PL236615B1 - Sposób klasyfikacji tuszek drobiu - Google Patents
Sposób klasyfikacji tuszek drobiu Download PDFInfo
- Publication number
- PL236615B1 PL236615B1 PL424332A PL42433218A PL236615B1 PL 236615 B1 PL236615 B1 PL 236615B1 PL 424332 A PL424332 A PL 424332A PL 42433218 A PL42433218 A PL 42433218A PL 236615 B1 PL236615 B1 PL 236615B1
- Authority
- PL
- Poland
- Prior art keywords
- fillet
- weight
- carcasses
- meat
- poultry
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 14
- 244000144977 poultry Species 0.000 title claims description 10
- 210000001562 sternum Anatomy 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 235000013372 meat Nutrition 0.000 description 13
- 241000287828 Gallus gallus Species 0.000 description 9
- 235000013330 chicken meat Nutrition 0.000 description 8
- 235000013594 poultry meat Nutrition 0.000 description 8
- 238000005520 cutting process Methods 0.000 description 7
- 235000013305 food Nutrition 0.000 description 6
- 239000002994 raw material Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000271566 Aves Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000408529 Libra Species 0.000 description 1
- 240000005561 Musa balbisiana Species 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 235000021015 bananas Nutrition 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000037380 skin damage Effects 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Processing Of Meat And Fish (AREA)
Description
Opis wynalazku
Przedmiotem wynalazku jest sposób klasyfikacji tuszek drobiu z wykorzystaniem skanowania 3D. Ważnym problemem przemysłu drobiarskiego jest niestandardowość surowca (duże zróżnicowanie w wielkości i masie kurcząt). Niestandardowość surowca stwarza problemy technologiczne, jak również odgrywa istotną rolę w aspekcie ekonomicznym (Brosnan T., Sun D. 2004. Improving quality inspection of food products by Computer vision - a review. Journal of Food Engineering. Nr 61. s. 3-16).
Aspekt technologiczny wpływu zróżnicowanego surowca polega na problemie dostosowania linii rozbiorowych (automatycznych) do wielkości ubijanych i rozbieranych kurcząt. Na przykład, ustawienia automatu do pozyskiwania fileta w zakresie średniej wielkości i masy tuszki może powodować pozostawanie części mięsa przy korpusie, co generuje istotne straty ekonomiczne. Gdy wielkość tuszki będzie mniejsza, niż ustawienia na linii, może to powodować, że razem z filetem wycięciu ulegną kości żeber i obojczyka. Wydajność współczesnych linii ubojowych, wynosząca kilkanaście tysięcy sztuk na zmianę, nie pozwala na dostosowanie ustawień urządzeń indywidualnie do wielkości każdej tuszki. Zautomatyzowane wykrawanie pozwala wprawdzie na ograniczenie pracochłonności i wymaganej powierzchni, ale jednym z najważniejszych wyróżników linii do pozyskiwania filetów powinna być wydajność wykrawania i jakość pozyskanego mięsa.
Aspekt ekonomiczny, poza stratami wynikającymi z niedokładności wykrawania, wynika z różnej masy fileta, która jest możliwa do pozyskania z tuszek kurcząt o różnej wielkości. Tuszki, z których możliwe jest pozyskanie małej ilości fileta powinny być kierowane do sprzedaży w całości. Natomiast pozyskiwanie filetów powinno być prowadzone z tuszek kurcząt o większym udziale tych mięśni. Coraz częściej producenci mięsa drobiowego są zobligowani przez odbiorców do klasyfikacji wagowej filetów. Duże sieci gastronomiczne wymagają standardowej masy filetów, aby proces ich obróbki termicznej (np. smażenia) przebiegał zawsze jednakowo w zakładzie gastronomicznym. Wielkość zamówień czasami jest dość znacząca, stąd możliwość skierowania do rozbioru tuszek, z których pozyskane zostaną filety o określonej masie jest istotna. W przypadku pozyskiwania filetów zbyt dużych istnieje konieczność ich dokrawania do określonej masy, co powoduje powstanie znaczących ilości mięsa drobnego o niepełnej wartości rynkowej.
Obecnie klasyfikacja tuszek w większości zakładów drobiarskich uwzględnia jedynie masę całej tuszki, co nie oddaje w pełni ilości pozyskiwanego fileta z powodu jego zróżnicowanego ukształtowania (zróżnicowanie fileta pod względem uwypuklenia). Najnowocześniejsze rozwiązania w zakresie klasyfikacji surowca, oprócz klasyfikacji wagowej, wyposażone są dodatkowo w systemy video (2D), dzięki którym można precyzyjnie przyporządkować tuszki do klas jakościowych, wykrywać złamania skrzydeł, nóg, uszkodzenia skóry, wybroczyny krwawe. Dzięki temu możliwe jest lepsze wykorzystanie surowca i kierowanie tuszek o odpowiednich parametrach na dalsze etapy procesu dzielenia. Automatyczne systemy video pozwalają na zobiektywizowanie oceny wizualnej i umożliwiają wyeliminowanie tuszek pochodzących z padłych ptaków, które nie zostały wcześniej rozpoznane (Guzek D., Wierzbicka A., Głąbska D. (2011). Potencjał oraz zastosowanie komputerowej analizy i przetwarzania obrazu w przemyśle rolno-spożywczym. Inżynieria Rolnicza 4(129): 67-72.; Materiały informacyjne firmy Meyn (2017) - http://www.meyn.pl/pl/produkty/rozwiazania-kompleksowe.html; dostęp w dniu 28.09.2017 r.; Materiały informacyjne firmy Marel (2017) - http://marel.com/poultry-processing/systems-and-equipment/broilers/grading-weighing-and-distribution/automatic-quality-grading/iris-intelligent-reporting-inspection--selection/432?prdct=1&parent=432. dostęp w dniu 28.09.2017 r.).
Powyższe systemy uwzględniają jedynie możliwość kierowania tuszek o określonej jakości i masie do ewentualnego rozbioru lub sprzedaży w całości, nie uwzględniając wielkości fileta w poszczególnych tuszkach.
Skanowanie 3D jest coraz powszechniejszą praktyką w różnych gałęziach przemysłu, np. przy projektowaniu form wtryskowych, inżynierii odwrotnej i modelowaniu CAD podczas tworzenia modeli dla obrabiarek CNC. Uyar i Erdogdu (2009) stwierdzili, że istnieje możliwość wykorzystania techniki skanowania 3D do określania objętości produktów spożywczych o nieregularnych kształtach, takich jak banany, gruszki oraz jajka (Uyar R, Erdogdu F. 2009. Potential use of 3-dimensional scanners for food process modeling, J Food Engineer 93: 337-343.). Natomiast Goni et al. (2007) wykorzystując technikę skanowania 3D do określania objętości między innymi kawałków mięsa uzyskali średni błąd szacowania mniejszy niż 2% (Goni S.M., Purlis E., Salvadori V.O. (2007). Three-dimensional reconstruction of irregular foodstuffs. J. Food Engineer. 82: 536-547).
PL 236 615 Β1
Skanery 3D zostały już wykorzystane w przemysłowych krajalnicach mięsa. W tradycyjnych krajalnicach mięsa maszyna najpierw tnie mięso na jednolite kawałki, a później są one ważone i mierzone. Znana ze stosowania krajalnica mięsa Libra Nantsune 165C, wyposażona w skaner 3D, tworzy obraz 3D mięsa gotowego do pocięcia w plastry, a następnie, dzięki dokładnemu pomiarowi kształtu bryły mięsa, jest w stanie oszacować właściwą objętość potrzebną do uzyskania zdefiniowanej masy kawałka mięsa, a następnie dane te wykorzystuje do obliczenia ciętej warstwy. Dzięki temu krajalnica tnie mięso na plasterki o tej samej wadze.
Znana krajalnica przemysłowa 3D jest przeznaczona do cięcia na plastry mięsa o regularnym kształcie. W przypadku, gdy w grę wchodzi pozyskiwanie filetów z tuszek drobiu bezpośrednie wykorzystanie skanera 3D nie jest możliwe, ze względu na skomplikowany kształt tuszki i brak bezpośredniej korelacji pomiędzy kształtem całej tuszki a kształtem fileta, który ma być z tej tuszki wykrojony. Ten problem został rozwiązany w obecnym wynalazku.
Sposób klasyfikacji tuszek drobiu z wykorzystaniem metody skanowania 3D, według wynalazku charakteryzuje się tym, że za pomocą skanera 3D mierzy się pole powierzchni przekroju fileta w miejscu przecięcia przez płaszczyznę zdefiniowaną trzema punktami pomiarowymi, z których dwa znajdują się w miejscach połączenia skrzydeł z tułowiem, a trzeci znajduje się na dolnym końcu mostka, po czym określa się masę fileta według następującej tabeli:
| Pole powierzchni przekroju fileta [cm2] | Przewidywana masa fileta [g] | Pole powierzchni przekroju fileta [cm2] | Przewidywana masa fileta [g] |
| 380-390 | 207-237 | 520-530 | 432-475 |
| 390-400 | 223-254 | 530-540 | 448-492 |
| 400-410 | 239-271 | 540-550 | 464-509 |
| 410-420 | 255-288 | 550-560 | 480-526 |
| 420-430 | 271-305 | 560-570 | 496-543 |
| 430-440 | 287-322 | 570-580 | 512-560 |
| 440-450 | 303-339 | 580-590 | 528-577 |
| 450-460 | 319-356 | 590-600 | 544-594 |
| 460-470 | 335-373 | 600-610 | 560-611 |
| 470-480 | 351-390 | 610-620 | 576-628 |
| 480-490 | 368-407 | 620-630 | 592-645 |
| 490-500 | 384-424 | 630-640 | 608-662 |
| 500-510 | 400-441 | 640-650 | 624-679 |
| 510-520 | 416-458 | 650-660 | 640-696 |
W związku z tym, że określenie objętości fileta na podstawie skanu 3D tuszki nie jest możliwe, w sposobie według wynalazku przyjęto inny parametr związany z objętością, a mianowicie przekrój, który jak się okazało, jest w największym stopniu skorelowany z masą fileta. Na podstawie równania regresji pomiędzy polem powierzchni przekroju fileta a jego masą można obliczyć przewidywaną masę fileta z uwzględnieniem standardowego błędu predykcji (błędu szacowania). Prognozowana masa fileta pozwala na odpowiednie zaprojektowanie procesu produkcji, z podziałem tuszek drobiowych na rozdzielne linie produkcyjne w zależności od prognozowanej masy fileta. Na każdej linii ustala się parametr urządzeń odpowiednio do prognozowanej masy fileta.
Sposób według wynalazku może być realizowany za pomocą dowolnego skanera 3D i z wykorzystaniem znanych linii rozbioru drobiu.
Na rysunku przedstawiono:
Fig. 1 - tuszkę kurczaka z zaznaczoną linią definiującą płaszczyznę pomiaru od strony dwóch punktów znajdujących się w miejscach połączenia skrzydeł z tułowiem,
Fig. 2 - tuszkę kurczaka z zaznaczoną linią definiującą płaszczyznę pomiaru od strony punktu znajdującego się na dolnym końcu mostka.
PL236 615B1
W celu określenia powyższego równania regresji dokonano skanowania 28 tuszek kurczaków o różnej wielkości za pomocą skanera 3D ScanBright archeo 2 VOLUME (SMARTTECH, Łomianki, Polska). Następnie obliczono pole powierzchni płaszczyzny wyznaczonej przez trzy punkty: wyznaczone w miejscach połączenia skrzydeł z tułowiem (Fig. 1) oraz końcem mostka (Fig. 2). Obliczenie pola powierzchni w cm2 wykonano wykorzystując program graficzny Leios2 (E.G.S., Włochy). Następnie dokonano rozbioru tuszek i zważono filety oraz wyliczono równanie regresji (masa fileta [g] = 1,5778 * pole powierzchni [cm2] - 377,8623). Na podstawie równania regresji po wyznaczeniu przedziałów powierzchni co 10 cm2 (od 380 do 660 cm2) dokonano obliczenia przewidywanej masy fileta z uwzględnieniem standardowego błędu predykcji (błędu szacowania). Z uwagi na dokładność szacowania zakresy przewidywanych mas fileta w poszczególnych przedziałach pól powierzchni przekrojów fileta mogą się w części pokrywać.
Sposób według wynalazku został bliżej przedstawiony w poniższym przykładzie.
Przykład.
Dokonano skanowania skanerem 3D ScanBright archeo 2 VOLUME (SMARTTECH, Łomianki, Polska) pięciu różnych tuszek kurczaka o różnej masie. Następnie obliczono pole powierzchni płaszczyzny wyznaczonej przez trzy punkty: w miejscach połączenia skrzydeł z tułowiem, jak pokazano na Fig. 1 oraz końcem mostka, jak pokazano na Fig. 2. Obliczenie pola powierzchni w cm2 wykonano wykorzystując program graficzny Leios2 (E.G.S., Włochy). Obliczone pola powierzchni fileta wyznaczone przez płaszczyznę przechodząca przez trzy zdefiniowane powyżej punkty wynosiło odpowiednio 437, 512, 608, 417 i 391 cm2. Według Tabeli przewidywana masa filetów kształtowała się zatem w przedziałach odpowiednio 287-322, 416-458, 560-611,255-288 i 223-254 g.
Claims (1)
- Zastrzeżenie patentowe1. Sposób segregacji tuszek drobiu z wykorzystaniem metody skanowania 3D, znamienny tym, że za pomocą skanera 3D mierzy się pole powierzchni przekroju fileta w miejscu przecięcia przez płaszczyznę zdefiniowaną trzema punktami pomiarowymi, z których dwa (1,2) znajdują się w miejscach połączenia skrzydeł z tułowiem, a trzeci (3) znajduje się na dolnym końcu mostka, po czym określa się masę fileta według następującej tabeli:Pole powierzchni przekroju fileta [cm2] Przewidywana masa fileta [g] Pole powierzchni przekroju fileta [cm2] Przewidywana masa fileta [g] 380-390 207-237 520-530 432-475 390-400 223-254 530-540 448-492 400-410 239-271 540-550 464-509 410-420 255-288 550-560 480-526 420-430 271-305 560-570 496-543 430-440 287-322 570-580 512-560 440-450 303-339 580-590 528-577 450-460 319-356 590-600 544-594 460-470 335-373 600-610 560-611 470-480 351-390 610-620 576-628 480-490 368-407 620-630 592-645 490-500 384-424 630-640 608-662 500-510 400-441 640-650 624-679 510-520 416-458 650-660 640-696PL 236 615 Β1
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PL424332A PL236615B1 (pl) | 2018-01-22 | 2018-01-22 | Sposób klasyfikacji tuszek drobiu |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PL424332A PL236615B1 (pl) | 2018-01-22 | 2018-01-22 | Sposób klasyfikacji tuszek drobiu |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| PL424332A1 PL424332A1 (pl) | 2019-07-29 |
| PL236615B1 true PL236615B1 (pl) | 2021-02-08 |
Family
ID=67384413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PL424332A PL236615B1 (pl) | 2018-01-22 | 2018-01-22 | Sposób klasyfikacji tuszek drobiu |
Country Status (1)
| Country | Link |
|---|---|
| PL (1) | PL236615B1 (pl) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023234773A1 (en) | 2022-05-30 | 2023-12-07 | Marel Poultry B.V. | Method, device and system for measuring a poultry slaughter product |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61260108A (ja) * | 1985-05-15 | 1986-11-18 | Agency Of Ind Science & Technol | ３次元計測方法 |
| JP4140391B2 (ja) * | 2003-01-30 | 2008-08-27 | ソニー株式会社 | ３次元計測装置および３次元計測方法 |
| JP4383840B2 (ja) * | 2003-12-11 | 2009-12-16 | 浜松ホトニクス株式会社 | ３次元形状計測装置 |
| CN102203550B (zh) * | 2008-10-28 | 2013-10-16 | 3形状股份有限公司 | 带有反馈控制的扫描器 |
-
2018
- 2018-01-22 PL PL424332A patent/PL236615B1/pl unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023234773A1 (en) | 2022-05-30 | 2023-12-07 | Marel Poultry B.V. | Method, device and system for measuring a poultry slaughter product |
Also Published As
| Publication number | Publication date |
|---|---|
| PL424332A1 (pl) | 2019-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11982564B2 (en) | Method and a device for estimating weight of food objects | |
| Modzelewska-Kapituła et al. | The effect of muscle, cooking method and final internal temperature on quality parameters of beef roast | |
| Dowlati et al. | Application of machine-vision techniques to fish-quality assessment | |
| CA2744755C (en) | Distinguishing abutting food product | |
| CN106998710B (zh) | 用于将肉制品比如牛里脊肉自动切割成部分的方法和装置 | |
| US7251537B1 (en) | Processing of work piece based on desired end physical criteria | |
| CN106793789B (zh) | 产生由传送装置传送的食物的批量组的方法 | |
| Caldas-Cueva et al. | Use of image analysis to identify woody breast characteristics in 8-week-old broiler carcasses | |
| Velioğlu et al. | Investigating the effects of ingredient levels on physical quality properties of cooked hamburger patties using response surface methodology and image processing technology | |
| US20220203569A1 (en) | System of cutting a homogeneous work product into natural shapes with randomness | |
| PL236615B1 (pl) | Sposób klasyfikacji tuszek drobiu | |
| Balaban et al. | Quality evaluation of seafoods | |
| EP3562308B1 (en) | Automated process for determining amount of meat remaining on animal carcass | |
| DE602004006079T2 (de) | Verfahren zur verarbeitung von filets, wie lachsfilets, und system zur durchführung des verfahrens | |
| Del Nobile et al. | Applications of tomography in food inspection | |
| Vidhya et al. | Applications of X-ray computed tomography in food processing. | |
| US20240037771A1 (en) | A method and a system for determining a weight estimate of a food item | |
| Serrano et al. | Multifractal analysis application to the study of fat and its infiltration in Iberian ham: Influence of racial and feeding factors and type of slicing | |
| JP2020099237A (ja) | 串刺し食品の製造方法、食品の串刺し機に食材を供給するための情報処理装置、制御プログラム及び食材供給システム | |
| Judal et al. | Role of machine vision system in food quality and safety evaluation | |
| Mathiassen et al. | Computer vision in the fish industry | |
| Ganchovska et al. | Application of image processing using NI LabVIEW for mold distribution analysis in blue cheese | |
| US12349688B1 (en) | Method for cutting a center-cut bone-in turkey thigh part from a turkey thigh | |
| OBLITAS-CRUZ et al. | Study of the microstructure-property-processing relationship in five potato (Solanum tuberosum) varieties during the frying process based on an automatic classification system using convolutional neural networks | |
| CN121121246A (zh) | 非接触式计算机视觉食物营养素识别方法和系统及设备 |