KR102551173B1 - 육류 숙성도 판단 방법 및 이를 이용한 장치 - Google Patents

육류 숙성도 판단 방법 및 이를 이용한 장치 Download PDF

Info

Publication number
KR102551173B1
KR102551173B1 KR1020230026882A KR20230026882A KR102551173B1 KR 102551173 B1 KR102551173 B1 KR 102551173B1 KR 1020230026882 A KR1020230026882 A KR 1020230026882A KR 20230026882 A KR20230026882 A KR 20230026882A KR 102551173 B1 KR102551173 B1 KR 102551173B1
Authority
KR
South Korea
Prior art keywords
meat
image
value
determining
region
Prior art date
Application number
KR1020230026882A
Other languages
English (en)
Inventor
김승훈
송규찬
Original Assignee
주식회사 가이버스
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 주식회사 가이버스 filed Critical 주식회사 가이버스
Priority to KR1020230026882A priority Critical patent/KR102551173B1/ko
Priority to KR1020230081040A priority patent/KR102565570B1/ko
Application granted granted Critical
Publication of KR102551173B1 publication Critical patent/KR102551173B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
    • A23L—FOODS, FOODSTUFFS, OR NON-ALCOHOLIC BEVERAGES, NOT COVERED BY SUBCLASSES A21D OR A23B-A23J; THEIR PREPARATION OR TREATMENT, e.g. COOKING, MODIFICATION OF NUTRITIVE QUALITIES, PHYSICAL TREATMENT; PRESERVATION OF FOODS OR FOODSTUFFS, IN GENERAL
    • A23L13/00—Meat products; Meat meal; Preparation or treatment thereof
    • A23L13/70—Tenderised or flavoured meat pieces; Macerating or marinating solutions specially adapted therefor
    • A23L13/72—Tenderised or flavoured meat pieces; Macerating or marinating solutions specially adapted therefor using additives, e.g. by injection of solutions
    • A23L13/74—Tenderised or flavoured meat pieces; Macerating or marinating solutions specially adapted therefor using additives, e.g. by injection of solutions using microorganisms or enzymes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Nutrition Science (AREA)
  • Polymers & Plastics (AREA)
  • Food Science & Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Microbiology (AREA)
  • Meat, Egg Or Seafood Products (AREA)

Abstract

본 발명의 육류 숙성도 판단 방법은 육류와 관련된 제1 이미지를 전처리하여 제2 이미지를 생성하는 단계; 상기 제2 이미지의 색상 평균값 및 제1 기준값에 기초하여 부패 영역을 검출하는 단계; 상기 제2 이미지의 색상값에 기초하여 지방 영역을 검출하는 단계; 및 제3 이미지- 상기 제2 이미지는 상기 제2 이미지에서 상기 지방 영역을 제외한 영역을 포함함 -의 색상값에 기초하여 유익균 착상 여부 및 숙성도를 판단하는 단계를 포함할 수 있다.

Description

육류 숙성도 판단 방법 및 이를 이용한 장치{METHOD FOR DETERMINING MEAT MATURITY AND DEVICE USING THE SAME}
본 발명은 육류 숙성도 판단 방법에 관한 것으로, 보다 상세하게는, 이미지의 색상값 분석을 통해 육류의 숙성 정도를 판단하는 방법에 관한 것이다.
최근, 홈메이드 시장의 규모가 커지면서 요리와 관련된 가전 분야에 대한 관심이 커지게 되었다. 특히, 고기류를 자신의 입맛에 맞게 숙성시키는 육류 숙성 장치와 관련된 연구가 활발해지고 있는 추세이다. 또한, 가전에 IoT 기술을 접목킨 IoT 가전이 주목받고 있다.
육류 숙성 장치는 육류의 숙성 과정을 종합적으로 판단하고 결정하는 기능을 수행하여야 한다. 구체적으로, 육류 숙성 장치는 내부의 육류의 숙성도를 실시간으로 파악하여 육류의 상태에 따른 숙성 과정을 진행하여야 한다. 이에, 육류의 이미지를 분석하여 육류의 상태 및 숙성도를 판단하는 기술이 필요하다.
본 발명의 일 과제는 이미지의 색상값 분석을 통해 육류의 숙성 정도를 판단하는 방법에 관한 것이다.
일 실시예에 따른 육류 숙성도 판단 방법은 적어도 하나 이상의 프로세서에 의해 수행되는 육류 숙성도 판단 방법에 있어서, 육류와 관련된 제1 이미지를 전처리하여 제2 이미지를 생성하는 단계; 상기 제2 이미지의 색상 평균값 및 제1 기준값에 기초하여 부패 영역을 검출하는 단계; 상기 제2 이미지의 색상값에 기초하여 지방 영역을 검출하는 단계; 및 제3 이미지- 상기 제3 이미지는 상기 제2 이미지에서 상기 지방 영역을 제외한 영역을 포함함 -의 색상값에 기초하여 유익균 착상 여부 및 숙성도를 판단하는 단계를 포함할 수 있다.
여기서, 상기 제2 이미지를 생성하는 단계는, 상기 제1 이미지에서 육류에 해당하는 영역을 추출하는 단계를 포함할 수 있다.
여기서, 상기 유익균 착상 여부 및 숙성도를 판단하는 단계는, 상기 제3 이미지의 색상 평균값 및 제2 기준값에 기초하여 유익균 착상 영역을 검출하는 단계, 및 상기 제3 이미지의 R값, GB 평균값 및 부위 가중치에 기초하여 숙성도를 판단하는 단계를 포함할 수 있다.
여기서, 상기 부위 가중치는 지방 함량, 지방산 적합도 및 내장 밀접도에 기초하여 결정될 수 있다.
여기서, 상기 부패 영역을 검출하는 단계는, 상기 제2 이미지에 포함된 픽셀의 색상 평균값이 상기 제1 기준값보다 큰 경우 상기 픽셀을 부패 영역으로 결정하는 단계, 상기 부패 영역으로 결정된 픽셀의 B값이 R값보다 크고 G값보다 크거나 같은 경우 상기 픽셀을 산패 영역으로 결정하는 단계, 및 상기 부패 영역으로 결정된 픽셀의 G값이 R값 및 B값보다 큰 경우 상기 픽셀을 유해균 영역으로 결정하는 단계를 포함할 수 있다.
여기서, 상기 지방 영역을 검출하는 단계는, 상기 제2 이미지에 포함된 픽셀의 R값이 G값 및 B값을 더한 값보다 작은 경우 지방 상기 픽셀을 지방 영역으로 결정하는 단계를 포함할 수 있다.
여기서, 상기 유익균 착상 영역을 검출하는 단계는, 상기 제3 이미지에 포함된 픽셀의 색상 평균값이 상기 제2 기준값보다 크고, R값이 GB 평균값보다 큰 경우 상기 픽셀을 유익균 착상 영역으로 결정하는 단계를 포함할 수 있다.
여기서, 상기 숙성도를 판단하는 단계는, 상기 유익균 착상 영역으로 결정된 픽셀은 숙성 완료된 것으로 판단하는 단계, 상기 제3 이미지에 포함된 픽셀에 대해 상기 부위 가중치를 색상 차이값으로 나눈 값이 제3 기준값보다 작거나 같은 경우 상기 픽셀을 숙성 완료된 것으로 판단하는 단계, 및 상기 제3 이미지에 포함된 복수의 픽셀에 대한 숙성 완료 픽셀의 비율에 기초하여 육류의 숙성도를 산출하는 단계를 포함할 수 있다.
여기서, 상기 제1 이미지 또는 상기 제2 이미지를 인공지능 모델에 입력하여, 이미지에 포함된 육류의 부위를 결정하는 단계; 및 결정된 부위에 기초하여 부위 가중치를 결정하는 단계를 더 포함할 수 있다.
여기서, 결정된 부위 및 상기 부위 가중치에 기초하여 숙성 기간을 결정하는 단계를 포함하고, 상기 숙성 기간은 상기 부위 가중치가 낮을수록 높아질 수 있다.
여기서, 상기 색상 차이값은 R값의 제곱에서 GB 평균값의 제곱을 뺀 값의 제곱근일 수 있다.
여기서, 상기 부패 영역이 검출된 경우, 사용자 단말기에 알림을 전송하는 단계를 더 포함할 수 있다.
여기서, 상기 숙성 기간은 상기 부패 영역, 상기 지방 영역, 상기 유익균 착상 여부 및 상기 숙성도 중 적어도 하나 이상에 의해 변경 가능할 수 있다.
여기서, 상기 육류 숙성도 판단 방법을 실행시키도록 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.
일 실시예에 따른 육류 숙성도 판단 장치는 육류를 촬영하는 카메라; 및 상기 카메라로부터 획득한 제1 이미지를 이용하여 상기 육류의 숙성도를 판단하는 적어도 하나 이상의 프로세서를 포함하고, 상기 적어도 하나 이상의 프로세서는, 제1 이미지를 전처리하여 제2 이미지를 생성하고, 상기 제2 이미지의 색상 평균값 및 제1 기준값에 기초하여 부패 영역을 검출하고, 상기 제2 이미지의 색상값에 기초하여 지방 영역을 검출하고, 및 제3 이미지- 상기 제3 이미지는 상기 제2 이미지에서 상기 지방 영역을 제외한 영역을 포함함 -의 색상값에 기초하여 유익균 착상 여부 및 숙성도를 판단할 수 있다.
본 발명의 일 실시예에 따르면 이미지의 색상값 분석을 통해 육류의 숙성 정도를 판단하는 방법이 제공될 수 있다.
도 1은 일 실시예에 따른 육류 숙성 장치를 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 육류 숙성도 판단 방법의 순서도이다.
도 3은 일 실시예에 따른 육류의 부패 영역을 검출하는 방법의 순서도이다.
도 4는 다른 일 실시예에 따른 육류의 부패 영역을 검출하는 방법의 순서도이다.
도 5는 검출된 육류의 부패 영역을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 육류의 지방 영역을 검출하는 방법의 순서도이다.
도 7은 일 실시예에 따른 육류의 유익균 영역을 검출하는 방법의 순서도이다.
도 8은 검출된 육류의 유익균 영역을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 육류의 숙성 완료를 판단하는 방법의 순서도이다.
도 10은 지방 함량, 불포화 지방산 및 내장 밀접도에 따른 육류 숙성 방법을 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 부위 가중치를 설명하기 위한 도면이다.
도 12는 부위에 따른 육류의 숙성 과정을 설명하기 위한 도면이다.
도 13은 이미지 분석을 통해 숙성도가 판단된 육류를 설명하기 위한 도면이다.
본 명세서에 기재된 실시예는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 사상을 명확히 설명하기 위한 것이므로, 본 발명이 본 명세서에 기재된 실시예에 한정되는 것은 아니며, 본 발명의 범위는 본 발명의 사상을 벗어나지 아니하는 수정예 또는 변형예를 포함하는 것으로 해석되어야 한다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하여 가능한 현재 널리 사용되고 있는 일반적인 용어를 선택하였으나 이는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자의 의도, 판례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 다만, 이와 달리 특정한 용어를 임의의 의미로 정의하여 사용하는 경우에는 그 용어의 의미에 관하여 별도로 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가진 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 한다.
본 명세서에 첨부된 도면은 본 발명을 용이하게 설명하기 위한 것으로 도면에 도시된 형상은 본 발명의 이해를 돕기 위하여 필요에 따라 과장되어 표시된 것일 수 있으므로 본 발명이 도면에 의해 한정되는 것은 아니다.
본 명세서에서 본 발명에 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에 이에 관한 자세한 설명은 필요에 따라 생략하기로 한다.
도 1은 일 실시예에 따른 육류 숙성 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 육류 숙성 장치는 박스의 형태로, 다면체 형상을 가질 수 있다.
육류 숙성 장치의 제1 면(도 1에서는 전면, 11)은 사용자가 육류 숙성 장치 내부에 육류를 보관하도록 육류 숙성 장치를 오픈할 수 있는 형태로 구성될 수 있다. 예를 들어, 제1 면(11)에는 힌지 또는 슬라이드가 부착될 수 있다. 사용자는 손잡이를 통해 상기 제1 면(11)을 힌지를 통해 들어 올리거나, 슬라이드를 통해 밀어 올림으로써, 육류 숙성 장치를 오픈할 수 있다.
본 명세서에서 일면, 타면, 제1 면, 제2 면 및 제3 면 등 '면'이라는 용어는 일반적으로 사용되는 의미와 함께, 두께 및 면적을 가진 구성으로도 해석될 수 있다. 따라서, '면'이라는 용어는 '칸막이', '벽', '파티션', '기둥' 등의 다른 용어로도 사용이 가능할 것이다.
육류 숙성 장치는 윈도우(20)를 포함할 수 있다. 윈도우(20)는 투명한 재질로 구성될 수 있다. 예를 들어, 윈도우(20)는 유리, 크리스탈, 투명 필름(예, CPI) 등으로 구성될 수 있으나, 이에 한정되지 않는다. 사용자는 육류 숙성 장치의 외부에서 윈도우(20)를 통해 내부를 볼 수 있다. 즉, 윈도우(20)는 사용자가 제1 면(11)을 오픈하지 않고도 육류 숙성 장치의 내부를 볼 수 있도록 투명한 재질로 구성될 수 있다.
육류 숙성 장치의 윈도우(20)는 제1 면(11) 상에 배치될 수 있다. 바람직하게는, 윈도우(20)는 육류 숙성 장치의 전면에서 사용자가 내부를 볼 수 있도록, 육류 숙성 장치의 전면(도 1에서는 제1 면)에 배치될 수 있다. 윈도우(20)의 크기 및 위치는 필요에 따라 다양하게 설정될 수 있다.
육류 숙성 장치는 출력부(25)를 포함할 수 있다. 출력부(25)는 데이터를 시각적으로 제공할 수 있다. 예를 들어, 출력부(25)는 디스플레이 패널로서, LCD, LED, OLED, AMOLED, PMOLED 등일 수 있으나, 이에 한정되지 않는다.
출력부(25)는 육류 숙성 장치와 관련된 정보를 제공할 수 있다. 예를 들어, 출력부(25)는 날짜, 시간, 육류 숙성 장치의 전원 및 배터리 정보, 육류 숙성 장치의 온도 및/또는 습도, 타 장치와 연결 상태, 온습도 조절 버튼, 숙성 기간, 내부 장치의 작동 상태, 타이머 정보 등에 대한 정보를 제공할 수 있다.
사용자는 출력부(25)를 통해 육류 숙성 장치의 통신 상태를 변경할 수 있다. 예를 들어, 사용자는 출력부(25)를 통해 와이파이, 블루투스 등의 통신 방식을 사용하여 타 장치와 육류 숙성 장치의 통신 연결을 수행할 수 있다.
사용자는 출력부(25)를 통해 육류 숙성 장치의 숙성 모드를 변경할 수 있다. 육류 숙성 장치는 내부 저장부에 복수의 숙성 모드를 저장할 수 있다. 복수의 숙성 모드는 육류의 종류, 부위, 두께, 무게, 숙성 시간 등에 따라 다르게 설정된 모드일 수 있다. 사용자는 출력부(25)를 통해 숙성시키려는 육류에 맞는 숙성 모드를 설정 및 변경할 수 있다.
도 1은 출력부(25)가 윈도우(20)의 하부에 배치되어 있는 것을 도시하였으나, 이에 한정되지 않고, 출력부(25)는 윈도우(20)의 상부, 왼쪽, 오른쪽 등에 배치될 수 있다.
육류 숙성 장치는 손잡이(도시되지 않음)를 포함할 수 있다. 사용자는 손잡이를 통해 제1 면(11)을 오픈할 수 있다. 따라서, 손잡이는 제1 면(11) 상에 부착되어 있을 수 있다.
손잡이는 윈도우(20)의 상부, 하부, 왼쪽, 오른쪽 등에 배치될 수 있다. 예를 들어, 손잡이는 윈도우(20)의 상부에 배치되어, 사용자는 손잡이를 위에서 아래로 당김으로써 제1 면(11)을 오픈할 수 있다.
손잡이는 바(bar) 형태, 버튼식 또는 터치식으로도 구성될 수 있다. 예를 들어, 육류 숙성 장치는 사용자가 손잡이를 누르거나 터치함으로써, 사용자가 다른 힘을 가하지 않고도 자동적으로 제1 면(11)이 오픈될 수 있도록 구현될 수도 있다.
육류 숙성 장치는 내부에 육류 거치대, 카메라 및 적어도 하나 이상의 프로세서를 포함할 수 있다.
육류 거치대는 육류를 지지하지만, 육류의 저면 전체와 접촉하지 않을 수 있다. 예를 들어, 육류 거치대는 망 형태를 가져, 육류를 지지하지만, 육류의 저면의 일부에도 공기가 접촉할 수 있도록, 육류의 일부분과만 접촉할 수 있다.
육류 거치대는 강철, 스테인리스 등 잘 부식되지 않는 재질로 구성될 수 있다. 육류 거치대는 일부 구성이 직각으로 교차되는 형태, 마름모, 다각형 등을 이루는 망 형태를 가질 수도 있으나, 이에 한정되지 않는다.
육류 거치대는 육류 숙성 장치의 저면 상에 배치될 수 있다. 즉, 육류 거치대는 육류 숙성 장치의 저면 상에 배치되는 지지 기둥을 가질 수 있다. 또는 육류 거치대는 육류 숙성 장치의 측면에 고정되는 형태일 수도 있다. 즉, 육류 거치대는 육류 숙성 장치의 측면에 고정 걸이 또는 고정 받침대 상에 배치될 수 있다. 육류 거치대는 고정될 수도 있으나, 바람직하게는 세척을 위해 탈부착이 가능한 형태일 수 있다.
육류 숙성 장치는 카메라를 포함할 수 있다. 카메라는 육류 거치대 상의 육류를 촬영할 수 있도록, 육류 거치대의 상부, 정면, 후면 또는 측면 등에 위치할 수 있다. 카메라는 육류를 촬영한 영상을 프로세서로 전송할 수 있다. 카메라는 영상을 계속적으로 촬영할 수도 있고, 프로세서의 제어에 의해 주기적/비주기적으로 촬영할 수도 있다. 카메라는 촬영 영상을 주기적으로 프로세서에 전송할 수도 있고, 촬영 영상을 내부 저장소에 저장하였다가 프로세서의 요청이 있는 경우에 프로세서로 전송할 수도 있다.
프로세서는 MCU로서 육류 숙성 장치의 전체적인 제어를 수행할 수 있다. 구체적으로, 프로세서는 육류 숙성 장치 내부의 공기 유입팬 및 공기 배출팬의 모터 작동을 제어할 수 있다. 예를 들어, 프로세서는 내부에 배치된 센서의 습도에 대한 센싱값이 설정 습도보다 높을 경우, 공기 배출팬을 작동시킬 수 있다. 또한, 프로세서는 카메라의 온/오프를 제어하고, 이미지 데이터 또는 영상 데이터 등을 획득할 수 있다.
프로세서는 회로 메인 보드 등 PCB(인쇄회로기판)의 형태로 육류 숙성 장치의 일면에 부착될 수 있다. 프로세서는 외부 장치와 데이터를 송수신하는 통신부를 포함하여, 외부 장치로 데이터를 전송할 수 있다. 따라서, 본원 발명의 육류 숙성 장치는 통신부를 통해 외부 장치와 데이터를 송수신하는 IoT 장치일 수 있다.
예를 들어, 프로세서는 사용자의 단말기와 통신하여, 사용자가 단말기를 통해 육류 숙성 장치의 설정 온도 또는 설정 습도를 변경할 수 있다. 또한 예를 들어, 사용자는 단말기를 통해 육류 숙성 장치의 카메라가 촬영한 영상을 시청할 수도 있다. 이하의 육류 숙성도 판단 방법은 육류 숙성 장치에 포함된 적어도 하나 이상의 프로세서에 의해 수행될 수 있다. 또는 육류 숙성도 판단 방법은 사용자 단말기 내부의 프로세서에 의해서 수행될 수도 있다.
또는 프로세서는 서버에 포함된 연산 수행 주체일 수 있다. 프로세서는 육류 숙성 장치의 카메라로부터 이미지 데이터 또는 영상 데이터를 수신하여, 데이터 분석을 수행하는 주체일 수 있다. 이때, 프로세서는 육류 숙성 장치로부터 수신한 데이터에 기초하여 육류의 숙성도를 분석하고, 분석한 내용을 사용자 단말기 및/또는 육류 숙성 장치로 전송할 수 있다.
도 2는 일 실시예에 따른 육류 숙성도 판단 방법의 순서도이다.
도 2를 참조하면, 일 실시예에 따른 육류 숙성도 판단 방법은 이미지를 전처리하는 단계(S100), 부패 영역을 검출하는 단계(S200), 지방 영역을 검출하는 단계(S300), 유익균 착상 여부를 확인하는 단계(S400) 및 숙성도를 판단하는 단계(S500)를 포함할 수 있다. 도 2는 단계 S100 내지 S500이 순차적으로 수행되는 것을 도시하였으나, 이에 한정되지 않는다. 또한, 도 2의 단계 외에 새로운 단계가 추가되거나, 일부 단계가 생략되거나 병합될 수도 있다.
이미지를 전처리하는 단계(S100)는 카메라 등으로부터 획득한 육류와 관련된 이미지를 전처리하는 단계일 수 있다. 구체적으로, 단계 S100은 육류와 관련된 제1 이미지에서 육류가 아닌 부분을 제외하고 육류에 해당하는 영역을 추출하여 제2 이미지를 생성하는 단계일 수 있다. 또한, 단계 S100은 이미지 분석을 위해 상기 제1 이미지의 크기를 조절하거나 명도, 채도 등을 기준값으로 보정하는 단계일 수도 있다.
단계 S100는 제1 이미지 또는 제2 이미지에 포함된 복수의 픽셀의 픽셀값을 컬러 스페이스(Color Space) 값으로 변환하는 단계를 포함할 수 있다. 구체적으로, 단계 S100에서, 프로세서는 픽셀값을 선형 RGB, sRGB, Adobe RGB, HSV, CIE 1676 XYZ, YCbCr, YIQ 등으로 변환할 수 있다. 이하에서는 픽셀의 RGB값을 이용하여 육류의 숙성도를 판단하는 방법을 대표적인 예시로 설명하였으나, 육류의 숙성도를 판단하는 방법에는 sRGB, HSV 등 다양한 컬러 스페이스 값이 사용될 수 있다. 이에, RGB가 아닌 다른 컬러 스페이스값을 사용하는 경우, 이하에서 설명하는 R값은 빨간색과 관련된 값으로, G값은 녹색과 관련된 값으로, B값은 파란색과 관련된 값으로 치환되어 해석될 수 있다.
부패 영역을 검출하는 단계(S200)는 단계 S100에서 생성된 제2 이미지를 이용하여 제2 이미지에 포함된 픽셀들의 색상값을 기반으로 부패 영역을 검출하는 단계일 수 있다. 구체적으로, 단계 S200은 제2 이미지에 포함된 복수의 픽셀에 대해 픽셀의 색상 평균값과 제1 기준값을 비교함으로써 부패 영역을 검출하는 단계일 수 있다. 이때, 부패 영역은 육류가 산패되거나 유해균(예, 푸른 곰팡이)이 착상된 영역을 의미하는 것일 수 있다. 단계 S200에 대해서는 도 3 내지 도 5를 참조하여 이하에서 자세히 설명한다.
지방 영역을 검출하는 단계(S300)는 단계 S200에서 상기 제2 이미지를 이용하여 제2 이미지에 포함된 픽셀들의 색상값을 기반으로 지방 영역을 검출하는 단계일 수 있다. 구체적으로, 단계 S300은 제2 이미지에 포함된 복수의 픽셀에 대해 픽셀의 R값, G값, B값 비교함으로써 지방 영역을 검출할 수 있다. 육류 숙성도를 판단하는 데에는 지방 영역보다 살코기 영역을 분석하는 것이 더 쉽고 간편하고 정확할 수 있다. 따라서, 단계 S300에서 검출된 지방 영역은 이하의 이미지 분석 단계에서 제외될 수 있다. 단계 S300에 대해서는 도 6을 참조하여 이하에서 자세히 설명한다.
유익균 착상 여부를 확인하는 단계(S400)는 단계 S300에서 상기 제2 이미지에서 검출된 지방 영역이 제외된 제3 이미지를 이용하여, 제3 이미지에 포함된 픽셀들의 색상값을 기반으로 유익균 영역을 검출하는 단계일 수 있다. 구체적으로, 단계 S400은 제3 이미지에 포함된 복수의 픽셀 영역에 대해 픽셀의 색상 평균값, R값, G값, B값 등을 비교함으로써 유익균 영역을 검출할 수 있다. 이때, 유익균 영역은 육류에 유익균이 착상되거나 크러스트가 형성된 영역을 의미하는 것일 수 있다. 단계 S400에 대해서는 도 7 및 도 8을 참조하여 이하에서 자세히 설명한다.
숙성도를 판단하는 단계(S500)는 상기 제3 이미지를 이용하여 제3 이미지에 포함된 픽셀들의 색상값을 기반으로 픽셀에 대응되는 영역의 숙성 완료 여부를 판단하는 단계일 수 있다. 구체적으로, 단계 S500은 제3 이미지에 포함된 복수의 픽셀 영역에 대해 픽셀의 R값, G값, B값, 부위 가중치를 이용함으로써 해당 부위의 숙성이 완료되었는지 여부를 판단할 수 있다. 단계 S500에 대해서는 도 9를 참조하여 이하에서 자세히 설명한다. 또한, 부위 가중치에 대해서는 도 10 및 도 11을 참조하여 이하에서 자세히 설명한다.
도 3은 일 실시예에 따른 육류의 부패 영역을 검출하는 방법의 순서도이다.
도 3을 참조하면, 일 실시예에 따른 육류의 부패 영역을 검출하는 방법은 색상 평균값이 제1 기준값보다 큰지 여부를 판단하는 단계(S210), 단계 S210의 결과가 긍정인 경우, B값이 R값 및 G값보다 큰지 여부를 판단하는 단계(S220), 단계 S210 및 S220의 결과가 부정인 경우, 부패 영역이 미검출된 것으로 판단하는 단계(S215) 및 단계 S220의 결과가 긍정인 경우, 산패 영역을 검출하는 단계(S230)를 포함할 수 있다.
색상 평균값이 제1 기준값보다 큰지 여부를 판단하는 단계(S210)는 전처리된 이미지인 제2 이미지에 포함된 픽셀의 색상 평균값과 제1 기준값을 비교하는 단계일 수 있다. 구체적으로, 색상 평균값은 픽셀의 R값, G값, B값을 더한 값을 3으로 나눈 값일 수 있다. 또한, 제1 기준값은 부패 영역을 검출하기 위한 기준 수치일 수 있다. 이때, 제1 기준값은 육류의 종류(소, 돼지, 닭, 양 등), 육류의 부위(살치살, 부채살, 등심, 안심 등), 육류의 초기 중량, 도축일로부터 경과된 시간 등에 의해 변화될 수 있다.
단계 S210의 결과가 긍정인 경우, B값이 R값 및 G값보다 큰지 여부를 판단하는 단계(220)가 수행될 수 있다. 구체적으로, 단계 S220은 픽셀의 B값이 R값보다 크고, G값보다 크거나 같은지 여부를 판단하는 단계일 수 있다. 또한, RGB값이 아닌 다른 컬러 스페이스값을 이용할 경우, 단계 S220은 파란색과 관련된 값이 빨간색과 관련된 값 및 녹색과 관련된 값보다 큰지 여부를 판단하는 단계일 수 있다.
단계 S210 및 S220의 결과가 부정인 경우, 부패 영역이 미검출된 것으로 판단하는 단계(S215)가 수행될 수 있다. 육류에 부패 영역(특히, 산패 영역)이 없기 때문에, 프로세서는 이어서 지방 영역을 검출하는 단계(S300)를 수행할 수 있다.
그러나 단계 S220의 결과가 긍정인 경우, 프로세서는 육류에 부패 영역이 검출된 것으로 판단(S230)할 수 있다. 특히, 단계 S220의 판단 결과에 기초하여, 프로세서는 육류가 산패된 것으로 판단할 수 있다.
프로세서는 육류가 산패된 것으로 판단하면, 육류 숙성 장치의 육류 숙성을 위한 작동을 중단할 수 있다. 또한, 프로세서는 육류 숙성 장치와 연결된 사용자 단말기에 알림을 전송할 수 있다. 또한, 이어서 진행될 예정이었던 단계 S300 이하의 단계들이 수행되지 않을 수 있다.
도 4는 다른 일 실시예에 따른 육류의 부패 영역을 검출하는 방법의 순서도이다.
도 4를 참조하면, 다른 일 실시예에 따른 육류의 부패 영역을 검출하는 방법은 색상 평균값이 제1 기준값보다 큰지 여부를 판단하는 단계(S210), 단계 S210의 결과가 긍정인 경우, G값이 R값 및 B값보다 큰지 여부를 판단하는 단계(S240), 단계 S210 및 S240의 결과가 부정인 경우, 부패 영역이 미검출된 것으로 판단하는 단계(S215) 및 단계 S240의 결과가 긍정인 경우, 유해균 영역을 검출하는 단계(S250)를 포함할 수 있다.
색상 평균값이 제1 기준값보다 큰지 여부를 판단하는 단계(S210)는 도 3의 단계 S210에 대한 설명과 중복되므로, 생략한다.
단계 S210의 결과가 긍정인 경우, G값이 R값 및 B값보다 큰지 여부를 판단하는 단계(S240)가 수행될 수 있다. 구체적으로 단계 S240은 픽셀의 G값이 R값보다 크고 B값보다 큰지 여부를 판단하는 단계일 수 있다. 또한, RGB값이 아닌 다른 컬러 스페이스값을 이용할 경우, 단계 S240은 녹색과 관련된 값이 빨간색과 관련된 값 및 파란색과 관련된 값보다 큰지 여부를 판단하는 단계일 수 있다.
단계 S210 및 S240의 결과가 부정인 경우, 부패 영역이 미검출된 것으로 판단하는 단계(S215)가 수행될 수 있다. 육류에 부패 영역(특히, 유해균 영역)이 없기 때문에, 프로세서는 이어서 지방 영역을 검출하는 단계(S300)를 수행할 수 있다.
그러나 단계 S240의 결과가 긍정인 경우, 프로세서는 유해균 영역을 검출된 것으로 판단(S250)할 수 있다. 특히, 단계 S240의 판단 결과에 기초하여, 프로세서는 육류에 유해균이 착상된 것으로 판단할 수 있다.
프로세서는 육류에 유해균이 착상된 것으로 판단하면, 육류 숙성 장치의 육류 숙성을 위한 작동을 중단할 수 있다. 또한, 프로세서는 육류 숙성 장치와 연결된 사용자 단말기에 알림을 전송할 수 있다. 또한, 이어서 진행될 예정이었던 단계 S300 이하의 단계들이 수행되지 않을 수 있다.
도 3 및 도 4와 같이 프로세서는 산패 영역 및 유해균 영역을 검출함으로써 육류가 산패되었는지 여부를 판단할 수 있다. 프로세서는 육류 산패 여부를 확인하기 위해, 도 3의 방법 및 도 4의 방법 모두를 수행할 수 있다. 이때, 도 3의 방법 및 도 4의 방법의 수행 순서는 고정되어 있지 않다. 경우에 따라 도 3의 방법을 먼저 수행하고 도 4의 방법을 수행하거나, 그 역이 될 수도 있다. 또는 도 3의 방법 및 도 4의 방법이 동시에 수행될 수도 있다.
도 5는 검출된 육류의 부패 영역을 설명하기 위한 도면이다. 도 5(a)는 육류가 산패된 영역을 나타낸 도면이고, 도 5(b)는 육류의 유해균 영역을 나타낸 도면이다.
도 5(a) 및 도 5(b)와 같이, 프로세서는 이미지에 포함된 픽셀의 색상값 및 제1 기준값에 기초하여 픽셀에 대응되는 영역이 산패되었는지 여부를 확인할 수 있다.
도 6은 일 실시예에 따른 육류의 지방 영역을 검출하는 방법의 순서도이다.
도 6을 참조하면, 일 실시예에 따른 육류의 지방 영역을 검출하는 방법은 픽셀의 R값이 G값 및 B값을 더한 값보다 큰지 여부를 판단하는 단계(S310), 단계 S310의 결과가 부정인 경우, 지방 영역을 미검출하는 단계, 단계 S310의 결과가 긍정인 경우, 지방 영역을 검출하는 단계(S320) 및 검출된 지방 영역을 이미지로부터 제거하는 단계(S325)를 포함할 수 있다.
픽셀의 R값이 G값 및 B값을 더한 값보다 큰지 여부를 판단하는 단계(S310)가 수행될 수 있다. 단계 S310의 결과가 부정인 경우, 프로세서는 지방 영역이 미검출된 것으로 판단하는 단계(S315)를 수행할 수 있다. 프로세서는 지방 영역이 검출되지 않은 경우, 해당 픽셀에 대응되는 영역을 살코기 영역으로 판단할 수 있다.
단계 S310의 결과가 긍정인 경우, 프로세서는 지방 영역이 검출된 것으로 판단(S320)할 수 있다. 프로세서는 검출된 지방 영역을 이미지로부터 제거하는 단계(S325)를 수행할 수 있다. 이하의 육류 숙성도 판단 방법은 살코기를 위주로 진행되므로, 프로세서는 제2 이미지에서 지방 영역으로 판단된 픽셀을 제거할 수 있다.
도 7은 일 실시예에 따른 육류의 유익균 영역을 검출하는 방법의 순서도이다.
도 7을 참조하면, 일 실시예에 따른 육류의 유익균 영역을 검출하는 방법은 색상 평균값이 제2 기준값보다 큰지 여부를 판단하는 단계(S410), 단계 S410의 결과가 긍정인 경우, R값이 G값 및 B값의 평균값(GB 평균값)보다 큰지 여부를 판단하는 단계(S420), 단계 S410 및 단계 S420의 결과가 부정인 경우, 유익균 영역이 미검출된 것으로 판단하는 단계(S415), 단계 S420의 결과가 긍정인 경우, 유익균 영역을 검출하는 단계(S430) 및 숙성이 완료된 것으로 판단하는 단계(S440)를 포함할 수 있다.
색상 평균값이 제2 기준값보다 큰지 여부를 판단하는 단계(S410)는 지방 영역이 제거된 이미지인 제3 이미지에 포함된 픽셀의 색상 평균값과 제2 기준값을 비교하는 단계일 수 있다. 제2 기준값은 유익균 영역을 검출하기 위한 기준 수치로서, 상기 제1 기준값과 상이한 값일 수 있다. 이때, 제2 기준값은 육류의 종류(소, 돼지, 닭, 양 등), 육류의 부위(살치살, 부채살, 등심, 안심 등), 육류의 초기 중량, 도축일로부터 경과된 시간 등에 의해 변화될 수 있다.
단계 S410의 결과가 긍정인 경우, R값이 G값 및 B값의 평균값(GB 평균값)보다 큰지 여부를 판단하는 단계(S420)가 수행될 수 있다. 구체적으로, 단계 S420은 픽셀의 R값이 G값과 B값을 더한 값에서 2를 나눈 값보다 큰지 여부를 판단하는 단계일 수 있다.
단계 S410 및 단계 S420의 결과가 부정인 경우, 유익균 영역이 미검출된 것으로 판단하는 단계(S415)가 수행될 수 있다. 프로세서는 이어서 단계 S500을 수행할 수 있다.
단계 S420의 결과가 긍정인 경우, 프로세서는 유익균 영역이 검출된 것으로 판단(S430)할 수 있다. 프로세서는 유익균 영역이 검출된 경우, 해당 픽셀에 대응되는 영역이 숙성 완료된 것으로 판단(S440)할 수 있다.
도 8은 검출된 육류의 유익균 영역을 설명하기 위한 도면이다.
도 8(a) 및 도 8(b)는 숙성 과정에 따라 유익균이 점점 착상한 육류를 나타내는 도면이다. 도 8을 참조하면, 프로세서는 이미지에 포함된 픽셀의 색상값에 기초하여 픽셀에 대응되는 영역에 유익균이 착상하였는지 여부를 확인할 수 있다.
도 9는 일 실시예에 따른 육류의 숙성 완료를 판단하는 방법의 순서도이다.
도 9를 참조하면, 일 실시예에 따른 육류의 숙성 완료를 판단하는 방법은 부위에 대응되는 부위 가중치를 결정하는 단계(S510), 부위 가중치를 색상 차이값으로 나눈 값이 제3 기준값보다 큰지 여부를 판단하는 단계(S520), 단계 S520의 결과가 긍정인 경우, 숙성이 완료된 것으로 판단하는 단계(S530) 및 단계 S520의 결과가 부정인 경우, 숙성이 미완료된 것으로 판단하는 단계(S540)를 포함할 수 있다.
부위에 대응되는 부위 가중치(K)를 결정하는 단계(S510)는 분석에 이용할 육류의 부위 따른 부위 가중치를 결정하는 단계일 수 있다. 일 실시예에 따르면, 사용자는 육류를 숙성시키기 전, 사용자 단말기 등을 통해 육류의 종류 및 육류의 부위를 입력할 수 있다. 다른 일 실시예에 따르면, 단계 S510 전에 인공지능 모델을 이용하여 육류의 종류 및 육류의 부위를 판단하는 단계가 수행될 수 있다.
구체적으로, 프로세서는 육류와 관련된 제1 이미지 또는 제1 이미지를 전처리하여 생성된 제2 이미지를 인공지능 모델에 입력시킬 수 있다. 이때, 인공지능 모델은 분류를 목적으로 학습된 모델일 수 있다. 이때, 인공지능 모델은 분류 알고리즘(SVM, Naive Bayes Classifier, Logistic Regression, Random Forest, Decision Tree, K-NN 등)을 이용할 수 있다. 인공지능 모델은 제1 이미지 또는 제2 이미지에 기초하여 이미지에 포함된 육류의 종류 및 부위를 결정할 수 있다. 프로세서는 결정된 부위에 대응되는 부위 가중치를 사용할 수 있다. 또한, 프로세서는 결정된 부위에 기초하여 육류의 숙성 기간을 결정할 수 있다.
부위 가중치를 색상 차이값으로 나눈 값이 제3 기준값보다 큰지 여부를 판단하는 단계(S520)가 수행될 수 있다. 이때, 색상 차이값은 R값의 제곱에서 GB 평균값(G값과 B값을 더한 값을 2로 나눈 값)의 제곱을 뺀 값의 제곱근일 수 있다. 제3 기준값은 숙성 완료 여부를 판단하기 위한 기준 수치로, 제1 기준값 및 제2 기준값과 상이할 수 있다. 또한, 제3 기준값은 육류의 종류(소, 돼지, 닭, 양 등), 육류의 부위(살치살, 부채살, 등심, 안심 등), 육류의 초기 중량, 도축일로부터 경과된 시간 등에 의해 변화될 수 있다.
단계 S520의 결과가 긍정인 경우, 프로세서는 해당 픽셀에 대응되는 육류의 영역이 숙성 완료된 것으로 판단(S530)할 수 있다. 단계 S520의 결과가 부정인 경우, 프로세서는 해당 픽셀에 대응되는 육류의 영역이 숙성 미완료된 것으로 판단(S540)할 수 있다.
프로세서는 육류에 대응되는 픽셀에 대해 숙성 완료로 판단된 픽셀의 비율에 기초하여 전체적인 육류의 숙성 정도를 산출할 수 있다. 예를 들어, 숙성 완료로 판단된 픽셀의 비율이 40%인 경우, 프로세서는 육류의 숙성 정도가 40%인 것으로 산출할 수 있다.
프로세서는 검출한 부패 영역, 지방 영역, 유익균 영역 및 산출한 숙성도 중 적어도 하나 이상에 기초하여, 육류의 숙성 기간을 변경할 수 있다. 프로세서는 육류 숙성 장치 내에 숙성 중인 육류의 상태를 모니터링하여, 육류의 상태에 맞는 숙성 기간 및 숙성 방법을 실시간으로 설정할 수 있다.
도 10은 지방 함량, 불포화 지방산 및 내장 밀접도에 따른 육류 숙성 방법을 설명하기 위한 도면이다.
도 10(a)는 지방 함량에 따른 권장 숙성 기간을 나타내는 그래프이고, 도 10(b)는 불포화 지방산에 따른 권장 숙성 기간을 나타내는 그래프이고, 도 10(c)는 내장 밀접도에 따른 권장 숙성 기간을 나타내는 그래프이다.
도 10의 그래프와 같이, 육류의 지방 함량, 불포화 지방산 및 내장 밀접도에 따라 권장되는 숙성 기간이 다르다. 구체적으로, 지방 함량이 일정 수치보다 작을 경우, 과도한 수분 감량의 우려가 있어, 권장 숙성 기간은 작아지게 된다. 또한, 불포화 지방산의 함량이 과다하면 산패 위험이 있어, 권장 숙성 기간은 작아지게 된다. 또한, 내장 밀접도가 높으면 피 함량이 높아 산패 및 이취 위험이 있어, 권장 숙성 기간은 작아지게 된다.
이에, 본원 발명의 육류 숙성 장치 및 육류 숙성도 판단 방법은 숙성 정도를 판단하기 위해, 부위에 따라 상이한 부위 가중치를 사용한다.
도 11은 일 실시예에 따른 부위 가중치를 설명하기 위한 도면이다.
도 11을 참조하면, 소의 부위에 따른 지방 함량, 지방산 적합도 및 내장 밀접도를 확인할 수 있다. 또한, 이에 따라 부위별 가중치(K)가 다르게 산출된 것을 알 수 있다. 도 11의 표에 기재된 수치는 예시적인 것으로, 이에 한정되지 않는다.
부위 가중치는 지방 함량, 지방산 적합도(불포화 지방산) 및 내장 밀접도 중 적어도 하나 이상에 기초하여 설정될 수 있다. 이외에도 부위 가중치는 육류의 등급 정보 및 도축 월령 등에 의해서도 설정될 수 있다. 부위 가중치는 숙성 기간과 관련이 있을 수 있다. 구체적으로, 부위 가중치가 높을수록 숙성 기간이 단축될 수 있다. 부위 가중치가 일정 값을 초과하면, 부위 가중치의 수치는 건조 숙성이 아닌 보존 기간 연장 용도로 사용될 수 있다. 또한, 부위 가중치가 낮을수록 장기 숙성에 적합할 수 있다. 이에, 부위 가중치는 숙성 기간과 반비례할 수 있다. 숙성 기간은 상기 부위 가중치가 낮을수록 높아질 수 있다.
도 12는 부위에 따른 육류의 숙성 과정을 설명하기 위한 도면이다.
도 12(a)는 보섭살의 숙성 과정을 나타낸 도면이고, 도 12(b)는 홍두깨살의 숙성 과정을 나타낸 도면이다.
도 12와 같이, 숙성 과정에 따라 살코기 영역의 RGB값이 변화하는 것을 알 수 있다. 이에 따라, 본원 발명은 살코기 영역의 색상값을 분석하여 육류의 숙성 정도를 판단할 수 있다.
도 13은 이미지 분석을 통해 숙성도가 판단된 육류를 설명하기 위한 도면이다.
도 13을 참조하면, 본원 발명은 육류에 대응되는 복수의 픽셀의 색상값을 분석하여, 픽셀마다 픽셀에 대응되는 육류의 영역의 숙성이 완료되었는지 여부를 판단할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 적어도 하나 이상의 프로세서에 의해 수행되는 육류 숙성도 판단 방법에 있어서,
    육류와 관련된 제1 이미지를 전처리하여 제2 이미지를 생성하는 단계;
    상기 제2 이미지의 색상 평균값 및 제1 기준값에 기초하여 부패 영역을 검출하는 단계;
    상기 제2 이미지의 색상값에 기초하여 지방 영역을 검출하는 단계; 및
    제3 이미지- 상기 제3 이미지는 상기 제2 이미지에서 상기 지방 영역을 제외한 영역을 포함함 -의 색상값에 기초하여 유익균 착상 여부 및 숙성도를 판단하는 단계를 포함하는
    육류 숙성도 판단 방법.
  2. 제1항에 있어서,
    상기 제2 이미지를 생성하는 단계는,
    상기 제1 이미지에서 육류에 해당하는 영역을 추출하는 단계를 포함하는
    육류 숙성도 판단 방법.
  3. 제1항에 있어서,
    상기 유익균 착상 여부 및 숙성도를 판단하는 단계는,
    상기 제3 이미지의 색상 평균값 및 제2 기준값에 기초하여 유익균 착상 영역을 검출하는 단계, 및
    상기 제3 이미지의 R값, GB 평균값 및 부위 가중치에 기초하여 숙성도를 판단하는 단계를 포함하는
    육류 숙성도 판단 방법.
  4. 제3항에 있어서,
    상기 부위 가중치는 지방 함량, 지방산 적합도 및 내장 밀접도에 기초하여 결정되는
    육류 숙성도 판단 방법.
  5. 제1항에 있어서,
    상기 부패 영역을 검출하는 단계는,
    상기 제2 이미지에 포함된 픽셀의 색상 평균값이 상기 제1 기준값보다 큰 경우 상기 픽셀을 부패 영역으로 결정하는 단계,
    상기 부패 영역으로 결정된 픽셀의 B값이 R값보다 크고 G값보다 크거나 같은 경우 상기 픽셀을 산패 영역으로 결정하는 단계, 및
    상기 부패 영역으로 결정된 픽셀의 G값이 R값 및 B값보다 큰 경우 상기 픽셀을 유해균 영역으로 결정하는 단계를 포함하는
    육류 숙성도 판단 방법.
  6. 제1항에 있어서,
    상기 지방 영역을 검출하는 단계는,
    상기 제2 이미지에 포함된 픽셀의 R값이 G값 및 B값을 더한 값보다 작은 경우 지방 상기 픽셀을 지방 영역으로 결정하는 단계를 포함하는
    육류 숙성도 판단 방법.
  7. 제3항에 있어서,
    상기 유익균 착상 영역을 검출하는 단계는,
    상기 제3 이미지에 포함된 픽셀의 색상 평균값이 상기 제2 기준값보다 크고, R값이 GB 평균값보다 큰 경우 상기 픽셀을 유익균 착상 영역으로 결정하는 단계를 포함하는
    육류 숙성도 판단 방법.
  8. 제7항에 있어서,
    상기 숙성도를 판단하는 단계는,
    상기 유익균 착상 영역으로 결정된 픽셀은 숙성 완료된 것으로 판단하는 단계,
    상기 제3 이미지에 포함된 픽셀에 대해 상기 부위 가중치를 색상 차이값으로 나눈 값이 제3 기준값보다 작거나 같은 경우 상기 픽셀을 숙성 완료된 것으로 판단하는 단계, 및
    상기 제3 이미지에 포함된 복수의 픽셀에 대한 숙성 완료 픽셀의 비율에 기초하여 육류의 숙성도를 산출하는 단계를 포함하는
    육류 숙성도 판단 방법.
  9. 제3항에 있어서,
    상기 제1 이미지 또는 상기 제2 이미지를 인공지능 모델에 입력하여, 이미지에 포함된 육류의 부위를 결정하는 단계; 및
    결정된 부위에 기초하여 부위 가중치를 결정하는 단계를 더 포함하는
    육류 숙성도 판단 방법.
  10. 제9항에 있어서,
    결정된 부위 및 상기 부위 가중치에 기초하여 숙성 기간을 결정하는 단계를 포함하고,
    상기 숙성 기간은 상기 부위 가중치가 낮을수록 높아지는
    육류 숙성도 판단 방법.
  11. 제8항에 있어서,
    상기 색상 차이값은 R값의 제곱에서 GB 평균값의 제곱을 뺀 값의 제곱근인
    육류 숙성도 판단 방법.
  12. 제1항에 있어서,
    상기 부패 영역이 검출된 경우, 사용자 단말기에 알림을 전송하는 단계를 더 포함하는
    육류 숙성도 판단 방법.
  13. 제10항에 있어서,
    상기 숙성 기간은 상기 부패 영역, 상기 지방 영역, 상기 유익균 착상 여부 및 상기 숙성도 중 적어도 하나 이상에 의해 변경 가능한
    육류 숙성도 판단 방법.
  14. 제1항 내지 제13항 중 어느 한 항에 기재된 육류 숙성도 판단 방법을 실행시키도록 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
  15. 육류를 촬영하는 카메라; 및
    상기 카메라로부터 획득한 제1 이미지를 이용하여 상기 육류의 숙성도를 판단하는 적어도 하나 이상의 프로세서를 포함하고,
    상기 적어도 하나 이상의 프로세서는,
    제1 이미지를 전처리하여 제2 이미지를 생성하고,
    상기 제2 이미지의 색상 평균값 및 제1 기준값에 기초하여 부패 영역을 검출하고,
    상기 제2 이미지의 색상값에 기초하여 지방 영역을 검출하고, 및
    제3 이미지- 상기 제3 이미지는 상기 제2 이미지에서 상기 지방 영역을 제외한 영역을 포함함 -의 색상값에 기초하여 유익균 착상 여부 및 숙성도를 판단하는
    육류 숙성도 판단 장치.
KR1020230026882A 2023-02-28 2023-02-28 육류 숙성도 판단 방법 및 이를 이용한 장치 KR102551173B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020230026882A KR102551173B1 (ko) 2023-02-28 2023-02-28 육류 숙성도 판단 방법 및 이를 이용한 장치
KR1020230081040A KR102565570B1 (ko) 2023-02-28 2023-06-23 육류 숙성도 판단 방법 및 이를 이용한 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230026882A KR102551173B1 (ko) 2023-02-28 2023-02-28 육류 숙성도 판단 방법 및 이를 이용한 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020230081040A Division KR102565570B1 (ko) 2023-02-28 2023-06-23 육류 숙성도 판단 방법 및 이를 이용한 장치

Publications (1)

Publication Number Publication Date
KR102551173B1 true KR102551173B1 (ko) 2023-07-04

Family

ID=87156750

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020230026882A KR102551173B1 (ko) 2023-02-28 2023-02-28 육류 숙성도 판단 방법 및 이를 이용한 장치
KR1020230081040A KR102565570B1 (ko) 2023-02-28 2023-06-23 육류 숙성도 판단 방법 및 이를 이용한 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020230081040A KR102565570B1 (ko) 2023-02-28 2023-06-23 육류 숙성도 판단 방법 및 이를 이용한 장치

Country Status (1)

Country Link
KR (2) KR102551173B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016185085A (ja) * 2015-03-27 2016-10-27 浩二 長崎 熟成肉製造方法と熟成管理装置、及び凍結熟成肉製造方法、並びに低温管理方法と低温管理装置
KR20170079525A (ko) * 2015-12-30 2017-07-10 삼성전자주식회사 육류 숙성 장치, 그 육류 숙성 방법, 육류 숙성 시스템 및 냉장고
KR20210012875A (ko) * 2020-01-22 2021-02-03 주식회사 인큐시스 이미지 센서와 초음파 센서에 기반한 건식 숙성상태 진단 및 자동처리 육류 숙성장치
KR20220132681A (ko) * 2021-03-23 2022-10-04 농업회사법인 (주) 에이라이프 육류숙성장치를 이용한 육류숙성 시스템 및 그 제조방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016185085A (ja) * 2015-03-27 2016-10-27 浩二 長崎 熟成肉製造方法と熟成管理装置、及び凍結熟成肉製造方法、並びに低温管理方法と低温管理装置
KR20170079525A (ko) * 2015-12-30 2017-07-10 삼성전자주식회사 육류 숙성 장치, 그 육류 숙성 방법, 육류 숙성 시스템 및 냉장고
KR20210012875A (ko) * 2020-01-22 2021-02-03 주식회사 인큐시스 이미지 센서와 초음파 센서에 기반한 건식 숙성상태 진단 및 자동처리 육류 숙성장치
KR20220132681A (ko) * 2021-03-23 2022-10-04 농업회사법인 (주) 에이라이프 육류숙성장치를 이용한 육류숙성 시스템 및 그 제조방법

Also Published As

Publication number Publication date
KR102565570B1 (ko) 2023-08-10

Similar Documents

Publication Publication Date Title
KR102072115B1 (ko) 센서에 기반한 건식 숙성상태 진단 및 자동처리 육류 숙성장치
CN109998360B (zh) 一种用于自动烹饪食物的方法和装置
CN109631486A (zh) 一种食物监控方法、冰箱及具有存储功能的装置
CN110806699A (zh) 烹饪设备的控制方法、装置、烹饪设备及存储介质
CN107725453B (zh) 风扇及其控制方法和系统
US20240065476A1 (en) Meat automatic cooking apparatus and controlling method thereof
CN110857831A (zh) 控制冰箱温度的方法及装置
US11534023B2 (en) Cooking device and cooking method
KR102218989B1 (ko) 이미지 센서와 초음파 센서에 기반한 건식 숙성상태 진단 및 자동처리 육류 숙성장치
KR102005404B1 (ko) 어육류 조리용 가열장치 및 그 구동방법
CN110989389A (zh) 一种菜谱的调整方法和装置
KR102551173B1 (ko) 육류 숙성도 판단 방법 및 이를 이용한 장치
US20220361710A1 (en) Cooking device and cooking method
CN111248716B (zh) 食材的烹饪控制方法、图像处理方法、装置及烹饪设备
KR102264844B1 (ko) 산도 센서와 초음파 센서에 기반한 건식 숙성상태 진단 및 자동처리 육류 숙성장치
KR102264834B1 (ko) 산도 센서에 기반한 건식 육류 숙성장치
KR102316541B1 (ko) 후각 센서와 초음파 센서에 기반한 건식 숙성상태 진단 및 자동처리 육류 숙성장치
CN111435447A (zh) 识别留胚米的方法、装置和烹饪器具
US20230018647A1 (en) Real-time automated cooking cycles system using computer vision and deep learning
EP4293636A1 (en) Cooked level determination
US20230375182A1 (en) System and method for moisture and ambient humidity level prediction for food doneness
WO2023242002A1 (en) Cooked level determination
WO2024094446A1 (en) Cooking process control
CN114486886A (zh) 食物检测方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant