KR102118103B1 - 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법 - Google Patents
한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법 Download PDFInfo
- Publication number
- KR102118103B1 KR102118103B1 KR1020180153799A KR20180153799A KR102118103B1 KR 102118103 B1 KR102118103 B1 KR 102118103B1 KR 1020180153799 A KR1020180153799 A KR 1020180153799A KR 20180153799 A KR20180153799 A KR 20180153799A KR 102118103 B1 KR102118103 B1 KR 102118103B1
- Authority
- KR
- South Korea
- Prior art keywords
- marbling
- tile
- image
- area
- fillet
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007918 intramuscular administration Methods 0.000 title abstract description 41
- 239000002245 particle Substances 0.000 claims abstract description 52
- 235000015278 beef Nutrition 0.000 claims abstract description 35
- 235000013372 meat Nutrition 0.000 claims abstract description 20
- 244000144972 livestock Species 0.000 abstract description 8
- 238000009395 breeding Methods 0.000 abstract description 4
- 230000001488 breeding effect Effects 0.000 abstract description 4
- 230000035945 sensitivity Effects 0.000 description 15
- 238000009826 distribution Methods 0.000 description 10
- 241000283690 Bos taurus Species 0.000 description 6
- 238000000692 Student's t-test Methods 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- 238000012353 t test Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 241000287828 Gallus gallus Species 0.000 description 1
- 238000011387 Li's method Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 238000001790 Welch's t-test Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003711 image thresholding Methods 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- 235000020997 lean meat Nutrition 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000004579 marble Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G06K9/00127—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Food Science & Technology (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Geometry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법에 관한 것으로, 본 발명의 방법은 한우의 근내지방 섬세도를 평가할 수 있는 정확하고 표준화된 섬세도 평가법으로, 우수한 육질을 가진 한우 품종의 육종을 비롯한 축산 산업 분야에서 유용하게 사용될 수 있을 것이다.
Description
본 발명은 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법에 관한 것이다.
우리나라 한우산업은 전체 축산물 생산액의 27.95%를 차지하고 있어(2012 농축식품통계) 산업적·경제적 부가가치가 가장 높은 동물자원으로 농가소득 및 농촌경제에 큰 영향을 미치는 농촌의 대표적 기간산업으로 인정받고 있다. 그러나 한-미, 한-EU FTA(자유무역협정)로 인한 수입 개방으로, 수입산 쇠고기의 수입량 증가로 한우 사육농가의 위기의식과 더불어 큰 피해가 예상되고 있어 우리나라 소비자들이 선호하는 고품질 차별화 한우쇠고기 생산을 통한 경쟁력 향상이 강력히 요구되고 있는 실정이다.
한우(Hanwoo)는 한국 고유의 소품종으로서 오랫동안 한국의 기후풍토에 적응하여 그에 적합한 체질로 고정되어 온 주요 가축이다. 한우의 주요 육종개량 대상형질로서 개체의 육질형질에 영향을 미치는 육질등급 판정 항목으로는 근내지방도, 등지방 두께, 살코기의 색깔과 밝기, 살코기의 견도와 보습성 및 지방의 조성 등이 있는데 이 중에서도 등지방 두께 및 근내지방도는 육질등급을 결정하는 중요한 요인 중 하나이다.
쇠고기의 등급은 육질등급과 육량등급으로 구분하여 판정하는데 육질등급은 고기의 질을 근내지방도, 육색, 지방색, 조직감, 성숙도에 따라 1++, 1+, 1, 2, 3 등급으로 판정하는 것으로, 소비자가 고기를 선택하는 기준이 되며, 육량등급은 도체에서 얻을 수 있는 고기량을 도체중량, 등지방두께, 등심단면적의 성적을 종합하여 A, B, C 및 D(등외) 등급으로 판정한다. 한우의 경우 타 수입육이나 국내산 젖소육 및 육우보다 월등히 가격이 높기 때문에 육질과 육량이 우수한 한우를 선발하여 생산함으로써 소비자들로 하여금 맛 좋은 고급육으로서의 품질 이미지를 확고하게 갖추는 것이 중요하다. 최근 정부가 소도체 등급제 개선을 추진하며 근내지방(마블링)의 섬세도를 새로운 등급 판정 기준에 포함시키려는 움직임을 보이면서 마블링 섬세도 향상에 대한 한우농가의 관심이 높아지고 있다.
본 발명에서는 단순히 근내지방도가 높은 것이 아닌, 근내지방(마블링)이 섬세한 육질을 판정할 수 있는 마블링 섬세도의 정량화 방법을 개발하고자 하였다.
한편, 한국등록특허 제1307008호에는 '한우 근내지방도 연관 분자표지를 이용한 고급육 생산 한우 진단 방법'이 개시되어 있고, 한국등록특허 제1557072호에는 '한우의 근내지방도 예측용 유전자 마커'가 개시되어 있으나, 본 발명의 한우 등심 영상정보를 이용한 한우 근내지방 섬세도 측정방법에 대해서는 기재된 바가 없다.
본 발명은 상기와 같은 요구에 의해 도출된 것으로서, 본 발명자들은 한우의 근내지방 섬세도를 평가할 수 있는 지표를 개발하기 위해, 한우 등심 영상 데이터를 분석하였고 등심단면적 이미지의 격자 마블링 면적비의 표준편차를 이용하여 근내지방(마블링)의 섬세도를 측정할 수 있음을 확인함으로써, 본 발명을 완성하였다.
상기 과제를 해결하기 위해, 본 발명은 (a) 도축된 한우의 등심단면의 이미지를 촬영하는 단계; (b) 상기 (a) 단계의 촬영된 한우 등심단면 이미지로부터 등심단면적 이미지를 추출하는 단계; (c) 상기 (b) 단계의 추출된 등심단면적 이미지에서 고기영역 및 배경으로부터 마블링 입자를 인식하는 단계; (d) 상기 (c) 단계의 마블링 입자가 인식된 등심단면적 이미지를 격자크기(step size)로 등분하여 타일(tile, 부분 이미지)을 생성하는 단계; (e) 상기 (d) 단계의 생성된 타일 중에서 배경(background)을 포함하는 타일은 제외하고, 등심단면적 이미지 내에 위치한 타일만 선택하여 해당 타일의 마블링 입자 면적 대 타일면적 비를 산출하는 단계; 및 (f) 상기 (e) 단계에서 산출된 각 타일의 마블링 입자 면적 대 타일면적 비 값의 표준편차를 산출하는 단계;를 포함하는 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법을 제공한다.
본 발명의 방법은 한우의 근내지방 섬세도를 평가할 수 있는 새로운 방법으로, 종래 사람이 주관적으로 측정해오던 판정법에 비해, 영상 이미지로 객관적이고, 정확하며 표준화된 섬세도 평가법을 제시하여 축산 산업 분야에서 유용하게 사용될 수 있는 기술이며, 본 발명의 방법을 이용하면 축산물의 등급과 관련된 다양한 표현형을 객관적으로 측정할 수 있으므로 우수한 육질을 가진 한우 품종의 육종에 기여할 수 있을 것이다.
도 1은 한우 등심 영상정보를 이용하여 마블링 섬세도 지표를 추정하는 전체 과정을 보여준다.
도 2는 다양한 임계값 설정 방법에 따른 등심단면적 픽셀 값 분포 및 임계값을 보여준다.
도 3은 동일한 영상정보에 대해서 임계값 알고리즘 변화에 따른 마블링 입자의 인식 변화를 보여준다.
도 4는 섬세도 지표의 평가 파이프라인을 보여준다.
도 5는 격자 마블링 면적비 계산법을 보여준다.
도 6은 격자크기에 따른 6등급 나쁨과 9등급 좋음의 표준 편차 분포를 보여준다.
도 7은 F7 지수와 최적 격자크기를 이용하여 등심의 마블링 섬세도를 측정하고 각 근내지방 등급(6~9 등급; 현행 근내지방 등급은 1~9 단계로, 본 발명의 근내지방 섬세도 측정방법은 근내지방이 좋은 6~9등급내에서 적용할 예정임)내에서 섬세도가 좋음, 중간 그리고 나쁨을 전문 등급판정사가 사진을 판독하여 구분해 놓고 F7 지수를 이용하여 판독결과에 대한 통계적 처리를 한 결과이다.
도 2는 다양한 임계값 설정 방법에 따른 등심단면적 픽셀 값 분포 및 임계값을 보여준다.
도 3은 동일한 영상정보에 대해서 임계값 알고리즘 변화에 따른 마블링 입자의 인식 변화를 보여준다.
도 4는 섬세도 지표의 평가 파이프라인을 보여준다.
도 5는 격자 마블링 면적비 계산법을 보여준다.
도 6은 격자크기에 따른 6등급 나쁨과 9등급 좋음의 표준 편차 분포를 보여준다.
도 7은 F7 지수와 최적 격자크기를 이용하여 등심의 마블링 섬세도를 측정하고 각 근내지방 등급(6~9 등급; 현행 근내지방 등급은 1~9 단계로, 본 발명의 근내지방 섬세도 측정방법은 근내지방이 좋은 6~9등급내에서 적용할 예정임)내에서 섬세도가 좋음, 중간 그리고 나쁨을 전문 등급판정사가 사진을 판독하여 구분해 놓고 F7 지수를 이용하여 판독결과에 대한 통계적 처리를 한 결과이다.
본 발명의 목적을 달성하기 위하여, 본 발명은 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법을 제공한다.
본 발명의 근내지방 섬세도 측정방법은 구체적으로는,
(a) 도축된 한우의 등심단면의 이미지를 촬영하는 단계;
(b) 상기 (a) 단계의 촬영된 한우 등심단면 이미지로부터 등심단면적 이미지를 추출하는 단계;
(c) 상기 (b) 단계의 추출된 등심단면적 이미지에서 고기영역 및 배경으로부터 마블링 입자를 인식하는 단계;
(d) 상기 (c) 단계의 마블링 입자가 인식된 등심단면적 이미지를 격자크기(step size)로 등분하여 타일(tile, 부분 이미지)을 생성하는 단계;
(e) 상기 (d) 단계의 생성된 타일 중에서 배경(background)을 포함하는 타일은 제외하고, 등심단면적 이미지 내에 위치한 타일만 선택하여 해당 타일의 마블링 입자 면적 대 타일면적 비를 산출하는 단계; 및
(f) 상기 (e) 단계에서 산출된 각 타일의 마블링 입자 면적 대 타일면적 비 값의 표준편차를 산출하는 단계;를 포함할 수 있으나, 이에 제한되지 않는다.
용어 '근내지방(marbling, 마블링)'은 근육 내의 지방축적을 말하는 것으로, 지방이 대리석 무늬처럼 고르게 퍼져있는 정도를 의미한다. 쇠고기는 근내지방의 다소가 육질 판정에 중요한 요소이다. 이러한 근내지방의 정도를 근내지방도(marbling score, marbling degree)라 하며, 한국에서는 근내지방도가 높을 수록 고급육으로 평가되고 있다.
용어 '근내지방 섬세도(marbling fineness)'는 근내지방의 입자 크기와 분포 등을 의미하는 것으로, 단위면적당 근내지방이 골고루 분포하는 쇠고기(섬세도가 높음)의 경우, 특정부위에 조잡하게 뭉쳐있는 성긴지방을 가진 쇠고기(섬세도가 낮음)에 비해 풍미가 보다 우수한 것으로 평가되고 있다.
본 발명의 일 구현 예에 따른 근내지방 섬세도 측정방법에 있어서, 상기 (b) 단계의 등심단면적 이미지 추출은 포토샵 프로그램을 이용하여 등심단면적을 수동으로 추출할 수 있으나, 이에 제한되지 않는다.
또한, 상기 (c) 단계의 고기영역 및 배경으로부터 마블링 입자를 인식하는 방법은 임계값 설정(thresholding) 알고리즘인 Otsu's 방법을 사용한 것일 수 있으나, 이에 제한되지 않는다. 상기 Otsu's 방법의 경우, 높은 값의 필터 사용을 통해 마블링 입자들이 뭉쳐서 인식되는 것을 방지하고, 이미지 픽셀분포에 맞춤 임계값을 설정할 수 있는 장점이 있다.
또한, 상기 (d) 단계의 격자크기는 10~100일 수 있으나, 이에 제한되지 않으며, 섬세도 측정을 위해 사용되는 한우의 등심단면의 이미지에 따라 적절히 선택하여 사용할 수 있다.
또한, 본 발명의 측정방법에 있어서, 상기 (f) 단계의 표준편차는 하기의 공식으로 산출될 수 있다.
[공식]
본 발명에 따른 근내지방 섬세도 측정방법은 상기 산출된 표준편차 값을 기준으로 평가되며, 표준편차 값에 따라서 근내지방이 섬세하게 분포하고 있는지를 판정한다. 이에 한정되지 않으나, 표준편차 값이 0.25 이하이면 근내지방 섬세도가 우수함을 의미하고, 표준편차 값이 0.35 이상이면 근내지방 섬세도가 나쁨을 의미한다. 상기 근내지방 섬세도의 나쁨은 근내지방이 등심 내 고루 분포된 것이 아닌 뭉쳐있음을 의미한다.
본 발명에 따른 근내지방 섬세도 측정방법은 종래 근내지방의 함량 정도를 측정하는 것이 아닌, 근내지방의 뭉침 또는 촘촘함 등을 측정하는 방법으로서, 영상자료를 이용하여 객관적으로 신속 정확하게 측정이 가능한 비파괴 분석 기술이다. 본 발명의 방법은 축산물의 등급과 관련된 다양한 표현형(등심단면적, 등지방 두께, 지방 함량 등)의 객관적 측정에 활용될 수 있고, 그 적용 범위 또한 한우에 국한되지 않고, 돼지 또는 닭 등과 같은 축산물 도체에도 기초기술로 활용가능할 것으로 사료된다.
이하, 본 발명을 실시예에 의해 상세히 설명한다. 단, 하기 실시예는 본 발명을 예시하는 것일 뿐, 본 발명의 내용이 하기 실시예에 한정되는 것은 아니다.
1. 제공된 사진정보
한우 근내지방 섬세도를 측정하는 과정을 수행하기 위한 훈련데이터로서 사용한 등심단면적 사진들의 근내지방 등급과 개수는 다음과 같다.
| 근내지방 | 6번 | 7번 | 8번 | 9번 | 함계 |
| 좋음 (섬세) | 15 | 15 | 14 | 25 | 69 |
| 보통 | 10 | 10 | 9 | 20 | 49 |
| 나쁨 (뭉침) | 14 | 17 | 18 | 26 | 75 |
| 합계 | 39 | 42 | 41 | 71 | 193 |
(참고) 한우의 근내지방은 등심의 지방함량을 기준으로 총 1-9번으로 분류하였고, 9번으로 갈수록 근내지방 함량이 많아진다. 즉, 근내지방 6-7번은 1+ 등급, 8-9번은 1++로 분류된다.
2. 사진 전처리 및 마블링 입자 인식
먼저, 마블링 입자 인식을 위한 영상전처리 최적화 및 마블링 입자 영역 추출을 수행한 뒤, 마블링 입자들의 통계적 특징과 기하학적 특성을 이용한 섬세도 추정 지표를 개발하였다. 이를 토대로 임의의 등심단면 영상에서 섬세도 추정 지표 계산 기능을 개발하였다.
총 193건의 등심단면 영상 사례로부터 섬세 마블링 입자들의 특징을 추정하고 이의 통계적 유의성을 확인하기 앞서, 등심단면적을 포토샵을 이용하여 수동으로 추출하였다. 등심단면 영상에서 등심단면적을 추출한 후, 마블링 입자를 고기영역과 배경으로부터 인식될 수 있도록 작업하였다(: 마스킹(masking) 단계). 등심단면적 사진을 보면 크게 흰색 부분과 붉은색 부분의 두가지 색상만 있는 것을 알 수 있고, 이런 이원화된 픽셀값들을 구분하는 알고리즘을 이미지 임계값 설정(image thresholding)이라 한다. Scikit-image 라이브러리(https://scikit-image.org/)에서 제공하는 임계값 알고리즘은 크게 하기의 7 가지이다: triangle, local minima, li method, isodata, otsu's method, mean, 및 yen's method.
본 발명에서는 상기 임계값 알고리즘 중 Otsu's method를 이용하였다. Otsu's method는 가장 널리 쓰이는 방법이며, 상대적으로 높은 값의 필터를 사용하여 마블링 입자들이 최대한 분리되어 인식될 수 있도록 하였다. 임계값 설정을 통하여 이미지간의 밝기차와 상관없이 일정한 기준으로 균일하게 마블링 입자들을 인식할 수 있었다. 이렇게 인식된 마블링 입자들은 후에 구분해서 표시하였다. 이는 Python의 scikit-image 라이브러리를 이용하여 구현하였으며, 시각적으로 확인하는 작업을 통해 마블링 입자들이 잘 인식됨을 확인하였다(도 3).
3. 인식된 마블링 입자의 기하학적 특징 계산
입자단위로 구분되어 인식된 마블링 입자들은 각각 크기와 모양이 독특하기 때문에 각 등급별 분포 특성을 이해하는 것이 중요하다. 계산 가능한 입자의 특징은 다음과 같다.
- 면적
- bounding box area: 입자를 포함하는 경계 박스(bounding box)의 면적
- centroid: 무게중심 좌표
- convex area: 볼록 껍질(convex hull) 이미지의 픽셀 수
- eccentricity: 부위에서 같은 이차 모멘트를 가지는 타원의 편심
- equivalent diameter: 상당지름
- Euler number: 부위의 오일러 표수(Euler characteristic)
- extent: 면적 대 ?계 박스 면적 비
- filled area: 채워진 부위의 픽셀 수
- major axis length: 장축
- minor axis length: 단축
- orientation: x 축과 장축의 각도
- perimeter: 둘레길이
- solidity: 면적 대 볼록 껍질 이미지 면적 비
또한, 등심 영역내 전체 입자들의 통계 정보를 활용하여, 다음의 특징들도 계산할 수 있다.
- 중위면적 입자 면적(A50): 전체 입자를 면적순으로 배열했을 때, 가운데 위치하는 입자의 면적
- 중위둘레 입자 둘레(P50): 전체 입자를 둘레길이순으로 배열했을 때, 가운데 위치하는 입자의 둘레길이
중위면적 입자 면적(A50), 중위둘레 입자 둘레(P50)는 다음의 공식으로 계산된다.
ai: area of i'th object (sorted by area)
n: total number of objects
pi: perimeter of i'th object (sorted by perimeter)
이러한 특징의 분포를 토대로 섬세 마블링이 많은 등심 단면의 특징을 추정할 수 있었다.
4. F7 격자 마블링 면적비의 표준편차를 이용한 근내지방 섬세도 측정방법
마블링 입자가 등심 전체 면적에 고르게 분포해 있는지를 산출하는 지수를 다음과 같이 개발하였다.
1) 이미지를 격자크기(step size) 만큼 가로와 세로를 등분한다. 생성된 부분 이미지를 타일이라고 한다. 상기와 같은 등분을 통해 격자크기(step size)의 제곱개의 타일이 생성된다.
2) 배경을 포함하는 타일을 제거하였는데, 이는 등심단면적의 테두리가 아닌 등심단면적의 안에 위치한 마블링 입자를 가지고 섬세도 지수를 판정하는 것이 효율적이기 때문이다.
3) 등심단면 이미지 안에 위치한 격자들을 선택하여 마블링 입자 면적 대 타일면적의 비를 산출한다.
4) 마블링 입자 면적 대 타일면적의 비를 산출한 타일들의 전체 마블링 입자 면적 대 타일면적 비의 표준편차를 입자분포 지수 즉, 섬세도 지표로 산정한다.
상기의 단계를 통해 산출된 근내지방 섬세도 측정을 위한 전체 마블링 입자 면적 대 타일면적 비의 표준편차(=F7 지수) 계산식은 다음과 같다.
5. t-검정과 boxplot을 이용한 지표 평가 파이프라인
섬세 마블링과 뭉침 마블링 등심 단면적의 특징을 수치화한 후, 이들의 분포가 통계적으로 유의하게 구분되는지 판단하기 위해 boxplot으로 시각화하고 각 등급의 뭉침 또는 섬세 마블링 사진 그룹간의 t-검정을 수행한 후 p-value를 비교하였다(도 4). 수행한 t-검정은 정규분포를 따르나 등분산하지는 않다는 가정을 하고 Welch's t-검정을 수행하였다.
실시예 1. 근내지방 섬세도 측정 지표 선발 및 평가
인식된 마블링 입자들의 다양한 특징들로부터 섬세도 추정 지표 후보가 하기 표 2와 같이 선발되었고, 각 추정 지표 후보의 근내지방 섬세도 측정값의 유의성을 평가한 결과, 최종적으로 F7 지수(격자 마블링 면적비 표준편차)가 가장 유의한 섬세도 지표임을 확인하였다.
F7 지수를 추정한 후 최적 격자크기를 도출하기 위해, 6 등급 뭉친 마블링 그룹과 9 등급 섬세 마블링 그룹을 가장 잘 분리하는 격자크기를 순차적으로 계산하였다. 그 결과 도 6과 같이 격자크기가 40일 때 두 그룹의 p-value가 3.6*10-19로서 가장 잘 구분됨을 알 수 있었다.
F7 지수가 근내지방 섬세도를 잘 측정하는지 검증하기 위해서, 전문 등급판정사가 근내지방 각 등급 6 ~ 9등급에서 섬세지수를 육안으로 확인(총 130여두 자료)하여 좋음, 중간 그리고 나쁨으로 설정해 놓고, 본 발명의 F7 지수와 격자크기 40을 이용하여 각 근내지방 섬세도를 측정한 후에 각 그룹(좋음, 중간, 나쁨)간 t-검정을 수행한 결과, 통계적으로 매우 유의한 결과를 보여주었다(도 7).
Claims (4)
- (a) 도축된 한우의 등심단면의 이미지를 촬영하는 단계;
(b) 상기 (a) 단계의 촬영된 한우 등심단면 이미지로부터 등심단면적 이미지를 추출하는 단계;
(c) 상기 (b) 단계의 추출된 등심단면적 이미지에서 고기영역 및 배경으로부터 마블링 입자를 인식하는 단계;
(d) 상기 (c) 단계의 마블링 입자가 인식된 등심단면적 이미지를 격자크기(step size)로 등분하여 타일(tile, 부분 이미지)을 생성하는 단계;
(e) 상기 (d) 단계의 생성된 타일 중에서 배경(background)을 포함하는 타일은 제외하고, 등심단면적 이미지 내에 위치한 타일만 선택하여 해당 타일의 마블링 입자 면적 대 타일면적 비를 산출하는 단계; 및
(f) 상기 (e) 단계에서 산출된 각 타일의 마블링 입자 면적 대 타일면적 비의 표준편차를 산출하는 단계;를 포함하는 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법. - 제1항에 있어서, 상기 (c) 단계의 마블링 입자 인식은 임계값 설정(thresholding) 알고리즘인 Otsu's 방법을 사용하는 것을 특징으로 하는 근내지방 섬세도 측정방법.
- 삭제
- 제1항에 있어서, 상기 (f) 단계의 표준편차는 하기의 공식으로 계산되는 것을 특징으로 하는 근내지방 섬세도 측정방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180153799A KR102118103B1 (ko) | 2018-12-03 | 2018-12-03 | 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180153799A KR102118103B1 (ko) | 2018-12-03 | 2018-12-03 | 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102118103B1 true KR102118103B1 (ko) | 2020-06-02 |
Family
ID=71090868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180153799A KR102118103B1 (ko) | 2018-12-03 | 2018-12-03 | 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102118103B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708233A (zh) * | 2022-04-11 | 2022-07-05 | 牧原肉食品有限公司 | 一种用于对猪胴体膘厚进行测量的方法及其相关产品 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170032929A (ko) * | 2015-09-15 | 2017-03-24 | 경상북도 (관련부서:경상북도축산기술연구소장) | 근내지방도 측정 시스템 및 이를 이용한 근내지방도 측정 방법 |
-
2018
- 2018-12-03 KR KR1020180153799A patent/KR102118103B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170032929A (ko) * | 2015-09-15 | 2017-03-24 | 경상북도 (관련부서:경상북도축산기술연구소장) | 근내지방도 측정 시스템 및 이를 이용한 근내지방도 측정 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114708233A (zh) * | 2022-04-11 | 2022-07-05 | 牧原肉食品有限公司 | 一种用于对猪胴体膘厚进行测量的方法及其相关产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU665683B2 (en) | Image analysis for meat | |
| Basset et al. | Application of texture image analysis for the classification of bovine meat | |
| US8721405B2 (en) | Meat sortation | |
| Lee et al. | Comparison of marbling fleck characteristics between beef marbling grades and its effect on sensory quality characteristics in high-marbled Hanwoo steer | |
| US20130108139A1 (en) | Biomarker Evaluation Through Image Analysis | |
| Pena et al. | Marbling in the longissimus thoracis muscle from lean cattle breeds. Computer image analysis of fresh versus stained meat samples | |
| US20080247603A1 (en) | Portable tool for determining meat quality | |
| Jeliński et al. | Inspection of the distribution and amount of ingredients in pasteurized cheese by computer vision | |
| CN101052306B (zh) | 用于对被屠宰的牲畜躯体进行分类及其定性和定量测定的数据采集 | |
| KR102118103B1 (ko) | 한우 등심 영상정보를 이용한 근내지방 섬세도 측정방법 | |
| Maeda et al. | Comparing AUS-MEAT marbling scores using image analysis traits to estimate genetic parameters for marbling of Japanese Black cattle in Australia | |
| Kim et al. | Effects of carcass weight and back-fat thickness on carcass properties of Korean native pigs | |
| Caldas-Cueva et al. | Use of image analysis to identify woody breast characteristics in 8-week-old broiler carcasses | |
| CN103940751B (zh) | 一种基于图像处理技术的冷鲜肉品质的测评方法 | |
| AU2013321855B2 (en) | Method for estimating meat marbling | |
| CN112634274B (zh) | 一种基于机器视觉的肥育猪肉肉质评价方法及系统 | |
| JP2014002136A (ja) | 肉色の等級決定方法 | |
| Caridade et al. | Image analysis as a tool for beef grading | |
| Al-Shekaili et al. | Computer vision technique to classify dates based on hardness. | |
| Wang et al. | Research on the evaluation method of eggshell dark spots based on machine vision | |
| CN114088714B (zh) | 一种谷物颗粒表面规则度的检测方法 | |
| Yulianti et al. | Meat quality classification based on color intensity measurement method | |
| Felfoldi et al. | Image processing based method for characterization of the fat/meat ratio and fat distribution of pork and beef samples | |
| Sun et al. | A digital image method for measuring and analyzing color characteristics of various color scores of beef | |
| CN114708233A (zh) | 一种用于对猪胴体膘厚进行测量的方法及其相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |