MXPA01008411A - Sistema de formacion de imagenes para carnes, para predecir aceptabilidad y produccion. - Google Patents

Abstract

Un sistema de analisis de imagen (IA) para evaluar caracteristicas que pueden predecir el buen sabor y produccion de una carne o corte de cadaver de animal; el sistema de IA utiliza un dispositivo de formacion de imagen, una unidad de procesamiento de datos para procesar datos de imagen, y un dispositivo de salida para producir datos procesados para el usuario; tambien se describe un metodo para utilizar el sistema de IA en la prediccion de buen sabor, produccion, o condiciones defectuosas de una carne o corte de cadaver de animal; los resultados se identifican con una pieza particular de carne para clasificacion, seleccion y procesamiento posteriores.

Description

SISTEMA DE FORMACIÓN DE IMÁGENES PARA CARNES, PARA PREDECIR BUEN SABOR Y PRODUCCIÓN CAMPO DE LA INVENCIÓN El campo de la presente invención es la predicción de buen sabor y producción de carnes. Más específicamente, la presente ¡nvención se refiere a la predicción de buen sabor y producción de carnes mediante el uso de análisis de imagen (IA) para determinar los parámetros de color L* (claridad sicométrica), a* (rojo vs. verde), y b* (amarillo vs. azul) o la densidad del tejido de las porciones magra y de grasa de una carne o corte de cadáver de animal.

DESCRIPCIÓN DE LA TÉCNICA RELACIONADA Los consumidores de carne generalmente prefieren, y están dispuestos a pagar, por carne más tierna. La señal de marmoración de un cadáver de animal se ha demostrado que se correlaciona generalmente con el buen sabor de la carne cocida subsecuente, a través de una amplia escala de niveles de marmoración para res, puerco, y cordero. Sin embargo, entre cadáveres de animales con el mismo nivel de marmoración, existen diferencias sustanciales en buen sabor. Otros factores del cadáver de animal que se cree que predicen el buen sabor incluyen evaluación de madurez, pH del músculo, y color del músculo; estos factores pueden ser más valiosos en la predicción de buen sabor de pollo, pavo, y pescado. Entre aquellos con experiencia en exámenes de cadáveres de animales, por ejemplo, científicos de carne y examinadores del Departamento de Agricultura de E.U.A. (USDA), algunos de estos factores se pueden evaluar y predecir el buen sabor asignando una Clasificación de Calidad de USDA, dado el tiempo suficiente de investigación. En la práctica, para el ejemplo de carne de res, los examinadores del USDA que trabajan en plantas empacadoras normalmente deben asignar Clasificaciones a de 250 a 450 cadáveres de res por hora, lo cual no proporciona tiempo suficiente para una investigación completa de todos los factores relacionados con la predicción de buen sabor. La escasez de tiempo también dificulta la computación adecuada requerida de Clasificaciones de Calidad. Además, se requiere que los examinadores del USDA computen Clasificaciones de Producción, las cuales están diseñadas para estimar la capacidad de corte y composición de un cadáver de animal. Los factores que se utilizan para determinar las Clasificaciones de Producción incluyen el peso en caliente del cadáver de animal, área de costilla (área en sección transversal del longissim?s m. en la interfaz de la 12a-13a costilla), porcentaje estimado de grasa de riñon, pelvis, y corazón, y grosores real y ajustado de grasa subcutánea en el exterior del cadáver de animal. Las limitaciones de tiempo descritas anteriormente para el cálculo de las Clasificaciones de Calidad también se aplican al cálculo de las Clasificaciones de Producción. Los parámetros que delimitan la asignación de Clasificaciones de Calidad y Clasificaciones de Producción están publicados por el USDA Agricultural Marketing Service, Livestock and Seed División, (Servicio de Comercialización Agrícola del USDA, División de Ganadería y Semillas), por ejemplo, para carne de res, los United States Standards for Grades of Carcass Beef. (Normas de Estados Unidos para Clasificaciones de Cadáver de Res). Un dispositivo para evaluar factores que pueden predecir el buen sabor de una carne o corte de cadáver de animal, además del examen del cadáver o corte por un examinador del USDA permitiría predecir de manera más exacta el buen sabor de carne y que las Clasificaciones de Calidad del USDA se asignen de manera más acertada. Esto permitiría una confianza más grande del consumidor en el sistema de Clasificación de Calidad, así como en cualquier sistema adicional para certificación de cumplimiento con las especificaciones de calidad de producto, como se desearía en un programa de "marca comercial". En cualquier caso, se permitiría una clasificación más precisa de cadáveres de animal para determinar los precios de la carne. Esta clasificación superior proporcionaría beneficio económico a aquellos en todos los segmentos del sistema de producción de carne: restauranteros, operadores de servicios de alimentos, y detallistas; empacadores; operadores de lotes de alimentación; y rancheros, granjeros, y criadores de puercos, borregos, reses y ganado lechero, pollos, pavos, y varias especies de pescado. Esta clasificación superior también beneficiaría a científicos en la recolección de datos de cadáveres de animales y cortes para investigación, y a los propietarios antepores de ganadería al tomar decisiones genéticas y otras de administración.

Se han hecho varios intentos para construir dichos dispositivos para utilizarse en la industria de la carne. Uno de dichos dispositivos utiliza un sistema de análisis de imagen de "doble escudriñador" o de "doble componente". Se utilizan dos cámaras; una primera cámara sobre el piso del matadero escudriña un cadáver de animal completo, y una segunda cámara escudriña las costillas después de que el cadáver de animal se enfría y se marca con rayas para descuartizar. En el uso de estos sistemas, se registran los datos de video de un cadáver de res y se transfieren a una computadora. Un programa ejecutado por la computadora determina los porcentajes del cadáver que consisten de grasa y carne magra a partir de la imagen grabada y datos adicionales disponibles, por ejemplo, peso del cadáver de animal en caliente. Entonces se predicen las cantidades de cortes en varios niveles de carne magra que se pueden derivar del cadáver de animal. Sin embargo, basado en evaluación científica, el sistema no es capaz de predecir el buen sabor del cadáver de animal observado para aumentar la asignación de una Clasificación de Calidad del USDA o para otro propósito relacionado con la clasificación de cadáveres de animales en base a la calidad comestible. Un grupo de factores posibles que se pueden examinar para predecir el buen sabor es el color del músculo y la grasa. Wulf et al., J. Anim. Sci. (1997) 75, 684, reportó resultados de evaluación de color en el espacio de color L*a*b* de músculo de longissimus thoracis crudo a las 27 h postmortem, y determinaciones de fuerza de corte de Warner-Bratzler de músculo longissimus lumborum madurado, congelado, cocido, a partir de cadáveres de animales de ganado derivados de cruzas entre varias crías de Bos taurus (genética de base Europea) y Bos indicus (genética tolerante al calor, de base tropical). La ternura, según se mide mediante fuerza cortante, se correlacionó con todas las tres mediciones de color, con la correlación más elevada observada con los valores b*. Estos resultados demuestran que el color del músculo se puede utilizar para predecir el buen sabor de la carne. Entre otros factores que se pueden examinar para predecir el buen sabor están la densidad de tejido de carne magra, la densidad de tejido grasoso, y la densidad del tejido conjuntivo. Park et al., J. Food. Sci. (1994) 59:697-701 , reporta resultados de análisis de característica espectral ultrasónica en modo A (brillantez unidimensional). La ternura se correlacionó con la frecuencia resonante, la jugosidad y el sabor se correlacionaron con el número de máxima local. Estos resultados demostraron que las características espectrales ultrasónicas y otros métodos conocidos en la técnica para determinar la densidad de tejido se pueden utilizar para predecir el buen sabor de la carne. Por consiguiente, es deseable tener un aparato para evaluar factores que pueden predecir el buen sabor de una carne de cadáver de animal. Es deseable que dicho aparato recolecte y procese datos y proporcione información dentro del marco de tiempo en el que un cadáver de animal se examina por un examinador del USDA bajo condiciones típicas en la casa empacadora, normalmente de 5-15 segundos. Es deseable que dicho aparato regrese evaluaciones para al menos uno de, por ejemplo, color y variabilidad de color de tejido de carne magra, color y variabilidad de color de tejido grasoso, grado de marmoración, número promedio y variación de vetas de marmoración por unidad de área, tamaño promedio de marmoración y la variación del tamaño promedio de marmoración, textura promedio, firmeza de tejido de carne magra, densidad de tejido de carne magra, densidad de tejido grasoso y densidad de tejido conjuntivo. Es deseable que el aparato utilice estas mediciones para asignar una clasificación o una evaluación a cadáveres de animales con el fin de que los cadáveres de animales se puedan clasificar en grupos que reflejan diferencias agudas en buen sabor de carne cocida. También es deseable que el aparato utilice estas mediciones para identificar condiciones defectuosas en la carne tales como, pero no limitadas a, magullamiento, cuchilla oscura o anillo de calor. También es deseable tener un aparato para medir el área de superficie en sección transversal de un corte de músculo, expuesto, (por ejemplo, costilla) para utilizarse para predecir la composición (grasa, carne magra, hueso) de un cadáver de animal o corte. Es deseable que el aparato utilice esta medición para asignar una clasificación o evaluación a cadáveres de animales con el fin de que los cadáveres de animales se puedan clasificar en grupos que reflejan diferencias agudas en producción. Es deseable que este aparato también mida las áreas relativas de superficies en sección transversal compuestas de grasa y/o hueso. Además, es deseable tener un aparato para medir, predecir, y clasificar cadáveres de animales en base a cualquier combinación de buen sabor, condiciones defectuosas, y producción.

Adicionalmente, es deseable que dicho aparato sea portátil, por ejemplo, pequeño y de peso ligero. Es deseable que el aparato sea capaz de soportar entornos de plantas empacadoras, por ejemplo, que esté montado en un alojamiento protector. • , BREVE DESCRIPCIÓN DE LA INVENCIÓN La presente invención se refiere a un método para predecir el buen sabor de carne, que comprende: proveer datos de imagen relacionados con al 10 menos una porción de la carne; analizar los datos de imagen para distinguir al menos un área de interés de la carne; analizar los datos de imagen que corresponden a cada área de interés para medir al menos una característica del área de interés basado en los datos de imagen; predecir el buen sabor de la carne en base a la característica. 15 La presente invención también está relacionada con un aparato para predecir el buen sabor de carne, que comprende: un dispositivo de formación de imagen adaptado para proveer un dato de imagen de al menos una porción de la carne; una unidad de procesamiento de datos adaptada para ejecutar instrucciones del programa; un dispositivo de almacenamiento de 20 programa codificado con instrucciones de programa que, cuando se ejecutan, llevan a cabo un método para predecir el buen sabor de carne, el método comprende: analizar los datos de imagen para distinguir al menos un área de interés de la carne; analizar los datos que corresponden al área de interés para medir al menos una característica de la sección de carne magra en base a los datos de imagen; y predecir el buen sabor de la carne basado en la característica. La Figura 1 muestra una vista esquemática de un aparato de la presente invención. La Figura 2 muestra una gráfica de flujo de un método de la presente invención. La Figura 3 muestra una gráfica de flujo de un programa de computadora que analiza los datos de imagen para distinguir al menos un área de interés de la carne; analizar los datos que corresponden al área de interés para medir al menos una característica del área de interés en base a los datos de imagen. La presente invención provee un sistema de análisis de imagen (IA) para evaluar factores que pueden predecir el buen sabor de una carne de cadáver de animal. El sistema de IA puede ser cualquier tipo de sistema de formación de imagen conocido para los expertos en la técnica, tales como una cámara, formación de imagen tomográfica, formación de imagen de resonancia magnética (MRI), formación de imagen de onda de sonido, formación de imagen de onda de radio, formación de imagen de micro ondas o formación de imagen de haz de partículas, y es preferiblemente un sistema de IA de video a color. Como se muestra en la Figura 1 , el sistema de IA incluye un dispositivo de formación de imagen 12, preferiblemente una cámara de video a color 3-CCD, montada preferiblemente en un anexo 11. El dispositivo de formación de imagen 12 tiene preferiblemente un sistema de iluminación 26 montado en el dispositivo de formación de imagen, en el anexo del dispositivo de formación de imagen, o no en el dispositivo de formación de imagen sino en el anexo del dispositivo de formación de imagen. El sistema de iluminación 26 puede ser cualquier dispositivo de emisión de luz conocido para los expertos en la técnica, o una fuente de energía de función equivalente diseñada para incidir sobre la muestra de carne para medición en las partes del espectro de energía que corresponden a las escalas de sensibilidad requeridas por el tipo de dispositivo de formación de imagen 12, incluyendo luz visible, luz infrarroja, luz ultravioleta, rayos X, rayos gama, electrones, positrones, campos eléctricos, campos magnéticos, onda sónica, onda ultrasónica, onda infrasónica o microondas. El sistema de IA también incluye una unidad de procesamiento de datos 16, la unidad de procesamiento de datos 16 en interfaz con un dispositivo de almacenamiento de programa 20 mediante una interfaz 18 de dispositivo de almacenamiento de programa, y con al menos un dispositivo de salida 24 mediante una interfaz 22 de dispositivo de salida. El dispositivo de almacenamiento de programa 20 contiene un programa o programas de computadora que se requieren para el procesamiento adecuado de datos de imagen, preferiblemente datos de imagen de video a color, mediante la unidad de procesamiento de datos 16. La unidad de procesamiento de datos 16 está enlazada a, y recibe datos de, la cámara de video 12 por medio ya sea de un cable de transferencia 14 o un dispositivo de transmisión inalámbrico (no se muestra). La unidad de procesamiento de datos 16 comprende una unidad de procesamiento central estándar (CPU), y, en donde es necesario o adecuado, preferiblemente también un módulo de software o dispositivo de hardware para conversión de datos análogos a datos digitales, y procesamiento de datos de imagen de acuerdo con instrucciones codificadas por un programa de computadora almacenado en el dispositivo de almacenamiento de programa 20. Los datos de imagen se pueden utilizar en el cálculo subsecuente de los valores de características, valores que predicen el buen sabor, las características incluyen color y variabilidad de color de tejido de carne magra, color y variabilidad de color de tejido grasoso, grado de marmoración, número promedio y variación de vetas de marmoración por unidad de área, tamaño promedio de marmoración y la variación del tamaño promedio de marmoración, textura promedio de marmoración y de tejido de carne magra, firmeza de tejido de carne magra, densidad de tejido de carne magra, densidad de tejido grasoso y densidad de tejido conjuntivo. Estos valores se pueden utilizar entonces para clasificar carne (de aquí en adelante definida como una carne, lado o corte de cadáver de animal, o cualquier porción de un lado, corte o cadáver de animal) en grupos que varían en calidad comestible predicha de la carne subsecuentemente cocida. Los parámetros de color L*, a*, y b*, o los parámetros de densidad de tejido también se pueden utilizar para calcular los valores de factores que predicen la producción, tales como el área en sección transversal de un músculo de interés y otros órganos circundantes tales como grasa, hueso y tejido conjuntivo. Entonces se pueden utilizar estos valores para clasificar carne que varía en composición predicha. Los parámetros de color L*, a*, y b* también se pueden utilizar para calcular los valores de factores que predicen condiciones defectuosas de la carne, tales como magullamiento, cortador oscuro (clasificación de calidad inferior) y anillo de calor. Estos valores se pueden utilizar después para distinguir el cadáver de animal como defectuoso o para ajustar o de alguna otra manera alterar la decisión de clasificación de calidad. La unidad de procesamiento de datos 16 está enlazada a, y transmite resultados de procesamiento de datos a, al menos un dispositivo de salida 24 mediante una interfaz 22 de dispositivo de salida. Opcionalmente, los resultados de procesamiento de datos también se pueden escribir en un archivo en el dispositivo de almacenamiento de programa 20 por medio de la interfaz 18 de dispositivo de almacenamiento de programa. Un dispositivo de salida 24 puede ser una pantalla de video, una impresora, u otro dispositivo. Se prefiere que al menos un dispositivo de salida 24 provea una etiqueta física o electrónica para marcar la carne 10 con los resultados del procesamiento de datos, con el fin de facilitar la clasificación de carne, cortes, o ambos de cadáver de animal en grupos con buen sabor y/o producción predichos similares. La presente invención también provee un método para predecir el buen sabor de carne 10 y determinar el área en sección transversal de la carne 10. utilizando el sistema de IA en color al que se hace referencia anteriormente, los datos de imagen recolectados de la carne 10 se registran mediante el dispositivo de formación de imagen 12, se procesan mediante la unidad de procesamiento de datos 16, y los valores de buen sabor y/o área en sección transversal de músculo se emiten mediante el dispositivo de salida 24 para aumentar las observaciones hechas por un examinador de línea del USDA, u otro operador responsable de clasificar o caracterizar la carne de cadáver de animal, con el fin de permitir una asignación más acertada de los Grados de Calidad, Grados de Producción, condiciones defectuosas, y/u otros criterios de evaluación o clasificación basados en las características. Un aparato para utilizarse en la presente invención comprende un dispositivo de formación de imagen 12 y una unidad de procesamiento de datos 16. El dispositivo de formación de imagen 12 puede ser cualquier dispositivo de formación de imagen conocido para los expertos en la técnica, tales como una cámara, un dispositivo de formación de imagen tomográfica (es decir, CAT, PET), dispositivo de formación de imagen de resonancia magnética (MRI), dispositivo de formación de imagen de onda de sonido, dispositivo de formación de imagen de onda de radio, dispositivo de formación de imagen de micro ondas o dispositivo de formación de imagen de haz de partículas. Si el dispositivo de formación de imagen es una cámara, la cámara es al menos una de una cámara fotográfica, una cámara fija digital, y una cámara de video. La cámara responde a la luz en al menos una porción del espectro de luz, cada una de tales porciones consiste de una banda de, tal como un segmento de longitudes de onda ultravioleta (200 nm a 400 nm), longitudes de onda visibles (400nm a 700nm), longitudes de onda infrarroja (700 nm a 10 m) o porciones de las mismas. Si la imagen es tomográfica, se puede obtener mediante al menos una de tomografía de rayos X y tomografía de haz de partículas, tal como una tomografía axial de computadora (CAT) o tomografía de emisión de positrón (PET). Estos dispositivos producen imágenes en sección transversal y tridimensionales no invasivas que resultan de las características de transmisión y escudriñamiento de la muestra al tipo de energía incidente, en donde la intensidad es una función de densidad en sección transversal del objeto. Si la imagen es una imagen de onda de sonido, se puede obtener mediante ultrasonido, ultrasonido de modo B, o formación de imagen infrasónica. Estos dispositivos producen imágenes en sección transversal y tridimensionales no invasivas que resultan de las características de transmisión y de reflexión de la muestra a la frecuencia de onda de sonido aplicada, en donde la intensidad es una función de densidad en sección transversal del objeto. Es importante que el dispositivo de formación de imagen 12 proporcione información dentro del marco de tiempo asignado para examen de carne de cadáver de animal, típicamente de 5-15 segundos. Preferiblemente la emisión es en tiempo real. Dicha emisión en tiempo real puede ser la misma tecnología como el visor en una cámara de video y audio digital o cámara de video conocida, la emisión en tiempo real puede ser la misma tecnología como una cámara de video digital conocida, la emisión en tiempo real puede ser un despliegue en tiempo real generado por computadora como se conoce en aplicaciones de video-conferencias, o puede ser cualquier otra tecnología conocida para los expertos en la técnica. Es preferible que el dispositivo de formación de imagen 12 sea una cámara de video a color, por razones que se discuten enseguida. También se prefiere que el dispositivo de formación de imagen 12 sea pequeño y de peso ligero, para proveer las ventajas de capacidad de transportación y flexibilidad de colocación, es decir, ajuste del ángulo de la cámara por el usuario para proveer la recolección óptima de datos de imagen de la carne 10. También se prefiere que el dispositivo de formación de imagen 12 sea durable, con el fin de soportar mejor el entorno de la planta empacadora. La fuente de energía del dispositivo de formación de imagen 12 puede ser corriente directa, es decir, una batería asegurada a contactos eléctricos de los cuales el dispositivo de formación de imagen 12 puede extraer energía, o corriente alterna provista de un contacto eléctrico o de la unidad de procesamiento de datos 16. Se puede utilizar opcionalmente un sistema de iluminación 26 para iluminar la carne con energía en el espectro útil del dispositivo de formación de imagen. Esto es deseable cuando se utiliza formación de imagen de luz visible y el alumbrado ambiente es deficiente o no uniforme o cuando se desea examinar regiones de la carne 10 que no están iluminadas por luz ambiental, o cuando la sensibilidad espectral del dispositivo de formación de imagen no está en la parte de luz visible del espectro electromagnético. Se puede utilizar cualquier sistema de iluminación 26 conocido o desarrollado en el futuro, por ejemplo una lámpara (incandescente, fluorescente, etc.), un láser, etc., para porciones visibles y casi visibles del espectro, rayos X, rayos gama, electrones, campos eléctricos, campos magnéticos, rayo sónico, rayo ultrasónico, rayo infrasónico, o micro ondas. La fuente de energía 42 del sistema de iluminación 26 puede ser corriente directa, es decir una batería 45, o corriente alterna extraída de un contacto eléctrico 50, el dispositivo de formación de imagen 12, o la unidad de procesamiento de datos 16. Se prefiere que el sistema de iluminación 26 sea pequeño y de peso ligero, por razones que se discuten con referencia al dispositivo de formación de imagen 12, anteriormente. El sistema de iluminación 26 puede estar montado sobre el dispositivo de formación de imagen 12, sobre la superficie exterior de un anexo 11 de dispositivo de formación de imagen, o dentro de un anexo 11 del dispositivo de formación de imagen, el cual se describe enseguida. El dispositivo de formación de imagen 12 y el sistema de iluminación 26 opcional pueden estar no encerrados o encerrados. Preferiblemente, el dispositivo de formación de imagen 12 está encerrado en un anexo 11 del dispositivo de formación de imagen para protección contra el entorno de las plantas de empaque y procesamiento. Es importante que el anexo 11 del dispositivo de formación de imagen provea una primera abertura 13 de manera que el lente del dispositivo de formación de imagen 12 observe a la carne 10. Si se utiliza un sistema de iluminación opcional 26, el sistema de iluminación 26 puede estar montado sobre la superficie exterior del anexo 11 del dispositivo de formación de imagen o dentro del anexo 11 del dispositivo de formación de imagen. Si está montado dentro del anexo 11 del dispositivo de formación de imagen, el sistema de iluminación 26 puede estar montado sobre el dispositivo de formación de imagen 12. Si el sistema de iluminación 26 está montado en el anexo 11 del dispositivo de formación de imagen, es importante que se provea una abertura con el fin de iluminar la carne 10, ya sea la primera abertura 13 que se utiliza por el lente del dispositivo de formación de imagen 12 o una segunda abertura. En cualquier caso, la abertura puede estar no encerrada o puede estar encerrada por un cuadro de un material transparente 14, en el cual "transparente" se define como que permite el paso de sustancialmente todo el tipo de energía y longitud de onda emitida por el sistema de iluminación 26 o que se puede detectar mediante el dispositivo de formación de imagen 12. Si los datos de imagen se van a transferir desde el dispositivo de formación de imagen 12 a la unidad de procesamiento de datos 16 mediante un cable de transferencia conectado entre los mismos, también es importante asegurar que el anexo 11 del dispositivo de formación de imagen provea una abertura 31 con el fin de que el cable salga del anexo. Esta abertura puede ser la primera abertura 13 utilizada por el lente del dispositivo de formación de imagen 12, la segunda abertura que se puede utilizar por el sistema de iluminación 26, o una tercera abertura 31. Si el cable sale del anexo desde la primera o la segunda abertura, y la primera o la segunda abertura está encerrada por un cuadro de material transparente 14, es importante proveer una primera abertura de paso de cable en el cuadro con el fin de que pase el cable. Se prefiere que el anexo 11 del dispositivo de formación de imagen esté construido de un material de peso ligero y que sea sólo suficientemente grande para ajustar de manera conveniente el dispositivo de formación de imagen 12, y opcionalmente el sistema de iluminación 26 descrito anteriormente. Si se va a utilizar corriente alterna como la fuente de energía del dispositivo de formación de imagen 12, es importante que se provea una abertura con el fin de que pase el cable de energía del dispositivo de formación de imagen 12 a la fuente de energía. Se puede utilizar cualquiera de la primera, segunda, o tercera abertura, o se puede utilizar una cuarta abertura. Si la abertura que se va a utilizar está encerrada por un cuadro de material transparente, es importante proveer una segunda abertura de paso de cable en el cuadro con el fin de que pase el cable de energía. De manera alternativa, el cable de energía y el cable de transferencia de datos pueden salir del anexo del dispositivo de formación de imagen a través de una sola abertura de paso de cable. De manera opcional, el anexo del dispositivo de formación de imagen se puede diseñar con características con el fin de permitir que el usuario sostenga y manipule más fácilmente, por ejemplo, asas, montaje de cubierta, etc., y/o con características para permitir la fijación en posición sin sostenimiento ni manipulación de parte del usuario, por ejemplo ménsulas para montaje en la pared, montaje en el techo, o montaje en trípode, entre otras características. Opcionalmente, el montaje en la pared, techo, o trípode puede ser a cabezas giratorias motorizadas con el fin de ajustar el ángulo y longitud de enfoque del dispositivo de formación de imagen.

Preferiblemente, el anexo del dispositivo de formación de imagen se puede diseñar con el fin de que se abra fácilmente para permitir el mantenimiento adecuado del dispositivo de formación de imagen 12 o el reemplazo de una batería si se utiliza corriente directa como la fuente de energía del dispositivo de formación de imagen 12. El mantenimiento del sistema de iluminación 26 también puede ser necesario, y preferiblemente en esta opción se permitirá mediante el mismo diseño de abertura fácil descrito para el dispositivo de formación de imagen 12. El diseño de abertura fácil se puede efectuar mediante el uso de tornillos, abrazaderas, u otros medios ampliamente conocidos en la técnica. La facilidad de mantenimiento es deseable con el fin de minimizar cualquier tiempo de inactividad que se pueda encontrar. Después de que los datos de imagen son capturados por el dispositivo de formación de imagen 12, se transfieren en tiempo real a la unidad de procesamiento de datos 16. Los datos se pueden transferir mediante un cable de transferencia 14 o mediante un dispositivo de transmisión de datos inalámbrico (no se muestra). En la mayoría de las situaciones, un cable de transferencia 14 es el medio de transmisión preferido en base a protección superior y costo más bajo. En situaciones en donde el dispositivo de formación de imagen 12 y la unidad de procesamiento de datos 16 están separados ampliamente, un dispositivo de transmisión de datos inalámbrico (no se muestra) puede ser un medio de transmisión más práctico. Se puede utilizar cualquier técnica de transferencia de datos actualmente conocida o desarrollada en el futuro por los expertos en la técnica.

Los datos de imagen de video se pueden enviar desde la cámara de video 12 a la unidad de procesamiento de datos 16 como datos análogos o digitales. Si se envían como datos análogos, es importante convertir los datos a datos digitales antes de procesamiento enviando los datos a un dispositivo de hardware (no se muestra) o módulo de software capaz de convertir los datos. Dicho módulo de software se puede llamar "sujetador de cuadro de video". Si los datos de imagen se envían como datos digitales, no se requiere conversión antes de procesar los datos. Para propósitos de la presente ¡nvención, una "unidad de procesamiento de datos" 16 se define incluyendo, pero no limitado a, computadoras de escritorio, computadoras de regazo, computadoras que se sostienen a mano, y dispositivos electrónicos dedicados. Cualquier unidad de procesamiento de datos actualmente conocida o desarrollada en el futuro por los expertos en la técnica se puede utilizar en la presente invención. En una modalidad de la presente invención, la unidad de procesamiento de datos 16 puede ser una micro computadora, mini computadora, o estructura principal que no es portátil. La presente invención no está limitada a ninguna unidad de procesamiento de datos, computadora, o sistema operativo específico. Una modalidad ilustrativa, pero que no se considera limitante, es una computadora PC compatible que opera un sistema operativo tal como DOS, Windows, o UNIX. La selección de dispositivo de hardware o módulo de software para conversión de datos análogos a datos digitales para utilizarse en la presente ¡nvención depende del dispositivo de formación de imagen 12, la unidad de procesamiento de datos 16, y el sistema operativo utilizado, pero dadas estas limitaciones la selección se hará fácilmente por un experto en la técnica. En donde el dispositivo de formación de imagen 12 es un dispositivo sensible a la luz visible tal como una cámara a color, también se prefiere que la unidad de procesamiento de datos 16 comprenda un módulo de software que convierta color RGB a color L*a*b*. Un módulo de software ilustrativo para este propósito se vende en Hunter Lab Color Vision Systems (Hunter Associates Laboratory, Inc.) Además de un puerto de cable 46 o un dispositivo de transmisión de datos inalámbrico (no se muestra) con el fin de recibir datos del dispositivo de formación de imagen 12, también se prefiere que la unidad de procesamiento de datos 16 incluya otros dispositivos de entrada, por ejemplo, un teclado, un mouse o esfera de seguimiento, una pluma de luz, una pantalla de toque, un punzón, un lector de códigos de barras, etc., con el fin de permitir que se ejerzan de manera conveniente las opciones del usuario en la operación de la cámara y el software, procesamiento de datos, almacenamiento de datos, información de programa, etc. Existen varias piezas de software (no se muestran) que son importantes para que la unidad de procesamiento de datos 16 las almacene en un dispositivo de almacenamiento de programa 20 (ejemplos de dispositivos de almacenamiento de programa siendo una unidad de disco duro, una unidad de disco blando, una cinta, una ROM, y un CD-ROM, entre otros), se puedan entrar desde el dispositivo de almacenamiento de programa 20 por medio de la interfaz 18 del dispositivo de almacenamiento de programa, y se ejecuten. Es importante que la unidad de procesamiento de datos 16 tenga un sistema operativo 16, y cualesquier unidades de disco de software necesarias para controlar y recuperar datos de manera adecuada del dispositivo de formación de imagen 12 y enviar información a al menos un dispositivo de salida 24. Es importante que la unidad de procesamiento de datos 16 ejecute un programa o programas que puedan procesar datos de imagen recibidos, calculen varios parámetros del músculo que , se formó en imagen en los datos de imagen recibidos, y emita resultados de los cálculos a un dispositivo de salida 24. Un código ilustrativo para dicho programa o programas se da en un anexo en la presente. Una gráfica de flujo para dicho programa o programas se da como la Figura 3. En donde el dispositivo de formación de imagen 12 es un dispositivo de luz visible tal como una cámara a color, los datos de imagen se pueden analizar para parámetros de escala de color. Si se desea cumplir con la norma internacional, los datos de imagen se pueden analizar para los parámetros de escala de color L*, a*, y b*, como se define por la Comisión Internationale d'Eclairage (CIÉ). Un grupo de parámetros de L*, a*, b* se registra para cada cuadro. L*, a*, y b*, son dimensiones de un espacio de color tridimensional que está estandarizado para reflejar cómo se percibe el color por los seres humanos. La dimensión L* corresponde a claridad (un valor se cero siendo negro, un valor de 100 siendo blanco), la dimensión a* corresponde a niveles relativos de verde y rojo (verde siendo un valor negativo, rojo siendo un valor positivo), y la dimensión b* corresponde a niveles relativos de azul y amarillo (azul siendo un valor negativo, amarillo siendo un valor positivo). En una modalidad preferida, el sistema puede capturar imágenes en pixeles de áreas de 75 a 2700 cm2 del músculo de interés, comprendiendo hasta 350,000 pixeles por medición, y determinar L*, a*, y b* para sub regiones del cuadro de imagen que comprenden al menos un píxel cada una. En todas las modalidades, es deseable que la determinación de L*, a*, b* se realice utilizando el software de conversión Hunter Lab o módulo similar. Una vez que se determina el valor de L*, a*, b*, se puede utilizar al menos uno de los componentes de L*, a*, y b*, en procesamiento de datos subsecuente. Los datos de imagen se pueden analizar adicionalmente para identificar áreas de interés que corresponden a factores que pueden predecir el buen sabor utilizando cualquiera de dichos métodos de análisis conocidos para los expertos en la técnica, incluyendo, entre otros, métodos de segmentación de imagen, formación de umbral de histograma, análisis espacial, igualación de patrones, análisis de patrones, red nerviosa, crecimiento de región, y foco de atención, como se describe en numerosas referencias, tales como The Image Processing Handbook, 3a Edición, 1999, John C. Russ, CRC Press. En la modalidad preferida, después de determinar L*, a*, y b* para cada área de interés, un programa calcula entonces varios parámetros de la imagen para cada cuadro. Primero, el programa delimita el músculo de interés seleccionando áreas que tienen tolerancias de b* compatibles con el músculo. Una clasificación de al menos un área de la imagen en una de dos clasificaciones, como en músculo y no-músculo, se puede llamar una "cubierta binaria". Las áreas con valores de b* compatibles con el músculo de interés se examinan entonces para sus evaluaciones L* y a* para verificación y rechazo de tejidos circundantes que invaden el límite del músculo de interés. No se necesita realizar examen adicional sobre áreas con evaluaciones L*, a*, y b* que sugieren hueso, tejido conjuntivo, y grasa. Se determina el área de superficie de la sección transversal del músculo de interés. Dentro de la porción tomada del músculo de interés, se puede distinguir el tejido de carne magra y tejido grasoso del músculo y se pueden determinar las evaluaciones L*, a*, y b* en crudo, y la variación en valores L*, a*, y b* a través del área de interés, para los tejidos de carne magra del músculo. Estas evaluaciones se pueden enviar entonces al dispositivo de salida 24 para desplegarse en formato numérico y/o guardarse para calculas las características de calidad y/o determinación de producción como se describe enseguida. Se sabe que, entre otras características, los valores más altos de b* para tejidos de carne magra de músculo se correlacionan con una ternura más grande (Wulf et al, 1996). Además, también se puede determinar el color de grasa y la variabilidad de color de grasa intramuscular. También dentro de la porción de la imagen tomada del músculo de interés, se pueden hacer determinaciones de cantidad, distribución, dispersión, textura, y firmeza de marmoración (grasa intramuscular depositada dentro del músculo)). La cantidad de marmoración se puede determinar calculando el porcentaje de área de superficie de músculo con evaluaciones de L*, a*, y b* compatibles con tejido grasoso.

Además de calcular la cantidad de marmoración presente, se puede determinar la distribución y dispersión de marmoración. Primero, la porción de la imagen derivada del músculo de interés se puede dividir en subceldas de igual tamaño. Se puede utilizar un tamaño de 64 x 48 pixeles. Dentro de cada sub-celda, se puede determinar el número de vetas de marmoración como el número de regiones discretas con valores L*, a*, y b* que corresponden a grasa, y se puede calcular el número promedio de vetas de marmoración por sub-celda. También se puede calcular la variación de números de vetas de marmoración a través de todas las sub-celdas. Además, se puede determinar el tamaño promedio de cada veta de marmoración a través del músculo de interés a partir del número de pixeles dentro de cada región discreta con valores L\ a*, y b* que corresponden a grasa. La variación de tamaño de marmoración a través de todas las vetas de marmoración también se puede calcular. También se puede medir la textura y la fineza de la marmoración. Es bien sabido que generalmente, cantidades más grandes de marmoración distribuida de manera más uniforme y con textura más fina reflejan una evaluación de marmoración más elevada y por consiguiente carne de calidad comestible más alta. También, el programa puede utilizar datos de L*, a*, y b* para calcular la textura promedio, es decir, la aspereza de superficie en sección transversal, del músculo, y también la firmeza del tejido de carne magra del músculo en sección transversal. Se sabe bien que la aspereza de superficie de un músculo está correlacionada de manera inversa con la ternura, y una mayor firmeza está correlacionada con mayor sabor. En sistemas en los cuales el dispositivo de formación de imagen 12 es un formador de imagen de onda de sonido, formador de imagen tomográfica, formador de imagen de resonancia magnética, formador de imagen de ondas de radio, formador de imagen de microondas, o formador de imagen de haz de partículas, el programa puede determinar la densidad del tejido de carne magra, la densidad del tejido grasoso y la densidad del tejido conjuntivo. Para resumir, las características del área de interés de la carne 10 que se pueden medir ¡ncluyen, pero no están limitadas a, el color del tejido de carne magra, la variación de color del tejido de carne magra, el color del tejido grasoso, la variación de color del tejido grasoso, una cantidad de marmoración, una distribución de marmoración, una dispersión de marmoración, una textura de marmoración, una fineza de marmoración, una textura promedio de tejido de carne magra, una firmeza del tejido de carne magra, un área de superficie de la sección de carne magra, la densidad del tejido de carne magra, la densidad del tejido grasoso y la densidad del tejido conjuntivo. También se pueden determinar las cantidades de la sección no de carne magra de la carne 10, incluyendo pero no limitado al color de grasa, la densidad del tejido de carne magra, la densidad del tejido grasoso, la densidad del tejido conjuntivo y las áreas relativas de superficies en sección transversal compuestas de grasa, hueso, y/o tejido conjuntivo. También se pueden calcular otras características que un experto en la técnica de la ciencia de la carne puede ver fácilmente a partir de los valores L*, a* y b* y que pueden predecir el buen sabor se pueden calcular mediante el programa, y cualesquiera de dichas características se considera que están dentro del alcance de la presente invención. Una vez que se calculan los valores de los varios parámetros descritos anteriormente, el programa puede informar al dispositivo de salida 24 los valores calculados de cualquiera o todas las características dadas anteriormente: color del tejido de carne magra, la variación de color del tejido de carne magra, color del tejido grasoso, variación de color del tejido grasoso, grado de marmoración, número promedio de vetas de marmoración por área de unidad, variación de vetas de marmoración por área de unidad, tamaño promedio de marmoración, variación de tamaño promedio de marmoración, textura y fineza de marmoración, textura promedio de tejido de carne magra, firmeza del tejido de carne magra, la densidad del tejido de carne magra, la densidad del tejido grasoso y la densidad del tejido conjuntivo. Preferiblemente, los valores calculados de las características, si se emiten, se despliegan como caracteres alfanuméricos que se pueden leer de manera conveniente por el operador. De manera alternativa, o adicionalmente, a la emisión de valores de características a un dispositivo de salida 24, se pueden realizar cálculos adicionales utilizando al menos uno de los valores, y opcionalmente valores de parámetros alimentados por el operador, para derivar Grados de Calidad estimados u otros índices totales de buen sabor de carne cocida, los cuales pueden ser emitidos después.

Adicionalmente, se pueden utilizar otros parámetros no determinables mediante el análisis de datos de imagen para aumentar las características determinadas a partir de los datos de imagen, incluyendo, pero no limitado a, pH, cantidad de tejido conjuntivo, solubilidad de tejido conjuntivo, longitud de sarcómero, actividad de proteasa enzimática, medición de calcio, impedancia eléctrica, conductividad eléctrica, y densidad de tejido. Estas características adicionales de la carne se pueden utilizar solas o en combinación para mejorar la exactitud de predicción de buen sabor sobre la obtenida utilizando únicamente las características medidas a partir de los datos de imagen. Además, debido a que un músculo de interés específico ha sido aislado en la imagen en sección transversal, y se puede conocer la geometría y la distancia del aparato en relación con la carne 10, el área de la superficie en sección transversal de la porción de músculo de la carne 10 se puede calcular e informar al dispositivo de salida 24. De manera alternativa, o adicionalmente, a la información del área a un dispositivo de salida 24, se pueden llevar a cabo mediciones adicionales utilizando el área de superficie en sección transversal del músculo, otros parámetros observados fácilmente por un experto en la técnica de ciencia de la carne como con capacidad de cálculo a partir de los datos L*b*a*, otros parámetros derivados de la imagen, o valores de parámetros alimentados por el operador, para derivar Grados de Calidad estimados u otros índices totales de composición de la carne 10.

Además, se pueden utilizar otros parámetros no determinables mediante el análisis de datos de imagen para aumentar las características determinadas a partir de los datos de imagen, incluyendo, pero no limitado a, profundidad de grasa subcutánea. Estas características adicionales de la carne se pueden utilizar solas o en combinación para mejorar la exactitud de predicción de Grados de Calidad sobre las obtenidas utilizando únicamente características medidas a partir de los datos de imagen. Los resultados reportados por el programa se pueden emitir a cualquier dispositivo de salida 24, tal como una pantalla, impresora, bocina, etc. Si se desea la evaluación del operador de los resultados, los resultados preferiblemente se pueden desplegar en una pantalla. Preferiblemente, la pantalla es fácilmente visible al examinador, evaluador, u operador en su sitio. De manera alternativa, o adicionalmente, es preferible que los resultados se impriman o se emitan de tal manera que los resultados emitidos se puedan transferir y fijar a la carne 10. la manera de emitir los resultados puede ser texto, símbolos, o iconos legibles por personal ya sea en la planta empacadora o en puntos posteriores en el sistema de producción de carne. De manera alternativa, la forma de emitir los resultados puede ser un código de barras u otro objeto que se puede leer mediante equipo adecuado y decodificarse en formas legibles por el personal en varios puntos del sistema de producción. Los resultados emitidos se pueden fijar a la carne 10 mediante métodos bien conocidos en la técnica, los cuales incluyen, pero no están limitados a, alfileres, tachuelas, y adhesivo.

La fuente de energía 50 de la unidad de procesamiento de datos 16 puede ser corriente directa, es decir, una batería, o corriente alterna extraída de un contacto eléctrico. En la modalidad en la cual la unidad de procesamiento de datos 16 5 está dedicada para utilizarse en el presente aparato, la unidad de procesamiento de datos 16 puede estar montada en un anexo 15 de unidad de procesamiento de datos o en el anexo 11 del dispositivo de formación de imagen, o puede estar no encerrada. En la modalidad en la cual la unidad de procesamiento de datos , 16 es una micro computadora, mini computadora, o recurso de computación de 0 estructura principal presente en la planta o instalación en donde se utiliza el aparato, no se requiere el anexo. En la modalidad en la cual la unidad de procesamiento de datos 16 es una entidad separada, autónoma, portátil, preferiblemente la unidad de procesamiento de datos 16 está montada en un anexo 15 de unidad de procesamiento de datos. 5 Es importante que el anexo de la unidad de procesamiento de datos provea una abertura 47 o aberturas para salida de datos hacia o despliegue de datos mediante el dispositivo de salida 24. Por ejemplo, si el despliegue se va a realizar utilizando una pantalla de video congruente con la unidad de procesamiento de datos 16, es importante que el anexo de la unidad 0 de procesamiento de datos provea una abertura 47 para observación de la pantalla de video a través de la misma. Dicha abertura puede estar no cubierta o puede estar cubierta por un cuadro de material transparente 48, tal como vidrio, plástico, etc. Si el despliegue se va a realizar mediante un dispositivo externo, por ejemplo un monitor remoto o impresora, es importante que el anexo de la unidad de procesamiento de datos provea una abertura (no se muestra) para paso de un cable de salida 22 a través de la misma. Si la unidad de procesamiento de datos 16 está suministrada de energía mediante corriente alterna, es importante que el anexo 15 de la unidad de procesamiento de datos provea una abertura 49 para paso de un cable de energía a través de la misma. Si se desea almacenar informes en una unidad de disco blando interno (no se muestra), es importante que el anexo 15 de la unidad de procesamiento de datos provea una abertura (no se muestra) para inserción y remoción de discos blandos hacia y desde la unidad de disco blando interna a través de la misma. Si se desea almacenar informes a un dispositivo de almacenamiento de programa externo 20, es importante que el anexo 15 de la unidad de procesamiento de datos provea una abertura 19 para el paso de un cable de transferencia de datos 18 a través de la misma. Preferiblemente, si la unidad de procesamiento de datos 16 es una unidad dedicada autónoma, el anexo 15 de la unidad de procesamiento de datos es sólo suficientemente grande para ajustar de manera conveniente la unidad de procesamiento de datos 16, y es de peso ligero. Opcionalmente, el anexo 15 de la unidad de procesamiento de datos se puede diseñar con características para permitir más fácilmente el manejo por el usuario, por ejemplo, asas. En esta modalidad, también se prefiere que el anexo 15 de la unidad de procesamiento de datos sea maleable para abertura fácil para permitir el mantenimiento conveniente de la unidad de procesamiento de datos 16. El diseño de abertura fácil se puede efectuar por medios descritos para el anexo de la cámara, supra. El aparato descrito anteriormente se puede utilizar en métodos para predecir el buen sabor, producción, y/o condiciones defectuosas de, o para aumentar la asignación de estándares de USDA u otros estándares internacionales a, carne o cortes de cadáveres de animales, o para clasificación para otros propósitos (por ejemplo, marcas comerciales, líneas de productos, etc.). El primer paso implica recolectar datos de imagen de la carne 10 utilizando el dispositivo de formación de imagen 12. El segundo paso implica procesar los datos de imagen utilizando la unidad de procesamiento de datos 16. El tercer paso implica utilizar los resultados del paso de procesamiento para reportar características que determinan la calidad que se pueden utilizar para aumentar las graduaciones del USDA en la asignación de Grados de Calidad del USDA, para reportar las áreas de superficie en sección transversal del músculo que se pueden utilizar para aumentar las graduaciones del USDA en la asignación de Grados de Calidad del USDA, u otros estándares de clasificación internacionales, para reportar condiciones de defectos de la carne, o para seleccionar la carne 10 en base a requerimientos específicos de, por ejemplo, un programa de marca comercial o de línea de producto. Utilizando este método, el tiempo limitado del examinador u operador para analizar la carne 10 se puede utilizar en el enfoque de parámetros que se examinan más fácilmente por una persona, proveyendo al examinador u operador con más datos para cada muestra de carne 10 en la misma cantidad de tiempo, y permitiendo una predicción más exacta del buen sabor y asignación de Grados de Calidad y Grado de Producción de lo que es posible actualmente. Además, este método permite que se realice el cómputo requerido de manera más rápida y exacta de lo que es posible actualmente. El siguiente ejemplo se incluye para demostrar una modalidad preferida de la invención. Se debe apreciar por los expertos en la técnica que las técnicas que se describen en los siguientes ejemplos representan técnicas descubiertas por el inventor para funcionar bien en la práctica de la invención, y por consiguiente se puede considerar que constituyen modos preferidos para su práctica. Sin embargo, los expertos en la técnica deben apreciar, a la luz de la presente descripción, que se pueden hacer muchos cambios en las modalidades específicas que se describen y aún obtener un resultado ¡gual o similar sin apartarse del espíritu y alcance de la ¡nvención.

EJEMPL0 1 Separación de cadáveres de animales con probabilidades muy bajas de problemas de ternura Una población de 324 cadáveres de res se examinó en un esfuerzo por separar una población de cadáveres con probabilidades muy bajas (<0.0003) de tener valores de fuerza de corte de costilla de 4.5 kg o más grandes y los cortes subsecuentes inaceptables difíciles de comer. De los 324 cadáveres, se certificaron 200 que cumplen con el estándar de ternura mencionado anteriormente. De las 324 cabezas, se pre-seleccionaron 17 cabezas para la sub-población de ternura en base a evaluaciones de marmoración determinadas por experto (científico de carne o Supervisor de clasificación del USDA) de Modesta, Moderada, o Ligeramente Abundante, los tres grados más altos de marmoración en los Estándares de Estados Unidos para Clasificación de Carne de Res (United States Standards for Grades of Carcass Beef). En un segundo paso de pre-selección, 41 cabezas de las 307 restantes se pre-seleccionaron en base al color L*a*b*. Estos cadáveres presentaron un segundo componente principal de valores L*a* y b* de carne magra de menos de -0.70. Tales valores bajos de la variable combinada se ha observado que indican de manera consistente ternura suficiente de la carne magra cocida subsecuente. Tercero, 19 de las 266 cabezas restantes se pre-seleccionaron en base a la distribución de marmoración. La distribución de marmoración se determinó, y se calculó la variación de distribución de marmoración, mediante un aparato de la presente invención. Se ha observado que una variación de distribución de marmoración de menos de 1.1 indica de manera consistente ternura suficiente de la carne magra cocida subsecuente (es decir, un valor de fuerza de corte de menos de 4.5 kg). En el paso final, se predijeron los valores de ternura para cada una de las 247 cabezas restantes utilizando una ecuación de regresión múltiple utilizando valores CIÉ a* para carne magra y grasa, así como porcentaje de marmoración al cuadrado medido por máquina. La ecuación de regresión múltiple determinó que 123 de 247 cadáveres se predice que tienen una probabilidad de ser no tiernos de 0.0003. Estos 123 cadáveres fueron separados entonces con las 77 cabezas que habían sido pre-seleccionadas, y se certificaron como que son tiernos. Los cadáveres restantes tuvieron una probabilidad normal de 0.117 de tener valores de fuerza de corte de más de 4.5 kg. Los resultados indican que el sistema es capaz de separar grupos de cadáveres de res que tienen probabilidades muy bajas de dureza inaceptable, en donde los métodos de clasificación actuales no pueden llevar a cabo esta separación de manera adecuada. Esta clasificación mejorada incrementa el valor económico de cadáveres tiernos que habrían sido clasificados de manera más inferior mediante los métodos actuales. Tanto los aparatos como los métodos que se describen y se reivindican en la presente se pueden elaborar y ejecutar sin experimentación indebida a la luz de la presente descripción. Aunque los aparatos y métodos de esta ¡nvención se han descrito en términos de modalidades preferidas, será evidente para los expertos en la técnica que se pueden aplicar variaciones a los aparatos y métodos sin apartarse del espíritu de las reivindicaciones presentes.

Claims (42)

NOVEDAD DE LA INVENCIÓN REIVINDICACIONES

1.- Un método para predecir el buen sabor de carne, caracterizado porque comprende los pasos de: obtener al menos una imagen de una muestra de carne; analizar dicha al menos una imagen para identificar al menos un área de interés de dicha muestra de carne; analizar al menos un área de interés para determinar al menos una característica de dicha muestra de carne; y predecir el buen sabor de dicha muestra de carne en base a al menos una característica.

2.- El método de conformidad con la reivindicación 1 , caracterizado además porque dicha al menos una imagen se obtiene mediante al menos una cámara, dispositivo de formación de imagen tomográfica, dispositivo de formación de imagen de resonancia magnética (MRI), dispositivo de formación de imagen de ondas de sonido, dispositivo de formación de imagen de ondas de radio, dispositivo de formación de imagen de microondas, y dispositivo de formación de imagen de haz de partículas.

3.- El método de conformidad con la reivindicación 2, caracterizado además porque dicha al menos una cámara es al menos una de una cámara fotográfica, una cámara fija digital, y una cámara de video.

4.- El método de conformidad con la reivindicación 2, caracterizado además porque dicha al menos una cámara responde a la luz en al menos un segmento del espectro de luz.

5.- El método de conformidad con la reivindicación 4, caracterizado además porque dicho al menos un segmento del espectro de luz comprende longitudes de onda ultravioleta, longitudes de onda visibles, longitudes de onda infrarrojas, o porciones de las mismas.

6.- El método de conformidad con la reivindicación 2, caracterizado además porque se obtiene al menos una imagen tomográfica mediante tomografía de rayos X o tomografía de haz de partículas.

7.- El método de conformidad con la reivindicación 2, caracterizado además porque se obtiene al menos una imagen de onda de sonido mediante formación de imagen por ultrasonido, ultrasonido de modo B, o infrasónica.

8.- El método de conformidad con la reivindicación 1 , caracterizado además porque dicho análisis para identificar al menos un área de interés es mediante al menos un método de segmentación de imagen, formación de umbral de histograma, análisis espacial, igualación de patrones, análisis de patrón, red nerviosa, crecimiento de región, y foco de atención.

9.- El método de conformidad con la reivindicación 8, caracterizado además porque dicho análisis se realiza en al menos un plano de imagen.

10.- El método de conformidad con la reivindicación 1 , caracterizado además porque dicha al menos una característica comprende al menos una del color del tejido de carne magra, la variación de color del tejido de carne magra, el color del tejido grasoso, la variación del color del tejido grasoso, una cantidad de marmoración, una distribución de marmoración, una dispersión de marmoración, una textura de marmoración, una fineza de marmoración, una textura promedio del tejido de carne magra, una firmeza del tejido de carne magra, un área de superficie del área de interés, una longitud del área de interés, un ancho del área de interés, densidad del tejido de carne magra, densidad del tejido grasoso, y densidad del tejido conjuntivo.

11.- El método de conformidad con la reivindicación 1 , caracterizado además porque comprende adicionalmente determinar al menos una característica no de imagen de dicha muestra de carne; y predecir el buen sabor de dicha muestra de carne en base a dicha al menos una característica determinada a partir de dicha al menos una imagen, en combinación con la al menos una característica no de imagen.

12.- El método de conformidad con la reivindicación 11 , caracterizado además porque dicha al menos una característica no de imagen comprende al menos una de pH, cantidad de tejido conjuntivo, solubilidad de tejido conjuntivo, longitud de sarcómero, actividad enzimática de proteasa, medición de calcio, ¡mpedancia eléctrica, conductividad eléctrica, y densidad de tejido.

13.- El método de conformidad con la reivindicación 1 , caracterizado además porque comprende adicionalmente determinar un Grado de Calidad para la carne en base a dicha al menos una característica.

14.- El método de conformidad con la reivindicación 1 , caracterizado además porque comprende adicionalmente determinar un Grado de Producción para la carne en base a dicha al menos una característica.

15.- El método de conformidad con la reivindicación 14, caracterizado además porque comprende adicionalmente determinar al menos una característica no de imagen de dicha muestra de carne; y determinar un Grado de Producción para la carne en base a dicha al menos una característica determinada a partir de dicha al menos una imagen, en combinación con dicha al menos una característica no de imagen.

16.- El método de conformidad con la reivindicación 1 , caracterizado además porque comprende adicionalmente determinar condiciones defectuosas para la carne en base a dicha al menos una característica.

17.- Un aparato para predecir el buen sabor de carne, que comprende al menos un dispositivo de formación de imagen para obtener al menos una imagen de una muestra de carne; una unidad de procesamiento de datos adaptada para ejecutar instrucciones de programa; un dispositivo de almacenamiento de programa codificado con instrucciones de programa que, cuando se ejecutan, llevan a cabo un método para predecir el buen sabor de carne, el método comprende: analizar al menos una imagen para identificar al menos un área de interés de la muestra de carne; analizar dicha al menos un área de interés para determinar al menos una característica de la muestra de carne; y predecir el buen sabor de la muestra de carne basado en dicha al menos una característica.

18.- El aparato de conformidad con la reivindicación 17, caracterizado además porque el al menos un dispositivo de formación de imagen es al menos uno de una cámara, un formador de imagen tomográfica, un formador de imagen de resonancia magnética, un formador de imagen de ondas de sonido, un formador de imagen de ondas de radio, un formador de imagen de microondas, y un formador de imagen de haz de partículas.

19.- El aparato de conformidad con la reivindicación 18, caracterizado además porque dicha al menos una cámara es al menos una de una cámara fotográfica, una cámara fija digital, y una cámara de video.

20.- El aparato de conformidad con la reivindicación 18, caracterizado además porque dicha al menos una cámara responde a la luz en al menos un segmento del espectro de luz.

21.- El aparato de conformidad con la reivindicación 19, caracterizado además porque dicho al menos un segmento del espectro de luz comprende longitudes de onda ultravioleta, longitudes de onda visibles, longitudes de onda infrarrojas, o porciones de las mismas.

22.- El aparato de conformidad con la reivindicación 18, caracterizado además porque dicho al menos un formador de imagen tomográfica es al menos uno de un formador de imagen tomográfica de rayos X, y un formador de imagen tomográfica de haz de partículas.

23.- El aparato de conformidad con la reivindicación 18, caracterizado además porque dicho al menos un formador de imagen es al menos uno de un formador de imagen de ultrasonido, un formador de imagen de ultrasonido de modo B, y un formador de imagen infrasónico.

24.- El aparato de conformidad con la reivindicación 17, caracterizado además porque dicha al menos un área de interés se identifica mediante al menos uno de métodos de segmentación de imagen, formación de umbral de histograma, análisis espacial, igualación de patrones, análisis de patrón, red nerviosa, crecimiento de región, y foco de atención.

25.- El aparato de conformidad con la reivindicación 24, caracterizado además porque dicho análisis se realiza en al menos un plano de imagen.

26.- El aparato de conformidad con la reivindicación 17, caracterizado además porque dicha al menos una característica comprende al menos una del color del tejido de carne magra, la variación de color del tejido de carne magra, el color del tejido grasoso, la variación del color del tejido grasoso, una cantidad de marmoración, una distribución de marmoración, una dispersión de marmoración, una textura de marmoración, una fineza de marmoración, una textura promedio del tejido de carne magra, una firmeza del tejido de carne magra, un área de superficie del área de interés, una longitud del área de interés, un ancho del área de interés, densidad del tejido de carne magra, densidad del tejido grasoso, y densidad del tejido conjuntivo.

27.- El aparato de conformidad con la reivindicación 17, caracterizado además porque el método comprende adicionalmente determinar al menos una característica no de imagen de dicha muestra de carne; y predecir el buen sabor de dicha muestra de carne en base a dicha al menos una característica determinada a partir de dicha al menos una imagen, en combinación con la al menos una característica no de imagen.

28.- El aparato de conformidad con la reivindicación 27, caracterizado además porque dicha al menos una característica no de imagen comprende al menos una de pH, cantidad de tejido conjuntivo, solubilidad de tejido conjuntivo, longitud de sarcómero, actividad enzimática de proteasa, medición de calcio, impedancia eléctrica, conductividad eléctrica, y densidad de tejido.

29.- El aparato de conformidad con la reivindicación 17, caracterizado además porque comprende adicionalmente determinar un Grado de Calidad para la carne en base a dicha al menos una característica.

30.- El aparato de conformidad con la reivindicación 17, caracterizado además porque el método comprende adicionalmente determinar un Grado de Producción para la carne en base a dicha al menos una característica.

31.- El aparato de conformidad con la reivindicación 30, caracterizado además porque el método comprende adicionalmente determinar al menos una característica no de imagen de dicha muestra de carne; y determinar un Grado de Producción para la carne en base a dicha al menos una característica determinada a partir de dicha al menos una imagen, en combinación con dicha al menos una característica no de imagen.

32.- El aparato de conformidad con la reivindicación 17, caracterizado además porque el método comprende adicionalmente determinar condiciones defectuosas para la carne en base a dicha al menos una característica.

33.- Un aparato para predecir el buen sabor de carne, caracterizado porque comprende: medios para obtener al menos una imagen de una muestra de carne; medios para analizar dicha al menos una imagen para identificar al menos un área de interés de dicha muestra de carne; medios para analizar dicha área de interés para determinar al menos una característica de la muestra de carne; y medios para predecir el buen sabor de la muestra de carne en base a dicha al menos una característica.

34.- El método de conformidad con la reivindicación 1 , caracterizado además porque dicha predicción de buen sabor incluye calcular al menos uno de los componentes de color L*, b*, o a* de la muestra.

35.- El método de conformidad con la reivindicación 17, caracterizado además porque dicha predicción de buen sabor incluye calcular al menos uno de los componentes de color L*, b*. o a* de la muestra.

36.- El método de conformidad con la reivindicación 33, caracterizado además porque dicha predicción de buen sabor incluye calcular al menos uno de los componentes de color L*, b*. o a* de la muestra.

37.- El método de conformidad con la reivindicación 1 , caracterizado además porque dicha al menos una característica comprende al menos una de la variación de color del tejido de carne magra, la variación de color del tejido grasoso, una distribución de marmoración, una textura de marmoración, una fineza de marmoración, una textura promedio del tejido de carne magra, o una firmeza del tejido de carne magra.

38.- El método de conformidad con la reivindicación 17, caracterizado además porque dicha al menos una característica comprende al menos una de la variación de color del tejido de carne magra, la variación de color del tejido grasoso, una distribución de marmoración, una textura de marmoración, una fineza de marmoración, una textura promedio del tejido de carne magra, o una firmeza del tejido de carne magra.

39.- El método de conformidad con la reivindicación 1 , caracterizado además porque dicha al menos una imagen se obtiene mediante al menos un dispositivo de formación de imagen tomográfica, dispositivo de formación de imagen de resonancia magnética (MRI), dispositivo de formación de imagen de ondas de radio, dispositivo de formación de imagen de microondas, o dispositivo de formación de imagen de haz de partículas.

40.- El método de conformidad con la reivindicación 17, caracterizado además porque dicha al menos una imagen se obtiene mediante al menos un dispositivo de formación de imagen tomográfica, dispositivo de formación de imagen de resonancia magnética (MRI), dispositivo de formación de imagen de ondas de radio, dispositivo de formación de imagen de microondas, o dispositivo de formación de imagen de haz de partículas.

41.- El método de conformidad con la reivindicación 16, caracterizado además porque dichas condiciones defectuosas incluyen al menos una de magullamiento, cortador oscuro (clasificación de calidad inferior) o anillo de calor.

42.- El método de conformidad con la reivindicación 32, caracterizado además porque dichas condiciones defectuosas incluyen al menos una de magullamiento, cortador oscuro (clasificación de calidad inferior) y anillo de calor. FIGURA 2 Proveer datos de imagen relacionados con al menos una porción de la carne Analizar datos de imagen para distinguir al menos un área de interés de la carne Analizar los datos de imagen que corresponden al área de interés Medir una característica del área de interés basado en los datos de imagen Predecir el buen sabor de la carne en base a la característica. FIGURA 3 Indicar ID de muestra Aceptar imagen de toma de ID Normalizar imagen Determinar qué es carne magra vs. grasa vs. otros Descomponer imagen en componentes de carne magra de costilla, grasa de costilla, grasa intramuscular Computar color de carne magra de costilla y grasa intramuscular Computar % de marmoración total, número de vetas, tamaño de veta promedio, desviación estándar de tamaños de vetas Computar distribución espacial de marmoración Computar buen sabor predicho Guardar resultados.