut surface of the evaluation target portion of the evaluation target beef carcass;
an evaluation value acquisition unit that acquires an evaluation value of the evaluation target beef carcass based on the image data obtained by the imaging means;
The evaluation value acquisition unit
a color component acquisition unit configured to acquire color data having, as constituent elements, at least the average value or standard deviation of the a component in the Lab color space of the image data obtained by the imaging means;
Based on the evaluation value obtained in advance for a plurality of beef carcass samples by a normal method, and the color data obtained from the image data of the loin core portion of the sample, each component of the color data The evaluation value is obtained by applying the color data obtained by the color component acquisition unit for the beef carcass to be evaluated to a regression equation obtained by performing multiple regression analysis using the evaluation value as an explanatory variable and the evaluation value as an objective variable. and an evaluation value calculation unit that calculates the
本発明によれば、評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分の画像データにおける少なくともＬａｂ色空間のａ成分（赤又はマゼンタと緑との間の位置）の平均値又は標準偏差を構成要素とする色データに基づき、評価対象牛枝肉について、通常の方法で得られる評価値を、上記の回帰式により良好に予測した評価値を、得ることができる。なお、通常の方法とは、回帰式を用いて評価値を算出する以外の格付員による判定や実際の測定により評価値を取得する方法を意味する。 According to the present invention, the average value or standard deviation of at least the a component (the position between red or magenta and green) in the Lab color space in the image data of the loin core portion on the cut surface of the evaluation target part of the evaluation target beef carcass Based on the color data composed of , it is possible to obtain an evaluation value that is a good prediction of the evaluation value obtained by the usual method by the above regression equation for the beef carcass to be evaluated. In addition, the usual method means a method of obtaining an evaluation value by judgment by a grader or actual measurement other than calculating an evaluation value using a regression equation.
したがって、色データの構成要素として、Ｌａｂ色空間におけるａ成分の平均値又は標準偏差に加え、さらに霜降度や、旨味、甘味、油のくちどけを説明するのに適切な要素を採用することにより、牛枝肉のおいしさを、霜降度や、旨味、甘味、油のくちどけなどの多面的観点から容易に評価することができる。 Therefore, in addition to the average value or standard deviation of the a component in the Lab color space, as the components of the color data, by adopting elements suitable for explaining frostiness, umami, sweetness, and oily texture , the palatability of beef carcasses can be easily evaluated from multifaceted viewpoints such as degree of marbling, umami, sweetness, and melting of oil.
本発明において、前記評価値は、ＢＭＳナンバーであり、前記色データは、Ｌａｂ色空間におけるＬ成分及びａ成分の各平均値並びにａ成分の標準偏差を構成要素とするものであってもよい。 In the present invention, the evaluation value may be a BMS number, and the color data may consist of the average values of the L component and the a component and the standard deviation of the a component in the Lab color space.
これによれば、評価値として、通常の方法により得られるＢＭＳナンバー（例えば格付員により得られるＢＭＳナンバー）を回帰式で良好に予測したＢＭＳナンバーを、評価対象部位の切開面におけるロース芯部分の画像データを撮像手段により取得し、評価値算出部に供給するだけで、容易に取得することができる。 According to this, as an evaluation value, the BMS number obtained by a normal method (for example, the BMS number obtained by a grader) is well predicted by a regression equation, and the loin core portion of the cut surface of the evaluation target site. The image data can be easily obtained by simply obtaining the image data by the imaging means and supplying it to the evaluation value calculation section.
得られる評価値は、該ロース芯部分について格付員による評価値を良好に予測した値に対応する値となる。したがって、評価対象牛枝肉について、霜降り度の観点から、良好に評価することができる。 The obtained evaluation value is a value corresponding to a good prediction of the evaluation value by a grader for the loin core portion. Therefore, the evaluation target beef carcass can be favorably evaluated from the viewpoint of the degree of marbling.
本発明において、前記評価値は、イノシン酸の含有量に対応する値であり、前記色データは、Ｌａｂ色空間におけるａ成分の標準偏差、並びにＲＧＢ色空間におけるＲ成分の平均値とＲ成分の標準偏差との積、及びＲ成分の平均値とＧ成分の標準偏差との積をＧ成分の平均値で除した値を構成要素とするものであってもよい。 In the present invention, the evaluation value is a value corresponding to the content of inosinic acid, and the color data is the standard deviation of the a component in the Lab color space, the average value of the R component in the RGB color space, and the value of the R component. The component may be a product of the standard deviation and a value obtained by dividing the product of the average value of the R component and the standard deviation of the G component by the average value of the G component.
これによれば、評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分のイノシン酸の含有量に対応する評価値を、該ロース芯部分の画像データを取得し、該画像データを評価値算出部に供給するだけで、容易に取得することができる。得られる評価値は、該ロース芯部分について実測した場合に得られるであろうイノシン酸の含有量を良好に予測した値に対応する値となる。したがって、評価対象牛枝肉について、イノシン酸の含有量が影響する旨味の観点から、容易かつ良好に評価を行うことができる。 According to this, an evaluation value corresponding to the content of inosinic acid in the loin core portion on the cut surface of the evaluation target portion of the evaluation target beef carcass is acquired from the image data of the loin core portion, and the image data is used as the evaluation value. It can be easily obtained by simply supplying it to the calculation unit. The obtained evaluation value is a value corresponding to a well-predicted value of the inosinic acid content that would be obtained when the loin core portion was actually measured. Therefore, the beef carcass to be evaluated can be easily and favorably evaluated from the viewpoint of the umami taste affected by the content of inosinic acid.
本発明において、前記評価値は、グリコーゲンの含有量に対応する値であり、前記色データは、Ｌａｂ色空間におけるａ成分の平均値、及びｂ成分の平均値をａ成分の平均値で除した値、並びにＲＧＢ色空間におけるＲ成分の標準偏差とＧ成分の標準偏差との積をＢ成分の標準偏差で除した値、及びＲ成分の平均値とＲ成分の標準偏差との積をＢ成分の平均値で除した値を構成要素とするものであってもよい。 In the present invention, the evaluation value is a value corresponding to the glycogen content, and the color data is obtained by dividing the average value of the a component and the average value of the b component by the average value of the a component in the Lab color space. and the product of the standard deviation of the R component and the standard deviation of the G component in the RGB color space divided by the standard deviation of the B component, and the product of the average value of the R component and the standard deviation of the R component as the B component A value obtained by dividing by the average value of may be used as a component.
これによれば、評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分のグリコーゲンの含有量に対応する評価値を、該ロース芯部分の画像データを取得し、該画像データを評価値取得部に供給するだけで、容易に取得することができる。 According to this method, an evaluation value corresponding to the content of glycogen in the core loin portion on the cut surface of the evaluation target portion of the beef carcass to be evaluated is obtained from the image data of the loin core portion, and the image data is used to obtain the evaluation value. It can be obtained easily by simply supplying it to the department.
得られる評価値は、該ロース芯部分について実測した場合に得られるであろうグリコーゲンの含有量を良好に予測した値に対応する値となる。したがって、評価対象牛枝肉について、グリコーゲンの含有量が影響する甘味の観点から、容易かつ良好に評価を行うことができる。 The obtained evaluation value is a value corresponding to a well-predicted value of the glycogen content that would be obtained when the loin core portion was actually measured. Therefore, the beef carcass to be evaluated can be evaluated easily and satisfactorily from the viewpoint of sweetness, which is affected by the content of glycogen.
本発明において、前記評価値は、オレイン酸の含有量に対応する値であり、前記色データは、Ｌａｂ色空間におけるａ成分の平均値、並びにＲＧＢ色空間におけるＲ成分の平均値からＧ成分の平均値を減じた値をＲ成分の平均値にＧ成分の平均値を加えた値で除した値、Ｇ成分の平均値からＢ成分の平均値を減じた値をＧ成分の平均値にＢ成分の平均値を加えた値で除した値、及びＧ成分の平均値にＧ成分の標準偏差を乗じた値を構成要素とするものであってもよい。 In the present invention, the evaluation value is a value corresponding to the content of oleic acid, and the color data is obtained from the average value of the a component in the Lab color space and the average value of the R component in the RGB color space to the G component. The value obtained by subtracting the average value is divided by the value obtained by adding the average value of the G component to the average value of the R component. A value obtained by dividing the value obtained by adding the average value of the components and a value obtained by multiplying the average value of the G component by the standard deviation of the G component may be used as the components.
これによれば、評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分のオレイン酸の含有量に対応する評価値を、該ロース芯部分の切開面の画像データを取得し、該画像データを評価値取得部に供給するだけで、容易に取得することができる。 According to this method, an evaluation value corresponding to the content of oleic acid in the loin core portion in the cut surface of the evaluation target portion of the evaluation target beef carcass is acquired from the image data of the cut surface of the loin core portion, and the image data can be easily obtained by simply supplying the evaluation value to the evaluation value obtaining unit.
得られる評価値は、該ロース芯部分について実測した場合に得られるであろうオレイン酸の含有量を良好に予測した値に対応する値となる。したがって、評価対象牛枝肉について、オレイン酸の含有量が影響する油のくちどけの観点から、容易かつ良好に評価を行うことができる。
そして、本発明は、前記評価値取得部は、前記撮像手段による１回の撮像で得られる画像データに基づき、上述の各評価値、すなわちＢＭＳナンバー、イノシン酸の含有量に対応する値、グリコーゲンの含有量に対応する値、及びオレイン酸の含有量に対応する値を、各評価値に対応する上述の色データを用いて、同時に取得するものであることを特徴とする。
The obtained evaluation value is a value corresponding to a well predicted value of the oleic acid content that would be obtained when the loin core portion was actually measured. Therefore, the beef carcass to be evaluated can be easily and satisfactorily evaluated from the viewpoint of oil melting, which is affected by the content of oleic acid.
Then, in the present invention, the evaluation value acquisition unit obtains the above evaluation values, that is, the BMS number, the value corresponding to the inosinic acid content, the glycogen and a value corresponding to the content of oleic acid are obtained simultaneously using the color data corresponding to each evaluation value .
図１は、本発明の一実施形態に係る牛肉品質判定装置を示す。図１に示すように、この牛肉品質判定装置１は、評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分の画像データを取得する撮像手段２と、撮像手段２により得られる画像データに基づいて評価対象牛枝肉の評価値を取得する評価値取得部３とを備える。撮像手段２としては、例えば、市販のデジタルカメラを用いることができる。
FIG. 1 shows a beef quality determination device according to one embodiment of the present invention. As shown in FIG. 1, this beef
評価対象牛枝肉の評価対象部位の切開面におけるロース芯部分としては、例えば、牛枝肉の肉質等級を判定する際の判定部位である第６～第７肋骨間切開面における胸最長筋の切開面におけるロース芯部分が該当する。背半棘筋や頭半棘筋の切開面のロース芯部分であってもよい。 As the loin core part in the cut surface of the evaluation target part of the evaluation target beef carcass, for example, the cut surface of the longissimus thoracic muscle in the cut surface between the 6th and 7th ribs, which is the judgment part when judging the meat quality grade of the beef carcass. This applies to the loin core part in It may be the loin core portion of the incised surface of the semispinatus dorsalis muscle or the semispinatus head muscle.
評価値取得部３は、撮像手段２により得られる画像データの少なくともＬａｂ色空間におけるａ成分の平均値ａ又は標準偏差ａｓｄを構成要素とする色データを取得する色成分取得部４と、この色データを予め得られた回帰式に適用して評価対象牛枝肉の評価値を算出する評価値算出部５とを備える。評価値算出部５により算出される評価値は、評価値出力部６を介してディスプレイ７に表示される。
The evaluation
なお、撮像手段２により得られる画像データからのＬａｂ色空間における各成分の取得は、該画像データのＲＧＢ色空間のデータを、Ｌａｂ色空間のデータに画像処理プログラムで変換することにより行うことができる。Ｌａｂ色空間としては、例えばＣＩＥＬＡＢ色空間を採用することができる。 It should be noted that the acquisition of each component in the Lab color space from the image data obtained by the imaging means 2 can be performed by converting the RGB color space data of the image data into Lab color space data using an image processing program. can. As the Lab color space, for example, the CIELAB color space can be adopted.
上記回帰式は、複数の牛枝肉のサンプルについて、通常の方法で得られた前記評価値、及び各サンプルの前記ロース芯部分の画像データから取得された前記色データに基づいて、該色データの各構成要素を説明変数とし、該評価値を目的変数とする重回帰分析により得られる。なお、「通常の方法」とは、重回帰分析により得られる回帰式を用いて評価値を得る以外の格付員によって評価値を得る方法や、実際にイノシン酸等の含有量を測定して評価値を得る方法を意味する。
［実施例１］
The above regression formula is based on the color data obtained from the image data of the loin core portion of each sample and the evaluation value obtained by the usual method for a plurality of beef carcass samples. It is obtained by multiple regression analysis using each component as an explanatory variable and the evaluation value as an objective variable. The “usual method” means a method of obtaining an evaluation value by a grading staff other than obtaining an evaluation value using a regression formula obtained by multiple regression analysis, or an evaluation by actually measuring the content of inosinic acid, etc. means how to get the value.
[Example 1]
一般に、牛枝肉の脂肪交雑の等級は、１２段階で評価され、１～５等級に分類される。この１２段階の評価に際しては、各段階に対応するＮｏ．１ないしＮｏ．１２の基準となる写真画像と、評価対象の牛枝肉の上記ロース芯部分とを格付員が肉眼によって対比し、対応する写真画像のＮｏ．１～Ｎｏ．１２のいずれかの番号（以下、「ＢＭＳナンバー」という。）を付与することにより行われる。本実施例では、牛肉品質判定装置１により、評価値として、このＢＭＳナンバーが取得される。
In general, marbling grades of beef carcasses are rated on a 12-point scale and classified into grades 1-5. In this 12-step evaluation, the No. corresponding to each step was used. 1 to No. A grading staff visually compares the reference photographic image of No. 12 with the loin core portion of the beef carcass to be evaluated, and determines the number of the corresponding photographic image. 1 to No. 12 (hereinafter referred to as "BMS number"). In this embodiment, this BMS number is acquired as an evaluation value by the beef
図２は、複数の牛枝肉のサンプルについて、各牛枝肉の上記ロース芯部分の画像データから得られたＬａｂ空間におけるＬ成分の平均値Ｌ、ａ成分の平均値ａ、及びａ成分の標準偏差ａｓｄを構成要素する色データと、各牛枝肉について格付員により得られたＢＭＳナンバーとで構成されるサンプルデータに基づき、重回帰分析を行った結果を示す。この重回帰分析では、上記色データを構成するＬ成分の平均値Ｌ、ａ成分の平均値ａ、及びａ成分の標準偏差ａｓｄを説明変数とし、ＢＭＳナンバーを目的変数としている。 FIG. 2 shows the average value L of the L component, the average value a of the a component, and the standard deviation of the a component in the Lab space obtained from the image data of the loin core portion of each beef carcass for a plurality of beef carcass samples. Results of multiple regression analysis based on sample data composed of color data that constitutes asd and BMS numbers obtained by graders for each beef carcass are shown. In this multiple regression analysis, the average value L of the L component, the average value a of the a component, and the standard deviation asd of the a component constituting the color data are used as explanatory variables, and the BMS number is used as the objective variable.
図２中の「回帰式の精度」の欄では、この重回帰分析で得られた回帰式の精度を表す各種指標を示している。すなわち、同欄中の「Ｒ」は重相関係数であり、決定係数（Ｒ２乗）の平方根に等しい。０から１の間の値をとり、１に近いほど分析の精度が高いことを示す。本実施例では、「Ｒ」の値が０．８４８５となっており、分析精度が高いことがわかる。 In the column of "precision of regression formula" in FIG. 2, various indices representing the precision of the regression formula obtained by this multiple regression analysis are shown. That is, "R" in the same column is the multiple correlation coefficient, which is equal to the square root of the coefficient of determination (R-square). It takes a value between 0 and 1, and the closer to 1, the higher the precision of the analysis. In this example, the value of "R" is 0.8485, and it can be seen that the analysis accuracy is high.
「修正Ｒ」は、サンプルサイズに対する説明変数の数の割合が多くなるほど重相関係数の値は過大評価されやすいため、この点を調整した重相関係数である。本実施例では、「修正Ｒ」は０．８２４６となっている。 “Corrected R” is a multiple correlation coefficient that adjusts this point because the value of the multiple correlation coefficient tends to be overestimated as the ratio of the number of explanatory variables to the sample size increases. In this example, the "correction R" is 0.8246.
「Ｒ２乗」は、決定係数であり、０から１の間の値をとり、１に近いほど分析の精度が高いことを意味する。本実施例では、「Ｒ２乗」は０．７１９９となっており、分析の精度が高いことがわかる。「修正Ｒ２乗」は、説明変数の数が増えるほど決定係数も大きくなるので、説明変数の数を考慮して修正した決定係数である。本実施例では「修正Ｒ２乗」は０．６７９９となっている。なお、回帰式の評価には「修正Ｒ２乗」を用いるのがよい。 "R-square" is a coefficient of determination, and takes a value between 0 and 1, and the closer to 1, the higher the accuracy of the analysis. In this example, the "R-square" is 0.7199, which indicates that the accuracy of the analysis is high. “Modified R-squared” is a coefficient of determination corrected in consideration of the number of explanatory variables, because the coefficient of determination increases as the number of explanatory variables increases. In this embodiment, the "modified R-squared" is 0.6799. It should be noted that "corrected R-square" is preferably used for the evaluation of the regression equation.
「ダービンワトソン比」は、誤差項間（実測値と理論値との差）の自己相関の有無を判別するための指標であり、０以上４以下の値をとり、２前後であれば自己相関なしと判断できる。本実施例では、「ダービンワトソン比」は１．３６６１となっており、ある程度の自己相関があることがわかる。なお、重回帰分析では誤差項間に自己相関がないことを仮定している。「ＡＩＣ」（赤池情報量基準）は、その値が小さいほど、回帰式の精度が高いことを表し、回帰式間で相対的に精度を比較するために用いられる。本実施例では「ＡＩＣ」は、１３．９９１７となっている。 "Durbin Watson ratio" is an index for determining the presence or absence of autocorrelation between error terms (difference between actual value and theoretical value). It can be determined that no In this example, the "Durbin-Watson ratio" is 1.3661, indicating that there is some degree of autocorrelation. Note that the multiple regression analysis assumes that there is no autocorrelation between the error terms. "AIC" (Akaike Information Criterion) indicates that the smaller the value, the higher the accuracy of the regression equation, and is used to relatively compare the accuracy between regression equations. In this embodiment, "AIC" is 13.9917.
同欄からわかるように、サンプルデータに基づき、Ｌ成分の平均値Ｌ、ａ成分の平均値ａ、及びａ成分の標準偏差ａｓｄを説明変数とし、ＢＭＳナンバーを目的変数として重回帰分析を行った場合、決定係数「Ｒ２乗」は０．７１９９であり、得られる回帰式は良好な精度を有する。 As can be seen from the same column, based on the sample data, multiple regression analysis was performed using the average value L of the L component, the average value a of the a component, and the standard deviation asd of the a component as explanatory variables, and the BMS number as the objective variable. , the coefficient of determination “R-square” is 0.7199, and the obtained regression equation has good accuracy.
図２中の「回帰式に含まれる変数」の欄では、図２に係る回帰式の偏回帰係数等が示される。すなわち、同欄中の「偏回帰係数」は、回帰式における各説明変数の係数及び定数項の値である。「標準誤差」は、偏回帰係数の推定誤差である。「標準偏回帰係数」は、データを標準化して重回帰分析を行った場合の偏回帰係数であり、各説明変数の目的変数への影響度を比較するのに用いられる。 In the column of "variables included in the regression formula" in FIG. 2, the partial regression coefficients of the regression formula according to FIG. 2 and the like are shown. That is, the "partial regression coefficient" in the same column is the coefficient of each explanatory variable and the value of the constant term in the regression equation. "Standard error" is the estimated error of the partial regression coefficients. The "standard partial regression coefficient" is a partial regression coefficient obtained by standardizing data and performing multiple regression analysis, and is used to compare the degree of influence of each explanatory variable on the objective variable.
「Ｆ値」、「ｔ値」、「Ｐ値」は、偏回帰係数の有意性を検定するための値である。例えば、ｔ値の絶対値が２より小さいとき、目的変数に影響しないと判断される。「判定」の欄には、Ｐ値に基づき、有意性があると判定された場合には「＊」、より高い有意性がある場合には「＊＊」が記載される。「判定」の欄から、変数Ｌ及びａには有意性があり、変数ａｓｄ及び定数項には高い有意性があることがわかる。 "F value", "t value", and "P value" are values for testing the significance of partial regression coefficients. For example, when the absolute value of the t-value is less than 2, it is determined that the objective variable is not affected. In the column of "determination", "*" is described when it is determined that there is significance based on the P value, and "**" is described when there is higher significance. From the column of "judgment", it can be seen that the variables L and a are significant, and the variable asd and the constant term are highly significant.
図２中の「回帰式の優位性」の欄では、回帰式の有意性を示す分散分析表が示される。同欄中の「Ｐ値」の欄には、「回帰変動」と「残差変動」の２つの「自由度」に基づくＦ分布における観測された分散比である「Ｆ値」の上側確率、すなわち有意確率が示されている。「Ｐ値」は「０．００００」であるから、回帰式は、有意水準５％で有意であることがわかる。 The column of "predominance of regression formula" in FIG. 2 shows an analysis of variance table showing the significance of the regression formula. In the "P value" column in the same column, the upper probability of the "F value", which is the observed variance ratio in the F distribution based on the two "degrees of freedom" of "regression variation" and "residual variation", That is, the significance probability is indicated. Since the "P value" is "0.0000", it can be seen that the regression formula is significant at the significance level of 5%.
図３は、上述の複数の牛枝肉のサンプルについて、上記重回帰分析により得られた回帰式を用いて評価値算出部５により算出した評価対象牛枝肉の評価値としてのＢＭＳナンバー（ＢＭＳ予測値）を縦軸とし、同サンプルについて上述の格付員によって得られたＢＭＳナンバー（ＢＭＳ観測値）を横軸とする散布図である。 FIG. 3 shows the BMS number (BMS predicted value ) on the vertical axis and the BMS number (BMS observed value) obtained by the above-mentioned rating staff for the same sample on the horizontal axis.
図３に示すように、各サンプルのＢＭＳ観測値とＢＭＳ予測値については、その回帰直線（ｙ＝０．７１９９ｘ＋２．７１１）及び決定係数（Ｒ２＝０．７１９９）で示されるように、ＢＭＳ予測値は、ＢＭＳ観測値との相関が高く、ＢＭＳ観測値を良好に予測していることがわかる。 As shown in FIG . 3, for the BMS observed value and the BMS predicted value of each sample, the BMS The predicted value has a high correlation with the BMS observed value, and it can be seen that the BMS observed value is well predicted.
評価対象牛枝肉の評価に際しては、評価対象部位の上記ロース芯部分の画像データがデジタルカメラ等の撮像手段２により取得され、評価値取得部３に供給される。評価値取得部３では、色成分取得部４によりこの画像データのＬａｂ色空間におけるＬ成分の平均値Ｌ、ａ成分の平均値ａ、及びａ成分の標準偏差ａｓｄを構成要素とする色データが取得される。
When evaluating the beef carcass to be evaluated, the image data of the loin core portion of the part to be evaluated is acquired by the imaging means 2 such as a digital camera, and supplied to the evaluation
この色データが、評価値算出部５において上記の重回帰分析により得られた回帰式に適用され、評価対象牛枝肉の評価値が、１～１２のＢＭＳナンバーとして算出される。このＢＭＳナンバーが、評価値出力部６により、評価値としてディスプレイ７に表示される。
This color data is applied to the regression equation obtained by the multiple regression analysis in the evaluation
これにより、格付員が判定するＢＭＳナンバーを良好に予測したＢＭＳナンバーを、格付員によらずに、容易に取得し、霜降り度を評価することができる。
［実施例２］
As a result, the BMS number, which is a good prediction of the BMS number judged by the grader, can be easily obtained without depending on the grader, and the degree of marbling can be evaluated.
[Example 2]
牛肉の旨味にはイノシン酸の含有量が影響する。本実施例では、牛肉品質判定装置１により、評価値として、このイノシン酸の含有量に対応する値が取得される。
The content of inosinic acid affects the umami of beef. In this embodiment, the beef
図４は、複数の牛枝肉のサンプルについて、各牛枝肉における上述のロース芯部分の画像データから得られたＬａｂ色空間におけるａ成分の標準偏差ａｓｄ、並びにＲＧＢ色空間におけるＲ成分の平均値ＲとＲ成分の標準偏差Ｒｓｄとの積ＲＲｓｄ、及びＲ成分の平均値ＲとＧ成分の標準偏差Ｇｓｄとの積ＲＧｓｄをＧ成分の平均値Ｇで除した値ＲＧｓｄ／Ｇを構成要素とする色データと、各ロース芯部分におけるイノシン酸の含有量の測定値とで構成されるサンプルデータに基づき、重回帰分析を行った結果を示す。この重回帰分析では、該色データの各構成要素を説明変数とし、イノシン酸の含有量を目的変数としている。 FIG. 4 shows, for a plurality of beef carcass samples, the standard deviation asd of the a component in the Lab color space obtained from the image data of the loin core portion of each beef carcass, and the average value R of the R component in the RGB color space. and the standard deviation Rsd of the R component RRsd, and the product RGsd of the average value R of the R component and the standard deviation Gsd of the G component divided by the average value G of the G component RGsd/G The results of multiple regression analysis based on sample data composed of data and measured values of inosinic acid content in each loin core portion are shown. In this multiple regression analysis, each component of the color data is used as an explanatory variable, and the content of inosinic acid is used as an objective variable.
図４中の「回帰式の精度」の欄では、この重回帰分析で得られた回帰式の精度を表す各種指標が示される。重相関係数「Ｒ」の値が０．７１６９、「修正Ｒ」の値が０．６６６８、決定係数「Ｒ２乗」は、０．５１４０、「修正Ｒ２乗」が０．４４４６となっており、分析精度が高いことがわかる。 In the column of "precision of regression formula" in FIG. 4, various indexes representing the precision of the regression formula obtained by this multiple regression analysis are shown. The value of multiple correlation coefficient "R" is 0.7169, the value of "corrected R" is 0.6668, the coefficient of determination "R2" is 0.5140, and the "corrected R2" is 0.4446. , the analysis accuracy is high.
「ダービンワトソン比」は０．９８２６となっており、自己相関があることがわかる。「ＡＩＣ」（赤池情報量基準）は、－３２．２３９２であり、回帰式の精度が高いことがわかる。 The "Durbin Watson ratio" is 0.9826, indicating that there is an autocorrelation. "AIC" (Akaike's information criterion) is -32.2392, and it can be seen that the precision of the regression equation is high.
図４中の「回帰式に含まれる変数」の欄では、この回帰式の「偏回帰係数」、「標準誤差」、「標準偏回帰係数」、及び「偏回帰係数の優位性の検定」（「Ｆ値」、「ｔ値」、「Ｐ値」）が示されている。「判定」の欄からは、変数ａｓｄ、ＲＧｓｄ／Ｇ、及び定数項には高い有意性があり、変数ＲＲｓｄには有意性があることがわかる。 In the column of "Variables included in the regression formula" in FIG. “F value”, “t value”, “P value”) are shown. From the column of "judgment", it can be seen that the variables asd, RGsd/G, and the constant term have high significance, and the variable RRsd has significance.
図４中の「回帰式の優位性」の欄では、回帰式の有意性を示す分散分析表が示される。表中の「Ｐ値」の欄には、「回帰変動」と「残差変動」の２つの「自由度」に基づくＦ分布における観測された分散比である「Ｆ値」の上側確率、すなわち有意確率が示されており、この「Ｐ値」の値は０．００１４であるから、回帰式は、有意水準５％で有意であることがわかる。 The column of "predominance of regression formula" in FIG. 4 shows an analysis of variance table showing the significance of the regression formula. In the "P-value" column in the table, the upper probability of the "F-value", which is the observed variance ratio in the F distribution based on the two "degrees of freedom" of "regression variation" and "residual variation", i.e. The significance probability is indicated and the value of this "P-value" is 0.0014, so it can be seen that the regression equation is significant at the 5% significance level.
図５は、上述の複数の牛枝肉のサンプルについて得られたイノシン酸観測値（単位：μmol/g）を横軸とし、イノシン酸予測値（単位：μmol/g）を縦軸とする散布図である。イノシン酸観測値は、各サンプルの上記ロース芯部分におけるイノシン酸含有量の実測値である。イノシン酸予測値は、撮像手段２により得られた各サンプルの上記ロース芯部分の画像データに基づき、重回帰分析により得られた回帰式を用いて評価値取得部３により取得されたイノシン酸含有量の予測値である。
FIG. 5 is a scatter diagram in which the horizontal axis is the observed value of inosinic acid (unit: μmol/g) and the vertical axis is the predicted value of inosinic acid (unit: μmol/g) obtained for the multiple beef carcass samples described above. is. The inosinic acid observed value is the measured value of the inosinic acid content in the loin core portion of each sample. The predicted value of inosinic acid is obtained by the evaluation
図５に示すように、各サンプルのイノシン酸観測値とイノシン酸予測値については、その回帰直線（ｙ＝０．５１４ｘ＋１．４９２２）及び決定係数（Ｒ２＝０．５１４）で示されるように、イノシン酸予測値は、イノシン酸観測値との相関が高く、イノシン酸観測値を良好に予測していることがわかる。 As shown in FIG. 5, the observed inosinic acid value and predicted inosinic acid value of each sample are as shown by the regression line (y=0.514x+1.4922) and the coefficient of determination (R 2 =0.514). , the predicted values of inosinic acid are highly correlated with the observed values of inosinic acid, indicating that the observed values of inosinic acid are well predicted.
評価対象牛枝肉の評価に際しては、評価対象部位の上記ロース芯部分の画像データがデジタルカメラ等の撮像手段２により取得され、評価値取得部３に供給される。評価値取得部３は、色成分取得部４によりこの画像データのＬａｂ色空間におけるａ成分の標準偏差ａｓｄ、並びにＲＧＢ色空間におけるＲ成分の平均値ＲとＲ成分の標準偏差Ｒｓｄとの積ＲＲｓｄ、及びＲ成分の平均値ＲとＧ成分の標準偏差Ｇｓｄとの積をＧ成分の平均値Ｇで除した値ＲＧｓｄ／Ｇを構成要素とする色データを取得する。
When evaluating the beef carcass to be evaluated, the image data of the loin core portion of the part to be evaluated is acquired by the imaging means 2 such as a digital camera, and supplied to the evaluation
この色データが、評価値算出部５において上記の重回帰分析により得られた回帰式に適用され、評価対象牛枝肉の評価値が、イノシン酸の含有量として算出される。この含有量が、評価値出力部６により、ディスプレイ７に表示される。
This color data is applied to the regression equation obtained by the multiple regression analysis in the evaluation
したがって、評価対象牛枝肉の評価対象部位の上記ロース芯部分について、デジタルカメラで撮像し、画像データを評価値取得部３に供給するだけで、イノシン酸の含有量を実測することなく、イノシン酸の含有量を予測することができる。これにより、評価対象牛枝肉の旨味を推定することができる。
［実施例３］
Therefore, only by taking an image of the loin core part of the evaluation target part of the evaluation target beef carcass with a digital camera and supplying the image data to the evaluation
[Example 3]
牛肉の甘味にはグリコーゲンの含有量が影響する。本実施例では、牛肉品質判定装置１により、評価値として、このグリコーゲンの含有量に対応する値が取得される。
Glycogen content affects the sweetness of beef. In this embodiment, the beef
図６は、複数の牛枝肉のサンプルについて、各牛枝肉における上述のロース芯部分の画像データから得られたＬａｂ色空間におけるａ成分の平均値ａ、ｂ成分の平均値ｂをａ成分の平均値ａで除した値ｂ／ａ、ＲＧＢ色空間におけるＲ成分の標準偏差ＲｓｄとＧ成分の標準偏差Ｇｓｄとの積をＢ成分の標準偏差Ｂｓｄで除した値ＲｓｄＧｓｄ／Ｂｓｄ、並びにＲ成分の平均値ＲとＲ成分の標準偏差Ｒｓｄとの積をＢ成分の平均値Ｂで除した値ＲＲｓｄ／Ｂを構成要素とする色データと、各ロース芯部分におけるグリコーゲンの含有量の測定値とで構成されるサンプルデータに基づき、重回帰分析を行った結果を示す。この重回帰分析では、該色データの各構成要素を説明変数とし、イノシン酸の含有量を目的変数としている。 FIG. 6 shows, for a plurality of beef carcass samples, the average value a of the a component in the Lab color space obtained from the image data of the above-mentioned loin core portion of each beef carcass, and the average value b of the b component. The value b/a divided by the value a, the value RsdGsd/Bsd obtained by dividing the product of the standard deviation Rsd of the R component and the standard deviation Gsd of the G component in the RGB color space by the standard deviation Bsd of the B component, and the average of the R component Consists of color data whose component is the value RRsd/B obtained by dividing the product of the value R and the standard deviation Rsd of the R component by the average value B of the B component, and the measured value of the glycogen content in each loin core part. The results of multiple regression analysis are shown based on the sample data obtained. In this multiple regression analysis, each component of the color data is used as an explanatory variable, and the content of inosinic acid is used as an objective variable.
図６中の「回帰式の精度」の欄では、この重回帰分析で得られた回帰式の精度を表す各種指標が示される。重相関係数「Ｒ」の値が０．６６２０、「修正Ｒ」の値が０．５７０８、決定係数「Ｒ２乗」は、０．４３８２、「修正Ｒ２乗」が０．３２５８となっており、分析精度が高いことがわかる。 In the column of "precision of regression formula" in FIG. 6, various indices representing the precision of the regression formula obtained by this multiple regression analysis are shown. The value of multiple correlation coefficient "R" is 0.6620, the value of "corrected R" is 0.5708, the coefficient of determination "R2" is 0.4382, and the "corrected R2" is 0.3258. , the analysis accuracy is high.
「ダービンワトソン比」は２．２５１９となっており、自己相関があることがわかる。「ＡＩＣ」（赤池情報量基準）は、－１．５３８６であり、回帰式の精度が高いことがわかる。 The "Durbin Watson ratio" is 2.2519, indicating that there is an autocorrelation. "AIC" (Akaike's information criterion) is -1.5386, and it can be seen that the precision of the regression equation is high.
図６中の「回帰式に含まれる変数」の欄では、この回帰式の「偏回帰係数」、「標準誤差」、「標準偏回帰係数」、及び「偏回帰係数の優位性の検定」（「Ｆ値」、「ｔ値」、「Ｐ値」）が示されている。「判定」の欄からは、変数ｂ／ａ、ＲｓｄＧｓｄ／Ｂｓｄ、及び定数項には有意性があり、変数ＲＲｓｄ／Ｂには高い有意性があることがわかる。 In the column of "Variables included in the regression formula" in FIG. “F value”, “t value”, “P value”) are shown. From the "Determination" column, it can be seen that the variables b/a, RsdGsd/Bsd, and the constant term are significant, and the variable RRsd/B is highly significant.
図６中の「回帰式の優位性」の欄では、回帰式の有意性を示す分散分析表が示される。表中の「Ｐ値」の欄には、「回帰変動」と「残差変動」の２つの「自由度」に基づくＦ分布における観測された分散比である「Ｆ値」の上側確率、すなわち有意確率が示されており、この「Ｐ値」の値は０．０１６９であるから、回帰式は、有意水準５％で有意であることがわかる。 The column of "predominance of regression formula" in FIG. 6 shows an analysis of variance table showing the significance of the regression formula. In the "P-value" column in the table, the upper probability of the "F-value", which is the observed variance ratio in the F distribution based on the two "degrees of freedom" of "regression variation" and "residual variation", i.e. The significance probability is shown and the value of this "P-value" is 0.0169, so it can be seen that the regression equation is significant at the 5% significance level.
図７は、上述の複数の牛枝肉のサンプルについて得られたグリコーゲン観測値（単位：mg/g）を横軸とし、グリコーゲン予測値（単位：mg/g）を縦軸とする散布図である。グリコーゲン観測値は、各サンプルの前記ロース芯部分についてのグリコーゲン含有量の実測値である。グリコーゲン予測値は、撮像手段２により得られた各サンプルの前記ロース芯部分の画像データに基づき、重回帰分析により得られた回帰式を用いて評価値取得部３により取得されたグリコーゲン含有量の予測値である。
FIG. 7 is a scatter diagram in which the horizontal axis is the glycogen observed value (unit: mg/g) and the vertical axis is the glycogen predicted value (unit: mg/g) obtained for the multiple beef carcass samples described above. . The observed glycogen value is the measured value of the glycogen content of the loin core portion of each sample. The glycogen predicted value is the glycogen content obtained by the evaluation
図７に示すように、各サンプルのグリコーゲン観測値とグリコーゲン予測値については、その回帰直線（ｙ＝０．４３８２ｘ＋４．０３１１）及び決定係数（Ｒ２＝０．４３８２）で示されるように、グリコーゲン予測値は、グリコーゲン観測値との相関が高く、グリコーゲン観測値を良好に予測していることがわかる。 As shown in FIG. 7, for the observed and predicted glycogen values of each sample, the regression line (y=0.4382x+4.0311) and coefficient of determination (R 2 =0.4382) indicate that glycogen The predicted value has a high correlation with the observed glycogen value, indicating that the observed glycogen value is well predicted.
評価対象牛枝肉の評価に際しては、評価対象部位の上記ロース芯部分の画像データがデジタルカメラ等の撮像手段２により取得され、評価値取得部３に供給される。評価値取得部３は、色成分取得部４によりこの画像データのＬａｂ色空間におけるａ成分の平均値ａ、ｂ成分の平均値ｂをａ成分の平均値ａで除した値ｂ／ａ、ＲＧＢ色空間におけるＲ成分の標準偏差ＲｓｄとＧ成分の標準偏差Ｇｓｄとの積をＢ成分の標準偏差Ｂｓｄで除した値ＲｓｄＧｓｄ／Ｂｓｄ、並びにＲ成分の平均値ＲとＲ成分の標準偏差Ｒｓｄとの積をＢ成分の平均値Ｂで除した値ＲＲｓｄ／Ｂを構成要素とする色データを取得する。
When evaluating the beef carcass to be evaluated, the image data of the loin core portion of the part to be evaluated is acquired by the imaging means 2 such as a digital camera, and supplied to the evaluation
この色データが、評価値算出部５において上記の重回帰分析により得られた回帰式に適用され、評価対象牛枝肉の評価値が、グリコーゲンの含有量として算出される。この含有量が、評価値出力部６により、ディスプレイ７に表示される。
This color data is applied to the regression equation obtained by the above multiple regression analysis in the evaluation
したがって、評価対象牛枝肉の評価対象部位の上記ロース芯部分について、デジタルカメラで撮像し、画像データを評価値取得部３に供給するだけで、グリコーゲンの含有量を実測することなく、グリコーゲンの含有量を予測することができる。これにより、評価対象牛枝肉の甘味を推定することができる。
［実施例４］
Therefore, only by taking an image of the loin core part of the evaluation target part of the evaluation target beef carcass with a digital camera and supplying the image data to the evaluation
[Example 4]
牛肉における油のくちどけにはオレイン酸の含有量が影響する。本実施例では、牛肉品質判定装置１により、評価値として、このオレイン酸の含有量に対応する値が取得される。
The content of oleic acid influences the oiliness of beef. In this embodiment, the beef
図８は、複数の牛枝肉のサンプルについて、各牛枝肉における上述のロース芯部分の画像データから得られたＬａｂ色空間におけるａ成分の平均値ａ、並びにＲＧＢ色空間におけるＲ成分の平均値ＲからＧ成分の平均値Ｇを減じた値をＲ成分の平均値ＲにＧ成分の平均値Ｇを加えた値で除した値（Ｒ－Ｇ）／（Ｒ＋Ｇ）、Ｇ成分の平均値ＧからＢ成分の平均値Ｂを減じた値をＧ成分の平均値ＧにＢ成分の平均値Ｂを加えた値で除した値（Ｇ－Ｂ）／（Ｇ＋Ｂ）、及びＧ成分の平均値ＧにＧ成分の標準偏差Ｇｓｄを乗じた値ＧＧｓｄを構成要素とする色データと、各ロース芯部分におけるオレイン酸の含有量の測定値とで構成されるサンプルデータに基づき、重回帰分析を行った結果を示す。この重回帰分析では、該色データの各構成要素を説明変数とし、オレイン酸の含有量を目的変数としている。 FIG. 8 shows, for a plurality of beef carcass samples, the average value a of the a component in the Lab color space and the average value R of the R component in the RGB color space obtained from the image data of the loin core portion of each beef carcass. The value obtained by subtracting the average value G of the G component from the value obtained by adding the average value G of the G component to the average value R of the R component (RG) / (R + G), The value obtained by subtracting the average value B of the B component and dividing it by the value obtained by adding the average value B of the B component to the average value G of the G component (GB) / (G + B), and the average value G of the G component Results of multiple regression analysis based on sample data composed of color data whose constituent elements are the value GGsd multiplied by the standard deviation Gsd of the G component and the measured value of the oleic acid content in each loin core portion. indicates In this multiple regression analysis, each component of the color data is used as an explanatory variable, and the content of oleic acid is used as an objective variable.
図８中の「回帰式の精度」の欄では、この重回帰分析で得られた回帰式の精度を表す各種指標が示される。重相関係数「Ｒ」の値が０．７１９９、「修正Ｒ」の値が０．６４９５、決定係数「Ｒ２乗」は、０．５１８２、「修正Ｒ２乗」が０．４２１８となっており、分析精度が高いことがわかる。 In the column of "precision of regression formula" in FIG. 8, various indices representing the precision of the regression formula obtained by this multiple regression analysis are shown. The value of multiple correlation coefficient "R" is 0.7199, the value of "corrected R" is 0.6495, the coefficient of determination "R2" is 0.5182, and the "corrected R2" is 0.4218. , the analysis accuracy is high.
「ダービンワトソン比」は１．９３９６となっており、自己相関があることがわかる。「ＡＩＣ」（赤池情報量基準）は、４７．３３９２であり、回帰式の精度が高いことがわかる。 The "Durbin Watson ratio" is 1.9396, indicating that there is an autocorrelation. "AIC" (Akaike's information criterion) is 47.3392, and it can be seen that the precision of the regression equation is high.
図８中の「回帰式に含まれる変数」の欄では、この回帰式の「偏回帰係数」、「標準誤差」、「標準偏回帰係数」、及び「偏回帰係数の優位性の検定」（「Ｆ値」、「ｔ値」、「Ｐ値」）が示されている。「判定」の欄から、変数ＧＧｓｄ以外の他の変数及び定数項には高い有意性があることがわかる。 In the column of "Variables included in the regression formula" in FIG. “F value”, “t value”, “P value”) are shown. From the "determination" column, it can be seen that the variables other than the variable GGsd and the constant term have high significance.
図８中の「回帰式の優位性」の欄では、回帰式の有意性を示す分散分析表が示される。表中の「Ｐ値」の欄には、「回帰変動」と「残差変動」の２つの「自由度」に基づくＦ分布における観測された分散比である「Ｆ値」の上側確率、すなわち有意確率が示されており、この「Ｐ値」の値は０．００４２であるから、回帰式は、有意水準５％で有意であることがわかる。 The column of "predominance of regression formula" in FIG. 8 shows an analysis of variance table showing the significance of the regression formula. In the "P-value" column in the table, the upper probability of the "F-value", which is the observed variance ratio in the F distribution based on the two "degrees of freedom" of "regression variation" and "residual variation", i.e. The significance probability is shown and the value of this "P-value" is 0.0042, so it can be seen that the regression equation is significant at the 5% significance level.
図９は、上述の複数の牛枝肉のサンプルについて得られたオレイン酸観測値（単位：%）を横軸とし、オレイン酸予測値（単位：%）を縦軸とする散布図である。オレイン酸観測値は、各サンプルの前記ロース芯部分についてのオレイン酸含有量(個体により脂肪酸量が異なるのでオレイン酸の割合として比較)の実測値である。オレイン酸予測値は、撮像手段２により得られた各サンプルの前記ロース芯部分の画像データに基づき、重回帰分析により得られた回帰式を用いて評価値取得部３により取得されたオレイン酸含有量の予測値である。
FIG. 9 is a scatter diagram with the observed oleic acid values (unit: %) obtained for the multiple beef carcass samples described above on the horizontal axis and the predicted oleic acid values (unit: %) on the vertical axis. The oleic acid observed value is the measured value of the oleic acid content of the loin core portion of each sample (because the amount of fatty acid varies from individual to individual, the ratio of oleic acid is compared). The predicted oleic acid content is obtained by the evaluation
図９に示すように、各サンプルのオレイン酸観測値とオレイン酸予測値については、その回帰直線（ｙ＝０．５１８２ｘ＋２６．０３５）及び決定係数（Ｒ２＝０．５１８２）で示されるように、オレイン酸予測値は、オレイン酸観測値との相関が高く、オレイン酸観測値を良好に予測していることがわかる。 As shown in FIG. 9, the observed oleic acid value and the predicted oleic acid value of each sample are as shown by the regression line (y=0.5182x+26.035) and the coefficient of determination (R 2 =0.5182). , the predicted oleic acid value is highly correlated with the observed oleic acid value, and it can be seen that the observed oleic acid value is well predicted.
評価対象牛枝肉の評価に際しては、評価対象部位の上記ロース芯部分の画像データがデジタルカメラ等の撮像手段２により取得され、評価値取得部３に供給される。評価値取得部３は、色成分取得部４によりこの画像データのＬａｂ色空間におけるａ成分の平均値ａ、並びにＲＧＢ色空間におけるＲ成分の平均値ＲからＧ成分の平均値Ｇを減じた値をＲ成分の平均値ＲにＧ成分の平均値Ｇを加えた値で除した値（Ｒ－Ｇ）／（Ｒ＋Ｇ）、Ｇ成分の平均値ＧからＢ成分の平均値Ｂを減じた値をＧ成分の平均値ＧにＢ成分の平均値Ｂを加えた値で除した値（Ｇ－Ｂ）／（Ｇ＋Ｂ）、及びＧ成分の平均値ＧにＧ成分の標準偏差Ｇｓｄを乗じた値ＧＧｓｄを構成要素とする色データを取得する。
When evaluating the beef carcass to be evaluated, the image data of the loin core portion of the part to be evaluated is acquired by the imaging means 2 such as a digital camera, and supplied to the evaluation
この色データが、評価値算出部５において上記の重回帰分析により得られた回帰式に適用され、評価対象牛枝肉の評価値が、オレイン酸の含有量として算出される。この含有量が、評価値出力部６により、ディスプレイ７に表示される。
This color data is applied to the regression equation obtained by the multiple regression analysis in the evaluation
したがって、評価対象牛枝肉の評価対象部位の上記ロース芯部分について、デジタルカメラで撮像し、画像データを評価値取得部３に供給するだけで、オレイン酸の含有量を実測することなく、オレイン酸の含有量を予測することができる。これにより、評価対象牛枝肉における油のくちどけを推定することができる。
Therefore, only by taking an image of the loin core part of the evaluation target part of the evaluation target beef carcass with a digital camera and supplying the image data to the evaluation
以上のように、本実施形態に係る牛肉品質判定装置１によれば、評価対象牛枝肉の評価対象部位の上記ロース芯部分について、デジタルカメラ等の撮像手段２で撮像し、画像データを評価値取得部３に供給するだけで、ＢＭＳナンバーや、イノシン酸、グリコーゲン、オレイン酸の含有量を予測することができる。これにより、霜降り度に加え、旨味や、甘味、油のくちどけが関与する赤身のおいしさも容易に評価することができる。
As described above, according to the beef
なお、本発明は上述の実施形態に限定されない。例えば、色成分取得部４は、撮像手段２により得られる画像データの色を、ロース芯部分における脂肪部分の白色を基準にして調整し、使用する撮像手段２の機種等の相違による誤差を補正してから色データを取得してもよい。また、撮像手段２と評価値取得部３とは相互に遠隔の場所に位置し、相互に通信手段により接続してもよい。その場合、評価値取得部３により得られた評価値を撮像手段２等に返送してもよい。
Note that the present invention is not limited to the above-described embodiments. For example, the color
また、上記実施例１～４に従った評価値の取得を、撮像手段２による１回の撮像で得られる画像データに基づいて同時に行ってもよい。また、評価値出力部６によるディスプレイ７への評価値の出力に際しては、評価値に対応する表示を出力してもよい。
Further, acquisition of the evaluation values according to the first to fourth embodiments may be performed simultaneously based on the image data obtained by one imaging by the imaging means 2 . When outputting the evaluation value to the
例えば、「霜降り度、旨味、甘味、くちどけのいずれも上位１０％に入る」という文言の表示や、霜降り度、旨味、甘味、くちどけに関する各評価値を棒グラフなどで表示してもよい。霜降り度、旨味、甘味、くちどけを総合して得られる１つの評価値を表した表示を行うものであってもよい。 For example, it is also possible to display the words "marbledness, umami, sweetness, and meltiness are all in the top 10%", or to display each evaluation value for marbling, umami, sweetness, and meltiness in a bar graph or the like. A single evaluation value obtained by combining the degree of marbling, umami, sweetness, and meltiness in the mouth may be displayed.
１…牛肉品質判定装置、２…撮像手段、３…評価値取得部、４…色成分取得部、５…評価値算出部、６…評価値出力部。
DESCRIPTION OF
Claims (1)
前記撮像手段により得られる画像データに基づいて前記評価対象牛枝肉の評価値を取得する評価値取得部とを備え、
前記評価値取得部は、
前記撮像手段により得られる画像データの少なくともＬａｂ色空間におけるａ成分の平均値又は標準偏差を構成要素とする色データを取得する色成分取得部と、
予め複数の牛枝肉のサンプルについて、通常の方法で得られた前記評価値、及び該サンプルの前記ロース芯部分の画像データから取得された前記色データに基づいて、該色データの各構成要素を説明変数とし、該評価値を目的変数とする重回帰分析を行うことにより得られた回帰式に、前記評価対象牛枝肉について前記色成分取得部により得られる前記色データを適用して前記評価値を算出する評価値算出部とを備え、
前記評価値は、ＢＭＳナンバー、イノシン酸の含有量に対応する値、グリコーゲンの含有量に対応する値、及びオレイン酸の含有量に対応する値であり、
前記色データは、
前記評価値がＢＭＳナンバーである場合には、Ｌａｂ色空間におけるＬ成分及びａ成分の各平均値並びにａ成分の標準偏差を構成要素とするものであり、
前記評価値がイノシン酸の含有量に対応する値である場合には、Ｌａｂ色空間におけるａ成分の標準偏差、並びにＲＧＢ色空間におけるＲ成分の平均値とＲ成分の標準偏差との積、及びＲ成分の平均値とＧ成分の標準偏差との積をＧ成分の平均値で除した値を構成要素とするものであり、
前記評価値がグリコーゲンの含有量に対応する値である場合には、Ｌａｂ色空間におけるａ成分の平均値、及びｂ成分の平均値をａ成分の平均値で除した値、並びにＲＧＢ色空間におけるＲ成分の標準偏差とＧ成分の標準偏差との積をＢ成分の標準偏差で除した値、及びＲ成分の平均値とＲ成分の標準偏差との積をＢ成分の平均値で除した値を構成要素とするものであり、
前記評価値がオレイン酸の含有量に対応する値である場合には、Ｌａｂ色空間におけるａ成分の平均値、並びにＲＧＢ色空間におけるＲ成分の平均値からＧ成分の平均値を減じた値をＲ成分の平均値にＧ成分の平均値を加えた値で除した値、Ｇ成分の平均値からＢ成分の平均値を減じた値をＧ成分の平均値にＢ成分の平均値を加えた値で除した値、及びＧ成分の平均値にＧ成分の標準偏差を乗じた値を構成要素とするものであり、
前記評価値取得部は、前記撮像手段による１回の撮像で得られる画像データに基づき、各評価値の取得を同時に行うものであることを特徴とする牛肉品質判定装置。 imaging means for acquiring image data of the loin core portion on the cut surface of the evaluation target portion of the evaluation target beef carcass;
an evaluation value acquisition unit that acquires an evaluation value of the evaluation target beef carcass based on the image data obtained by the imaging means;
The evaluation value acquisition unit
a color component acquisition unit configured to acquire color data having, as constituent elements, at least the average value or standard deviation of the a component in the Lab color space of the image data obtained by the imaging means;
Based on the evaluation value obtained in advance for a plurality of beef carcass samples by a normal method, and the color data obtained from the image data of the loin core portion of the sample, each component of the color data The evaluation value is obtained by applying the color data obtained by the color component acquisition unit for the beef carcass to be evaluated to a regression equation obtained by performing multiple regression analysis using the evaluation value as an explanatory variable and the evaluation value as an objective variable. and an evaluation value calculation unit that calculates
The evaluation values are a BMS number, a value corresponding to the inosinic acid content, a value corresponding to the glycogen content, and a value corresponding to the oleic acid content,
The color data are
When the evaluation value is a BMS number, each average value of the L component and the a component in the Lab color space and the standard deviation of the a component are used as constituent elements,
When the evaluation value is a value corresponding to the content of inosinic acid, the product of the standard deviation of the a component in the Lab color space and the average value of the R component and the standard deviation of the R component in the RGB color space, and The component is a value obtained by dividing the product of the average value of the R component and the standard deviation of the G component by the average value of the G component,
When the evaluation value is a value corresponding to the glycogen content, the average value of the a component in the Lab color space, the value obtained by dividing the average value of the b component by the average value of the a component, and Value obtained by dividing the product of the standard deviation of the R component and the standard deviation of the G component by the standard deviation of the B component, and the value obtained by dividing the product of the average value of the R component and the standard deviation of the R component by the average value of the B component is a constituent element,
When the evaluation value is a value corresponding to the content of oleic acid, a value obtained by subtracting the average value of the G component from the average value of the a component in the Lab color space and the average value of the R component in the RGB color space. The value obtained by dividing the average value of the R component by the sum of the average value of the G component and the value obtained by subtracting the average value of the B component from the average value of the G component was obtained by adding the average value of the B component to the average value of the G component. and the value obtained by multiplying the average value of the G component by the standard deviation of the G component,
The beef quality determination apparatus , wherein the evaluation value acquisition unit acquires each evaluation value at the same time based on image data obtained by one imaging by the imaging means .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021099347A JP7125802B1 (en) | 2021-06-15 | 2021-06-15 | Beef quality judgment device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021099347A JP7125802B1 (en) | 2021-06-15 | 2021-06-15 | Beef quality judgment device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7125802B1 true JP7125802B1 (en) | 2022-08-25 |
| JP2022190863A JP2022190863A (en) | 2022-12-27 |
Family
ID=83005027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021099347A Active JP7125802B1 (en) | 2021-06-15 | 2021-06-15 | Beef quality judgment device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7125802B1 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001004607A1 (en) | 1999-07-09 | 2001-01-18 | Rms Research Management Systems Inc. | Image data analysis of objects |
| JP2001208747A (en) | 2000-01-26 | 2001-08-03 | Tohoku Natl Agricultural Experiment Station | Meat component measuring device and recording medium |
| US20040125987A1 (en) | 2001-10-15 | 2004-07-01 | Tyson Fresh Meats, Inc. | Image analysis systems for grading of meat, predicting quality of meat and/or predicting meat yield of an animal carcass |
| WO2013176114A1 (en) | 2012-05-21 | 2013-11-28 | 国立大学法人帯広畜産大学 | Meat color grade determination method |
| JP2014071018A (en) | 2012-09-28 | 2014-04-21 | Obihiro Univ Of Agriculture & Veterinary Medicine | Evaluation method for marbling of meat |
| JP2020076644A (en) | 2018-11-07 | 2020-05-21 | 有限会社 ワーコム農業研究所 | Digitalization method of quality standard of texture rank, digital processing method of quality evaluation using quality standard thereof, automatic texture evaluation device using them, and software mounted thereon |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3344766B2 (en) * | 1993-05-10 | 2002-11-18 | 東芝アイティー・ソリューション株式会社 | Image processing apparatus and beef carcass grading system using this apparatus |
| ATE246805T1 (en) * | 1998-02-20 | 2003-08-15 | Univ Colorado State Res Found | MEAT COLOR IMAGING SYSTEM FOR PREDICTING TASTE AND YIELD |
| ES2477840B1 (en) * | 2014-01-20 | 2015-02-27 | Lenz Instruments S.L. | Procedure to determine quality parameters in meat products and corresponding installation |
-
2021
- 2021-06-15 JP JP2021099347A patent/JP7125802B1/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001004607A1 (en) | 1999-07-09 | 2001-01-18 | Rms Research Management Systems Inc. | Image data analysis of objects |
| JP2001208747A (en) | 2000-01-26 | 2001-08-03 | Tohoku Natl Agricultural Experiment Station | Meat component measuring device and recording medium |
| US20040125987A1 (en) | 2001-10-15 | 2004-07-01 | Tyson Fresh Meats, Inc. | Image analysis systems for grading of meat, predicting quality of meat and/or predicting meat yield of an animal carcass |
| WO2013176114A1 (en) | 2012-05-21 | 2013-11-28 | 国立大学法人帯広畜産大学 | Meat color grade determination method |
| JP2014071018A (en) | 2012-09-28 | 2014-04-21 | Obihiro Univ Of Agriculture & Veterinary Medicine | Evaluation method for marbling of meat |
| JP2020076644A (en) | 2018-11-07 | 2020-05-21 | 有限会社 ワーコム農業研究所 | Digitalization method of quality standard of texture rank, digital processing method of quality evaluation using quality standard thereof, automatic texture evaluation device using them, and software mounted thereon |
Non-Patent Citations (3)
| Title |
|---|
| 枝肉横断面撮影装置で撮影されたデジタル画像を利用したＢＣＳナンバーの判定，日本畜産学会報，日本，日本畜産学会，2022年04月26日，第７２巻、第９号，pp. 321-328 |
| 画像処理による牛枝肉品質自動計測装置の開発，北海道立工業試験場報告Ｎｏ．３０４（２００５年），日本，2005年12月 |
| 画像解析による炊飯米の外観の評価，育種学研究，日本，日本育種学会，2017年09月，第１９巻、第３号，pp. 103-108 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022190863A (en) | 2022-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6104827A (en) | Image analysis for meat | |
| US8571253B2 (en) | Image quality evaluation device and method | |
| JP3581149B2 (en) | Method and apparatus for identifying an object using a regular sequence of boundary pixel parameters | |
| US20110110563A1 (en) | Method and system for automatically grading beef quality | |
| US8260005B2 (en) | Portable tool for determining meat quality | |
| US20220053916A1 (en) | Method for determining a coloration product recommendation | |
| JP5957250B2 (en) | Crack detection method and crack display device | |
| JP6200690B2 (en) | Meat color grade determination method | |
| JP7125802B1 (en) | Beef quality judgment device | |
| US9668653B2 (en) | Quantification of under-eye skin color | |
| CN117393137A (en) | Medical imaging equipment monitoring method and system based on artificial intelligence | |
| JP3734741B2 (en) | Blemish / freckle evaluation method | |
| Irie et al. | Simple spot method of image analysis for evaluation of highly marbled beef | |
| Alcayde et al. | Quality monitoring system for pork meat using computer vision | |
| JPH06222002A (en) | Method and equipment for measuring unevenness of luster and print | |
| JP2017217445A (en) | Skin condition discrimination method, cosmetic evaluation method, and cosmetic design method | |
| JPH1023191A (en) | Image evaluation method and image evaluation device | |
| WO2020127228A1 (en) | Method for determining a greyness level of a strand of hair | |
| KR20190014627A (en) | Beef surface color based change of taste prediction method and system | |
| JP3353596B2 (en) | How to measure color difference | |
| US12121133B2 (en) | Method for determining a greyness level of a strand of hair | |
| JP2006078380A (en) | Display method for defect inspection using image processor | |
| JPH08297098A (en) | Method and apparatus for measuring gloss irregularity of coated paper board | |
| JP2011030592A (en) | Sebum secretion state measuring apparatus | |
| SU1330561A1 (en) | Method of checking the edible fat |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220316 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220316 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220707 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220708 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220719 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220805 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7125802 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |