JP2020174601A - Electronic apparatus and control method thereof - Google Patents
Electronic apparatus and control method thereof Download PDFInfo
- Publication number
- JP2020174601A JP2020174601A JP2019080190A JP2019080190A JP2020174601A JP 2020174601 A JP2020174601 A JP 2020174601A JP 2019080190 A JP2019080190 A JP 2019080190A JP 2019080190 A JP2019080190 A JP 2019080190A JP 2020174601 A JP2020174601 A JP 2020174601A
- Authority
- JP
- Japan
- Prior art keywords
- meat
- electronic device
- inspection
- processed food
- cartilage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Processing Of Meat And Fish (AREA)
Abstract
Description
本発明は、電子機器およびその制御方法に関し、特に検査の結果を出力するための技術に関する。 The present invention relates to an electronic device and a control method thereof, and particularly to a technique for outputting an inspection result.
近年、光を用いて検査を行う技術が知られている。特許文献１には、近赤外線からの分光を用いて得られた分光画像に基づき、スペクトルデータを抽出し、錠剤が良品か、異種錠剤かを判定することが開示されている。
In recent years, a technique for performing an inspection using light has been known.
特許文献１の方法では、実際に検査の後に加工を行ったり、他の検査や製品の処理などの他の工程のあるような場合において、ユーザにどのように検査結果を示したり、検査結果に基づく処理を行うのかユーザは分からない。
In the method of
本発明は、上記の課題に鑑み、所定の処理を行う途中に行われる検査結果を出力するための装置または方法の提供を目的とする。 In view of the above problems, an object of the present invention is to provide an apparatus or method for outputting an inspection result performed during a predetermined process.
上記目的を達成するために、本発明の電子機器は、複数の肉の部位を混ぜ合わせることで１つの加工食品を作成する加工処理において、前記複数の肉の部位のうち、前記加工食品に含めないようにする第１の部位と、前記加工食品に含めるようにする第２の部位のうち少なくともいずれか一方を含む肉の塊に対する光学的な検査を行う検査手段からの検査結果に基づく情報を取得可能な取得手段と、前記取得手段からの情報に基づき、前記第１の部位と前記第２の部位とに対して異なる出力をするように制御する制御手段とを有することを特徴とする。 In order to achieve the above object, the electronic device of the present invention is included in the processed food among the plurality of meat parts in the processing process for producing one processed food by mixing a plurality of meat parts. Information based on the inspection results from an inspection means that performs an optical inspection on a chunk of meat containing at least one of a first part to be eliminated and a second part to be included in the processed food. It is characterized by having an acquisition means that can be acquired and a control means that controls the first portion and the second portion so as to output different outputs based on the information from the acquisition means.
本発明によれば、所定の処理を行う途中に行われる検査結果を出力するための装置または方法を提供することができる。 According to the present invention, it is possible to provide an apparatus or method for outputting an inspection result performed during a predetermined process.
以下、本発明を実施するための形態について、図面を参照しながら具体的に説明する。なお、以下で説明する具体例は本発明に係る最良の実施形態の一例ではあるが、本発明はこれらの具体例に限定されるものではない。 Hereinafter, embodiments for carrying out the present invention will be specifically described with reference to the drawings. Although the specific examples described below are examples of the best embodiments according to the present invention, the present invention is not limited to these specific examples.
まず、本実施形態に係る電子機器１の構成について図１を用いて説明する。図１は、本実施形態に係る電子機器１を含むシステム１００の構成を示すブロック図である。
First, the configuration of the
本実施形態に係るシステム１００は、電子機器１と、計測装置２（Ｘ線装置、ハイパースペクトルカメラ）とを有する。電子機器１と、計測装置２とは部分的に又は全体的にネットワークを介して接続されていても良いし、電子機器１と表示部３とは別でもよい。さらに、電子機器１は不図示の工場内の食肉可能のための制御を行う装置と通信可能またはその装置を制御可能とする。なお、ネットワークはＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）及びインターネットを含む。
The system 100 according to the present embodiment includes an
計測装置２は、計測部２１と、制御部２２と、を有する。計測部２１は、制御部２２によって制御され、不図示の検査対象となる肉からスペクトルを計測しスペクトルデータを取得する部分である。
The measuring device 2 has a
スペクトルデータは、複数のスペクトル成分のそれぞれに対して、該スペクトル成分の強度値（「スペクトル強度」と称する）が格納されたデータであれば、特に限定はされない。スペクトルデータとしては、例えば、検査対象となる肉に対して刺激を与えた際に生じる応答について、その応答強度（スペクトル強度に対応する）を計測パラメータ（スペクトル成分に対応する）に対して格納したデータを用いることができる。ここで言う「刺激」とは、電磁波や音、電磁場、温度、湿度を含む。 The spectral data is not particularly limited as long as it is data in which an intensity value (referred to as “spectral intensity”) of the spectral component is stored for each of the plurality of spectral components. As the spectral data, for example, the response intensity (corresponding to the spectral intensity) of the response generated when the meat to be inspected is stimulated is stored with respect to the measurement parameter (corresponding to the spectral component). Data can be used. The term "stimulus" here includes electromagnetic waves, sound, electromagnetic fields, temperature, and humidity.
スペクトルデータとしては、具体的には、紫外又は可視又は赤外域の分光スペクトルデータ、ラマン分光スペクトルデータ、ＮＭＲスペクトルデータ、質量スペクトルデータ、液体クロマトグラム、ガスクロマトグラム、音の周波数スペクトルデータ等が挙げられる。ラマン分光スペクトルデータとしては、自発ラマン散乱分光スペクトルデータ、非線形ラマン散乱分光スペクトルデータを含む。非線形ラマン散乱分光としては、誘導ラマン散乱（Ｓｔｉｍｕｌａｔｅｄ Ｒａｍａｎ Ｓｃａｔｔｅｒｉｎｇ：ＳＲＳ）分光、コヒーレントアンチストークスラマン散乱（Ｃｏｈｅｒｅｎｔ Ａｎｔｉ−ｓｔｏｋｅｓ Ｒａｍａｎ Ｓｃａｔｔｅｒｉｎｇ：ＣＡＲＳ）分光、コヒーレントストークスラマン散乱（Ｃｏｈｅｒｅｎｔ Ｓｔｏｋｅｓ Ｒａｍａｎ Ｓｃａｔｔｅｒｉｎｇ：ＣＳＲＳ）分光を含む。スペクトルデータは、紫外又は可視又は赤外域の分光スペクトルデータ、ラマン分光スペクトルデータ、質量スペクトルデータのいずれか１つを含むことが好ましい。 Specific examples of the spectrum data include spectroscopic spectrum data in the ultraviolet or visible or infrared region, Raman spectroscopic spectrum data, NMR spectrum data, mass spectrum data, liquid chromatogram, gas chromatogram, and frequency spectrum data of sound. .. The Raman spectral spectrum data includes spontaneous Raman scattered spectral data and non-linear Raman scattered spectral data. Non-linear Raman scattering spectroscopy includes guided Raman scattering (SRS) spectroscopy, Coherent Anti-Stokes Raman Scattering (CARS) spectroscopy, and Coherent Stokes Raman scattering (Coherent StokesRaman Scattering) spectroscopy. Including. The spectrum data preferably includes any one of spectroscopic spectrum data in the ultraviolet or visible or infrared region, Raman spectroscopic spectrum data, and mass spectrum data.
スペクトルデータが紫外又は可視又は赤外域の分光スペクトルデータ、ラマン分光スペクトルデータである場合には、スペクトル成分は波長や波数とすることができる。また、スペクトルデータが質量スペクトルデータである場合には、スペクトル成分は質量電荷比や質量数とすることができる。 When the spectral data is ultraviolet or visible or infrared spectral data or Raman spectral data, the spectral component can be a wavelength or a wave number. Further, when the spectrum data is mass spectrum data, the spectrum component can be a mass-to-charge ratio or a mass number.
スペクトルデータは、検査対象となる肉に含まれる複数の構成成分に対応する群のいずれかに属する。スペクトル成分およびスペクトル強度は、スペクトルデータを取得した計測領域に含まれる、検査対象となる肉の構成成分のそれぞれに応じて異なる。そのため、スペクトルデータを解析することで、スペクトルデータが属する群を識別し、それぞれのスペクトルデータを各構成成分に帰属することができる。 The spectral data belongs to one of the groups corresponding to a plurality of constituents contained in the meat to be inspected. The spectral component and the spectral intensity differ depending on each of the constituent components of the meat to be inspected included in the measurement region from which the spectral data was acquired. Therefore, by analyzing the spectrum data, the group to which the spectrum data belongs can be identified, and each spectrum data can be assigned to each component.
表示部３は、電子機器１の処理結果を表示する部分である。表示部３としては、例えばフラットパネルディスプレイなどの画像表示装置を用いることができる。表示部３は、内部バス１５０を介して送信される画像データ等を表示することができる。
The display unit 3 is a portion that displays the processing result of the
記録媒体１０８は、各種データを記憶する装置である。記録媒体１０８には、計測装置２によって取得したスペクトルデータや、機械学習のためのデータ等を記憶することができる。あるいは、電子機器１による処理結果を記憶しても良い。記録媒体１０８に記憶した各種データは、必要に応じて読み出し、表示部３に表示することができる。
The
また、電子機器１は記録媒体１０８に記憶した識別器やスペクトルデータを用いて処理を行っても良い。あるいは、他の装置で計測し生成されたスペクトルデータを記録媒体１０８にあらかじめ記憶しておき、電子機器１でそれらのスペクトルデータの処理を行っても良い。
Further, the
電子機器１は、機械学習に基づくＡＩエンジンを用いてスペクトルデータを処理する装置である。
The
内部バス１５０に対してＣＰＵ１０１、メモリ１０２、不揮発性メモリ１０３、画像処理部１０４、表示部３、操作部１０６、記録媒体Ｉ／Ｆ１０７、外部Ｉ／Ｆ１０９、通信Ｉ／Ｆ１１０が接続されている。内部バス１５０に接続される各部は、内部バス１５０を介して互いにデータのやりとりを行うことができるようにされている。
The
メモリ１０２は、例えばＲＡＭ（半導体素子を利用した揮発性のメモリなど）からなる。ＣＰＵ１０１は、例えば不揮発性メモリ１０３に格納されるプログラムに従い、メモリ１０２をワークメモリとして用いて、電子機器１の各部を制御する。不揮発性メモリ１０３には、波長画像データや肉の部位に関するデータ、その他のデータ、ＣＰＵ１０１が動作するための各種プログラムなどが格納される。不揮発性メモリ１０３は例えばハードディスク（ＨＤ）やＲＯＭなどで構成される。
The
画像処理部１０４は、ＣＰＵ１０１の制御に基づいて、不揮発性メモリ１０３や記録媒体１０８に格納された画像データや、外部Ｉ／Ｆ１０９を介して取得した映像信号、通信Ｉ／Ｆ１１０を介して取得した画像データなどに対して各種画像処理を施す。画像処理部１０４が行う画像処理には、Ａ／Ｄ変換処理、Ｄ／Ａ変換処理、画像データの符号化処理、圧縮処理、デコード処理、拡大／縮小処理（リサイズ）、ノイズ低減処理、色変換処理などが含まれる。画像処理部１０４は特定の画像処理を施すための専用の回路ブロックで構成しても良い。また、画像処理の種別によっては画像処理部１０４を用いずにＣＰＵ１０１がプログラムに従って画像処理を施すことも可能である。
Based on the control of the
表示部３は、ＣＰＵ１０１の制御に基づいて、画像やＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）を構成するＧＵＩ画面などを表示する。ＣＰＵ１０１は、プログラムに従い表示制御信号を生成し、表示部３に表示するための映像信号を生成して表示部３に出力するように電子機器１の各部を制御する。表示部３は出力された映像信号に基づいて映像を表示する。なお、電子機器１自体が備える構成としては表示部３に表示させるための映像信号を出力するためのインターフェースまでとし、表示部３は外付けのモニタ（テレビなど）で構成してもよい。
The display unit 3 displays an image, a GUI screen constituting a GUI (Graphical User Interface), and the like based on the control of the
操作部１０６は、キーボードなどの文字情報入力デバイスや、マウスやタッチパネルといったポインティングデバイス、ボタン、ダイヤル、ジョイスティック、タッチセンサ、タッチパッドなどを含む、ユーザ操作を受け付けるための入力デバイスである。なお、タッチパネルは、表示部３に重ね合わせて平面的に構成され、接触された位置に応じた座標情報が出力されるようにした入力デバイスである。 The operation unit 106 is an input device for accepting user operations, including a character information input device such as a keyboard, a pointing device such as a mouse and a touch panel, a button, a dial, a joystick, a touch sensor, and a touch pad. The touch panel is an input device that is superposed on the display unit 3 and is configured in a plane so that coordinate information corresponding to the contacted position is output.
記憶媒体Ｉ／Ｆ１０７は、メモリーカードやＣＤ、ＤＶＤといった記録媒体１０８が装着可能とされ、ＣＰＵ１０１の制御に基づき、装着された記録媒体１０８からのデータの読み出しや、当該記録媒体１０８に対するデータの書き込みを行う。外部Ｉ／Ｆ１０９は、外部機器と有線ケーブルや無線によって接続し、映像信号や音声信号の入出力を行うためのインターフェースである。通信Ｉ／Ｆ１１０は、外部機器やインターネット１１１などと通信して、ファイルやコマンドなどの各種データの送受信を行うためのインターフェースである。図２（ａ）、（ｂ）を用いて、本実施形態における肉の加工過程について説明をする。図２（ａ）、（ｂ）は、肉卸業者または畜産農家を経て、加工対象となる肉が加工を行う工場へと運ばれる。肉の加工工程においては、主に同じ部位が固まっているブロック肉と呼ばれるものと、ブロック肉の塊の中に入らなかった、様々な部位の肉片を塊とした端肉と呼ばれるものとが含まれる。本実施形態においては、ハンバーグを作成するための肉の加工工程として説明をするが、本実施形態においてはこれに限らずソーセージやその他の肉加工食品においても適用可能なことは言うまでもない。
A
ブロック肉と端肉は、肉の品質保持のためにそれぞれ冷凍された状態で肉の加工過程へと進む。特に、様々な部位の肉片をまとめた端肉は大きな塊となっている。 The block meat and the cut meat proceed to the meat processing process in a frozen state in order to maintain the quality of the meat. In particular, the end meat, which is a collection of meat pieces from various parts, is a large mass.
以下、図２（ａ）を用いて説明をする。まずは、ブロック肉や端肉に含まれる骨を検知したり、異物が含まれていないかを確認するためにＸ線を用いた検査を行う。ブロック肉や端肉がベルトコンベア上に並べられた状態で検査が行われ、骨や異物があった場合には後工程においてそれらを取り除く。Ｘ線の検査ではベルトコンベアのスピードが１５メートル／分、２５メートル／分のスピードで検査を行うことができる。 Hereinafter, a description will be given with reference to FIG. 2 (a). First, an inspection using X-rays is performed to detect bones contained in block meat and end meat and to confirm whether or not foreign substances are contained. The inspection is performed with the block meat and end meat lined up on the belt conveyor, and if there are bones or foreign substances, they are removed in the subsequent process. In the X-ray inspection, the belt conveyor can be inspected at a speed of 15 meters / minute and 25 meters / minute.
次に、ハイパースペクトル検査と本実施形態において呼ぶ、一度に照射可能な波長域の広いハイパースペクトルカメラを使用した検査を行う。ハイパースペクトル検査においては、取得された波長画像データをＡＩエンジンに入れ、機械学習に基づき、軟骨／筋／腱がいずれの位置にあるかや、端肉に含まれているか否か等の結果を出力する。なお、ハイパースペクトル検査においてもＸ線検査と同様にベルトコンベア上に肉をのせて検査を行うので、Ｘ線検査と同様のスピードでベルトコンベアを稼働したほうがよい。ただし、ＡＩエンジンを通した結果の出力を行う必要があるため、判定に時間を要す場合には、ハイパースペクトルカメラをＸ線の装置よりも多く設置したり、ＡＩエンジンの数を増やすなどをしてもよい。Ｘ線検査、ハイパースペクトル検査の後、骨、異物、軟骨、筋、腱などの部位を除いたブロック肉や端肉をミンチし、ハンバーグを成型する工程へと進む。 Next, an inspection using a hyperspectral camera having a wide wavelength range that can be irradiated at one time, which is called a hyperspectral inspection in the present embodiment, is performed. In the hyperspectral test, the acquired wavelength image data is put into the AI engine, and based on machine learning, the result such as where the cartilage / muscle / tendon is located and whether it is contained in the cartilage is determined. Output. In the hyperspectral inspection, the meat is placed on the belt conveyor in the same manner as the X-ray inspection, so it is better to operate the belt conveyor at the same speed as the X-ray inspection. However, since it is necessary to output the result through the AI engine, if it takes time to make a judgment, install more hyperspectral cameras than X-ray equipment or increase the number of AI engines. You may. After the X-ray examination and hyperspectral examination, mince the block meat and the end meat excluding the parts such as bones, foreign substances, cartilage, muscles, and tendons, and proceed to the process of molding the hamburger steak.
次に、図２（ｂ）を用いて、Ｘ線及びハイパースペクトル検査の様子について説明をする。本実施形態においては、Ｘ線とハイパースペクトルの検査は、ベルトコンベイヤー上で行われるものとする。図２（ｂ）に示すように、ベルトコンベイヤー上を端肉とブロック肉が流れ、まずＸ線の検査が行われる。次にハイパースペクトル検査が行われる。ベルトコンベイヤーの移動方向は矢印の方向である。このように、各検査は肉の上から光波を当てて検査が行われる。ハイパースペクトルの検査ではＸ線の検査よりも、検査対象の表面付近、すなわち光の照射した付近の物体に対してしか光が届きにくい。よって、検査結果も、ハイパースペクトル検査の方がより照射した位置からより浅い範囲しか結果を得にくい。 Next, the state of the X-ray and hyperspectral examination will be described with reference to FIG. 2 (b). In this embodiment, the X-ray and hyperspectral examination shall be performed on a belt combiner. As shown in FIG. 2B, the end meat and the block meat flow on the belt combiner, and an X-ray inspection is performed first. Next, a hyperspectral test is performed. The moving direction of the belt combiner is the direction of the arrow. In this way, each inspection is performed by shining a light wave on the meat. In the hyperspectral inspection, it is more difficult for light to reach the object near the surface to be inspected, that is, in the vicinity of the light irradiation, than in the X-ray inspection. Therefore, it is difficult to obtain the test result only in a shallower range from the irradiated position in the hyperspectral test.
ハイパースペクトル検査では、２センチや５センチといった範囲に肉をあらかじめスライスしたほうがよい。端肉に含まれる各部位の大きさによるが、各部位の大きさが２から３センチくらいの場合には、端肉を２センチから５センチほどにスライスしておけばよい。ただし、例えば１０センチや８センチといった厚みでスライスをしておき、端肉の両面を検査するようにしてもよい。さらに、後述するように、検査した結果、そのままの肉の状態で通常ミンチの過程に進んでもよい肉（Ａパターンとする）、人間による判定が必要な肉（Ｂパターンとする）、そのままの肉の状態で通常のミンチの過程に進まないほうがよい肉（Ｃパターン）のように、肉を細かく分けてもよい。なお、例えば、Ｃパターンに含まれた肉であっても、Ａパターンの肉よりも細かくミンチをして軟骨の硬さが製品に出ないようにしたり、軟骨の部分を切り取って、Ａパターンの肉と同様にミンチをしたりしてもよい。また、Ｂパターンの肉の場合には、人が検査を行いＡパターンとするかＢパターンとするかを決める。なお、Ｂパターンの肉のデータはＡＩエンジンの学習データとして用いることで、検査精度の向上が見込まれる。なお、Ｘ線やハイパースペクトルの検査は端肉のみに対して行ってもよい。 For hyperspectral testing, it is better to pre-slice the meat into areas such as 2 cm and 5 cm. It depends on the size of each part contained in the end meat, but if the size of each part is about 2 to 3 cm, the end meat may be sliced to about 2 cm to 5 cm. However, it is also possible to slice the meat to a thickness of 10 cm or 8 cm and inspect both sides of the end meat. Furthermore, as will be described later, as a result of inspection, meat that may normally proceed to the mincing process in the state of meat (referred to as A pattern), meat that requires human judgment (referred to as B pattern), and meat as it is. The meat may be subdivided like meat (C pattern), which should not proceed to the normal mincing process in this state. For example, even if the meat is contained in the C pattern, it may be minced more finely than the meat in the A pattern so that the hardness of the cartilage does not appear in the product, or the cartilage part may be cut off to form the A pattern. You may mince it like meat. Further, in the case of B pattern meat, a person inspects and decides whether to use A pattern or B pattern. It is expected that the inspection accuracy will be improved by using the B pattern meat data as the learning data of the AI engine. The X-ray or hyperspectral inspection may be performed only on the end meat.
次に、図３（ａ）、（ｂ）を用いて本実施形態における端肉と呼ばれる肉塊について説明をする。図３（ａ）にはブロック肉の一例を示し、図３（ｂ）には端肉の一例を示す。図３（ａ）は、赤身と脂身とが含まれるブロック肉を示している。ブロック肉では、各部位の位置関係が分かっているので、例えば、図３（ａ）に示す赤身と脂身のブロック肉の中には軟骨が含まれていないことを検査せずに分かる可能性がある。図３（ｂ）に示すように端肉においては、細かく切られた部位がもともとの部位同士の位置関係に関係なく、塊になっている。 Next, a meat mass called end meat in the present embodiment will be described with reference to FIGS. 3 (a) and 3 (b). FIG. 3A shows an example of block meat, and FIG. 3B shows an example of end meat. FIG. 3A shows block meat containing lean meat and fat meat. In the block meat, since the positional relationship of each part is known, for example, it may be possible to know that the lean and fat block meat shown in FIG. 3 (a) does not contain cartilage without inspection. is there. As shown in FIG. 3B, in the end meat, the finely cut parts are lumps regardless of the positional relationship between the original parts.
図４を用いて、本実施形態における肉の検査処理について説明をする。図４は肉の検査処理のフローチャートを示しており、この処理は、図２におけるＸ線検査とハイパースペクトル検査とに該当する。 The meat inspection process in the present embodiment will be described with reference to FIG. FIG. 4 shows a flowchart of a meat inspection process, which corresponds to the X-ray inspection and the hyperspectral inspection in FIG.
この処理は、不揮発性メモリ１０３に記録されたプログラムをメモリ１０２に展開してＣＰＵ１０１が実行することで実現する。なお、この処理は、電子機器１に電源が入り、Ｘ線及びハイパースペクトルの検査が可能になると開始する。
This process is realized by expanding the program recorded in the
Ｓ１では、ＣＰＵ１０１は端肉及びブロック肉とがベルトコンベイヤーに置かれ、Ｘ線検査が可能な状態になっているか否かを確認する。
In S1, the
Ｓ２では、ＣＵ１０１は端肉及びブロック肉とへのＸ線の照射を行い、Ｘ線による検査を行うようにする。
In S2, the
Ｓ３では、ＣＰＵ１０１は、Ｘ線による検査データを取得し、ＤＸｎとする。ｎは各端肉もしくはブロック肉に与えられる、識別のための数字である。ＤＸｎは、骨や異物の有無の情報だけでもよいし、どこに骨や異物があるかを示す座標情報を含むものでもよいし、骨や異物が含まれているかを示す画像データでもよい。なお、Ｓ３において取得された検査データＤＸｎは、記録媒体１０８に記録される。骨が含まれていた場合には、ブロック肉の場合にはＤＸｎに骨の有無の情報、端肉の場合には骨の位置までを含む情報を含めるようにしてもよい。ブロック肉の場合には、骨がある場合には、その塊のほとんどが骨である可能性が高いが、端肉の場合には、その塊の一部が骨である可能性が高い。よって、ブロック肉の場合には、骨の有無を示すことでその塊自体が加工に使えるのかを素早く把握することができる。一方で、端肉の場合には、骨の位置を示すことで後の処理で骨を取り除く処理を行えるようにする。さらにＤＸｎには骨の含まれる割合や面積を示すようにしてもよい。
In S3, the
また、Ｘ線による検査結果は、Ｘ線の検査の後、かつハイパースペクトルカメラの検査の前に表示部３に表示するようにしてもよいし、ハイパースペクトルの検査結果と共に表示をしてもよい。さらに、骨が閾値以上の割合（１つの肉片のなかで）または大きさであると判定したブロック肉または端肉は、ハイパースペクトルの検査をせずに廃棄または他の加工に使用してもよい。 Further, the X-ray inspection result may be displayed on the display unit 3 after the X-ray inspection and before the inspection of the hyperspectral camera, or may be displayed together with the hyperspectral inspection result. .. In addition, block meat or cut meat determined that the bone is above the threshold (in one piece of meat) or size may be discarded or used for other processing without hyperspectral examination. ..
Ｓ４では、ＣＰＵ１０１は、異物があったか否かを判定する。異物があった場合には、Ｓ５に進み、異物を排除する処理を行い、異物がなかった場合には、Ｓ６へ進む。なお、異物が含まれていた場合には、ブロック肉または端肉ごと廃棄するようにし、骨が含まれていた場合には、骨の部分を排除する処理を行うようにしてもよい。
In S4, the
Ｓ６では、ＣＰＵ１０１は、拡張波長域の検査、すなわちハイパースペクトルによる検査を行う。Ｓ６において、ブロック肉または端肉が閾値（５センチや４センチなど）の厚さよりも厚い場合には、アラートを示し、検査が適切にできないことを通知してもよい。なお、厚さが閾値よりも厚い場合には、両面を検査するようにしてもよい。また、ベルトコンベイヤーの移動スピードがハイパースペクトルの検査を行うことのできるスピードよりも速かったり、ベルトコンベイヤーが何かの原因で停止している場合にもユーザに通知をするようにする。特に、食品を扱う場合には長時間熱を当てないようにしたほうがよいので、所定以上の時間光が肉に照射されないようにしたほうがよい。
In S6, the
Ｓ７では、ＣＰＵ１０１は、Ｓ６での検査結果を示す波長画像／情報を取得する。
In S7, the
Ｓ８では、ＣＰＵ１０１は、Ｓ７において取得した波長画像／情報を不図示のＡＩエンジンへと送信する。なお、ＡＩエンジンは、サーバー上に置かれているものとするが、電子機器１が保有していてもよい。
In S8, the
Ｓ９では、ＣＰＵ１０１は、ＡＩエンジンから拡張波長による検査データを取得し、ＤＭｎとする。ｎは各端肉もしくはブロック肉に与えられる、識別のための数字である。ＤＭｎには、各部位の大きさや割合を示すデータ、各部位の位置を示すデータや、軟骨、筋、腱が所定以上の大きさ含まれているかを示すデータが含まれる。軟骨、筋、腱が所定以上、例えば端肉の面積に対して２０％以上含まれている場合、所定以上の大きさの塊が含まれている場合には、その肉はＮＧとしてデータに記録され、Ｃパターンの肉となる。そして、ＯＫと判定された場合は、Ａパターンの肉となる。ＤＭｎには、各部位のエリアを示す情報が含むようにしてもよいが、例えば今回の検査でユーザが知りたいのは軟骨、筋、腱が含まれているか否かなので、ユーザの知りたい情報については詳細に取得してもよい。つまり、軟骨、筋、腱に関してはどの位置にどのくらいあるのかといった詳細情報を取得し、赤身や脂肪に関してはその他何パーセントといったように大まかな割合だけの情報取得をしてもよいし、特に情報を取得しなくてもよい。このように、必要な情報に関しては詳細に、その他の情報に関しては大まかな情報のみを取得するようにすることで、ＡＩエンジンへの負荷が減り、検査の時間を短くすることができる。なお、ＡＩエンジンの判定は、赤身と脂肪を検出することで、その他の部位である軟骨、筋、腱が含まれているか否かを判定してもよいし、軟骨、筋、腱を検出するようにしてもよい。さらに、ＡＩエンジンは赤身や脂肪のデータを学習データとして機械学習をしてもよいし、軟骨、筋、腱のデータを学習データとして機械学習をしてもよい。
In S9, the
Ｓ１０では、ＣＰＵ１０１は、Ｓ９で取得した検査データに基づき結果を表示出力する。結果の表示について図５（ａ）から（ｇ）を用いて説明する。
In S10, the
図５（ａ）は、ハイパースペクトルの検査に基づき、端肉の中で部位ごとに異なる色を分けて示したものである。部位５０１は腱、部位５０２は軟骨、部位５０３は筋、部位５０４は赤身、部位５０５は脂身を示し、部分５０６は複数の部位が混じっている可能性が高く不明である部分を示し、部位を示す色とは異なる色で示される。例えば、ＡＩエンジンからの結果の出力の結果より、対象の部分が赤身である可能性が高い（所定以上の確立）である場合には、赤で対象の部分を示す。そして、赤身と筋とが混じっている可能性が高く、赤身のみである可能性が低い（所定未満の確立）である場合には、グレーや白などで示すようにしてもよい。言い換えると、対象の部分の部位を特定できた（可能性が高いと判定された）場合には、白黒以外の色で示し、不明である、または複数の部位が混じっており判断ができない場合には白黒で示すようにする。このように、使用する色を分けることで、ユーザがどの部分がＡＩエンジンにより明確に部位を判定できたのか、どの部分が部位を判定できなかったのかが分かる。
FIG. 5A shows different colors for each part in the end meat based on the hyperspectral examination.
図５（ｂ）は、ハイパースペクトルの検査に基づき、Ａパターン、Ｂパターン、Ｃパターンごとに色や表示形態を変えて結果を示したものである。部分５０６はＣパターン、部分５０７はＡパターン、部分５０８はＢパターンとなる。このように、パターンごとに色または表示形態を分けて表示をすることでユーザが瞬時にＯＫかＮＧなのかを知ることができる。なお、Ｂパターンの部分は点滅をして表示をしてもよい。例えば、表示結果に基づいてユーザが手でＯＫかＮＧかを仕分けるような場合には、瞬時にＯＫかＮＧか、Ｂパターンがある場合には詳細な確認が必要であることを通知するために点滅するとよい。
FIG. 5B shows the results by changing the color and display form for each of the A pattern, the B pattern, and the C pattern based on the hyperspectral inspection. The
図５（ｃ）は、ハイパースペクトルの検査に基づき、各部位の割合を数字で示したものである。このように結果を出力することで、数値の閾値を設けておけばＡパターンかＢパターンかを判定しやすい。なお、図５の結果は表示としてユーザに示してもよいし、結果に基づく判定をＣＰＵ１０１が行ったうえで、ユーザが後から参照できるようにしておくだけでもよい。
FIG. 5C shows the ratio of each part numerically based on the hyperspectral examination. By outputting the result in this way, it is easy to determine whether it is the A pattern or the B pattern if a numerical threshold value is provided. The result of FIG. 5 may be shown to the user as a display, or the
図５（ｄ）は、各パターンがどの割合であるのかを示したものである。 FIG. 5D shows the ratio of each pattern.
図５（ｅ）は、Ａパターン、Ｂパターンの割合を示し、Ｃパターンの部分は具体的にどの部位とどの部位とがまじりあっている部分が何パーセントあるのかを示したものである。 FIG. 5 (e) shows the ratio of the A pattern and the B pattern, and the C pattern portion specifically shows which portion and which portion are mixed with each other.
図５（ｆ）は、ＮＧとＯＫである確率が高いと判定された部分の割合を示し、さらに脂身と筋とが混じっている可能性の高い部分の割合や、赤いと軟骨の混じっている可能性の高い部分の割合を示している。さらに、脂身と筋のうち、筋が半分以上を占める割合が高いことを示している。これにより、ＮＧな部位の含まれる割合が例えば３０％以上であり、さらにＮＧな部位である可能性のある割合が１５％以上であれば、Ｂパターンにするなどの判定をしてもよい。また、ＮＧな部位の含まれる割合が例えば３０％以上であるが、ＮＧな部位である可能性のある割合が１５％未満であれば、Ｃパターンにして人間が判断するようにしてもよい。 FIG. 5 (f) shows the proportion of the portion determined to have a high probability of being NG and OK, the proportion of the portion likely to be a mixture of fat and muscle, and the proportion of red and cartilage. It shows the percentage of the most likely part. Furthermore, it shows that muscle accounts for more than half of fat and muscle. As a result, if the proportion of the NG site is, for example, 30% or more, and the proportion of the NG site is 15% or more, it may be determined that the pattern is B. Further, if the proportion of NG sites is, for example, 30% or more, but the proportion of NG sites is less than 15%, a C pattern may be used for human judgment.
図５（ｇ）は、ＮＧまたはＯＫである可能性の高い部分の割合と、ＮＧまたはＯＫである可能性のある部分の割合とをカッコで示している。これにより、ユーザはＮＧの部分の大まかな割合を把握することができ、実際に確認をしたりすることができる。 In FIG. 5 (g), the proportion of the portion likely to be NG or OK and the proportion of the portion likely to be NG or OK are shown in parentheses. As a result, the user can grasp the rough ratio of the NG portion and can actually confirm it.
ここで、ＮＧやＯＫである可能性が高いとはＡＩエンジンによって、ＮＧである、またはＯＫであると判定されたことを示している。ＡＩエンジンにより、筋である可能性があることや、赤身である可能性があるとされたが、確率が低いと判定された場合には、可能性があるが、可能性が高くないものとする。 Here, the possibility of being NG or OK indicates that the AI engine has determined that it is NG or OK. According to the AI engine, it may be muscle or lean, but if it is judged that the probability is low, it is possible, but it is not likely. To do.
Ｓ１１では、ＣＰＵ１０１は、現在のＡＩエンジンが判定の対象としている肉ｎがＯＫであったか否かを判定する。すなわち、Ｓ１１においては、Ａパターンの肉であるか否かを判定する。Ｓ１１においてＯＫであると判定された場合は、Ｓ１２へ進み、そうでない場合は、Ｓ１３へ進む。
In S11, the
Ｓ１２では、ＣＰＵ１０１は、肉ｎをハンバーグの作成処理へと進めるようにする。
In S12, the
Ｓ１３では、ＣＰＵ１０１は、肉ｎが明らかにＮＧであるか否かを判定する。すなわち、Ｓ１３ではＣパターンの肉であるか否かを判定する。このとき、Ｃパターンなのか、Ｂパターンなのか分からない場合には、Ｓ１３の判定をＮｏとする。例えば、軟骨や筋が２０％以上含まれていたらＣパターンと判定するような場合に、軟骨や筋が１８％含まれており、さらに軟骨と赤身が混じったところが１０％あるような場合にはＳ１３ではＮｏと判定する。このように、明らかにＣパターンと判定する閾値を超えていないような場合にはＮｏと判定することで、ハンバーグ作成に使用されない肉の量を減らすことができる。Ｓ１３においてＹｅｓと判定された場合は、Ｓ１４へ進み、そうでない場合は、Ｓ１５へと進む。
In S13, the
Ｓ１４では、ＣＰＵ１０１は、肉ｎをハンバーグ作成処理以外の処理へと進めるようにする。例えば、Ｓ１３において明らかにＮＧであると判定された場合には、端肉を通常よりもさらに細かくミンチしたり、他の触感が求められるような加工品に使用したり、出汁などのために使用するようにしてもよい。
In S14, the
Ｓ１５では、ＣＰＵ１０１は、肉ｎを人間により再検査をし、ＡパターンがＣパターンかを判定する。このとき、人間が判定した結果をＡＩエンジンの学習データとすることで、ＡＩエンジンの判定の性能を向上させることができる。
In S15, the
以上、説明した実施形態によれば、加工を行うための肉の検査の結果をユーザが把握しやすくなる。 According to the embodiment described above, it becomes easier for the user to grasp the result of the inspection of the meat for processing.
なお、軟骨と筋とは波長画像で近い特性を持っていることがあるため、軟骨と筋とを分けずに一緒に判定してもよい。さらに、軟骨と筋との結果とは分けずにユーザに表示したり、数値を出してもよい。これにより、ユーザは硬い部位の割合を把握しやすくなる。さらに、軟骨の部分は点滅して示し、必要に応じてユーザが取り除けるようにしてもよい。また、異物として手袋やビニール袋、容器の欠片のようなものも検知できるようにすると、人間の作業が減り、さらに検出精度も向上するのでよい。 Since the cartilage and the muscle may have similar characteristics in the wavelength image, the cartilage and the muscle may be judged together without being separated. Furthermore, the results of cartilage and muscle may be displayed to the user or given numerical values without being separated. This makes it easier for the user to grasp the proportion of hard parts. Further, the cartilage portion may be shown blinking so that the user can remove it if necessary. Further, if it is possible to detect foreign substances such as gloves, vinyl bags, and fragments of containers, human work can be reduced and the detection accuracy can be improved.
ユーザに検査結果を画像で表示する場合には、異物を含めた軟骨や筋などの除去すべき場所を分かりやすく示し、いくつ部位を除去すべきかを示すようにしてもよい。これにより、ユーザは除去すべき部分や箇所が確実にわかり、さらに除去の作業を１回にまとめて行うことができるので、効率的に作業を行うことができる。また、特にまとまっている軟骨に関しては、加工した後の製品に食感などが残りやすいので、例えば２センチ以上といった所定以上の大きさの軟骨は必ず除去できるようにユーザに示してもよい。または所定以上の大きさの軟骨がある場合には必ずＮＧ（Ｂパターン）とするようにしてもよい。 When displaying the test result as an image to the user, the place to be removed such as cartilage and muscle including foreign matter may be shown in an easy-to-understand manner, and how many parts should be removed may be shown. As a result, the user can surely know the part or portion to be removed, and can perform the removal work all at once, so that the work can be performed efficiently. Further, particularly for a cohesive cartilage, since the texture and the like tend to remain in the processed product, the user may be shown so that the cartilage having a size larger than a predetermined size such as 2 cm or more can be always removed. Alternatively, if there is cartilage having a size larger than a predetermined value, it may be NG (B pattern).
さらに、ＡＩエンジンの判定によって軟骨である可能性が高いと判定された部分と、軟骨の可能性がある部分とを重みづけをして足し合わせることによって、対象となる端肉に今回の加工食品には向かない量の軟骨が含まれているのかを判定してもよい。 Furthermore, by weighting and adding the part that is highly likely to be cartilage and the part that is likely to be cartilage by the judgment of the AI engine, the processed food of this time is added to the target meat. It may be determined whether the cartilage is contained in an amount that is not suitable for.
なお、軟骨や筋、腱などのＮＧの部分については単一色で画像を示し、ＯＫの部分は細かく部位によって色を変えて画像上で示してもよいし、その逆でもよい。 The NG part such as cartilage, muscle, and tendon may be shown in a single color, and the OK part may be shown on the image in different colors depending on the part, or vice versa.
さらに、Ｘ線の検査結果と、ハイパースペクトルによる検査結果とを合わせて表示をするようにしてもよい。つまり、検知された異物の結果と共に、軟骨や赤身などの情報を出力するようにしてもよい。なお、Ｘ線の検査と合わせて金属探知機を使用してもよいし、いずれか一方を使用してもよい。 Further, the X-ray inspection result and the hyperspectral inspection result may be displayed together. That is, information such as cartilage and lean meat may be output together with the result of the detected foreign substance. A metal detector may be used in combination with the X-ray inspection, or either one may be used.
また、上述の実施形態においてはハンバーグを加工作成するための肉を一例に挙げて説明をしたが、これに限らず、果物や野菜、魚類、穀物、水、油、香辛料、穀物、海藻など様々な食品に対して使用可能である。さらに、食品に限らず、リサイクル工場などにおいても有効であることは言うまでもない。 Further, in the above-described embodiment, the meat for processing and producing the hamburger is given as an example, but the description is not limited to this, and various kinds such as fruits, vegetables, fish, grains, water, oil, spices, grains, and seaweed are used. It can be used for various foods. Furthermore, it goes without saying that it is effective not only in food products but also in recycling factories.
なお、ＣＰＵ１０１が行うものとして説明した上述の各種の制御は１つのハードウェアが行ってもよいし、複数のハードウェアが処理を分担することで、装置全体の制御を行ってもよい。
It should be noted that the above-mentioned various controls described as being performed by the
また、本発明をその好適な実施形態に基づいて詳述してきたが、本発明はこれら特定の実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の様々な形態も本発明に含まれる。さらに、上述した各実施形態は本発明の一実施形態を示すものにすぎず、各実施形態を適宜組み合わせることも可能である。 Further, although the present invention has been described in detail based on the preferred embodiment thereof, the present invention is not limited to these specific embodiments, and various embodiments within the scope of the gist of the present invention are also included in the present invention. included. Furthermore, each of the above-described embodiments is merely an embodiment of the present invention, and each embodiment can be combined as appropriate.
また、上述した実施形態においては、本発明を電子機器に適用した場合を例にして説明したが、これはこの例に限定されず、検査結果の出力に関する制御が可能な電子機器であれば適用可能である。すなわち、本発明は携帯電話端末や携帯型の端末装置、工場内で使用可能な端末、デジタルフォトフレーム、音楽プレーヤー、ゲーム機、電子ブックリーダーなどに適用可能である。 Further, in the above-described embodiment, the case where the present invention is applied to an electronic device has been described as an example, but this is not limited to this example, and any electronic device capable of controlling the output of inspection results is applicable. It is possible. That is, the present invention is applicable to mobile phone terminals, portable terminal devices, terminals that can be used in factories, digital photo frames, music players, game machines, electronic book readers, and the like.
（他の実施形態）
本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）をネットワーク又は各種記録媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムコードを読み出して実行する処理である。この場合、そのプログラム、及び該プログラムを記憶した記録媒体は本発明を構成することになる。
(Other embodiments)
The present invention is also realized by executing the following processing. That is, software (program) that realizes the functions of the above-described embodiment is supplied to the system or device via a network or various recording media, and the computer (or CPU, MPU, etc.) of the system or device reads the program code. This is the process to be executed. In this case, the program and the recording medium that stores the program constitute the present invention.
Claims (17)
前記複数の肉の部位のうち、前記加工食品に含めないようにする第１の部位と、前記加工食品に含めるようにする第２の部位のうち少なくともいずれか一方を含む肉の塊に対する光学的な検査を行う検査手段からの検査結果に基づく情報を取得可能な取得手段と、
前記取得手段からの情報に基づき、前記第１の部位と前記第２の部位とに対して異なる出力をするように制御する制御手段とを有することを特徴とする電子機器。 In the processing process of creating one processed food by mixing multiple meat parts
Optical for a chunk of meat containing at least one of the plurality of meat parts, a first part not to be included in the processed food and a second part to be included in the processed food. An acquisition means that can acquire information based on inspection results from inspection means that perform various inspections,
An electronic device comprising a control means for controlling the first portion and the second portion so as to output different outputs based on information from the acquisition means.
前記複数の肉の部位のうち、前記加工食品に含めないようにする第１の部位と、前記加工食品に含めるようにする第２の部位のうち少なくともいずれか一方を含む肉の塊に対する光学的な検査を行う検査手段からの検査結果に基づく情報を取得可能な取得ステップと、
前記取得手段からの情報に基づき、前記第１の部位と前記第２の部位とに対して異なる出力をするように制御する制御ステップとを有する電子機器の制御方法。 In the processing process of creating one processed food by mixing multiple meat parts
Optical for a chunk of meat containing at least one of the plurality of meat parts, a first part not to be included in the processed food and a second part to be included in the processed food. Acquisition steps that can acquire information based on inspection results from inspection means that perform various inspections,
A control method for an electronic device having a control step for controlling the first portion and the second portion so as to output different outputs based on the information from the acquisition means.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019080190A JP2020174601A (en) | 2019-04-19 | 2019-04-19 | Electronic apparatus and control method thereof |
| US16/844,833 US11436716B2 (en) | 2019-04-19 | 2020-04-09 | Electronic apparatus, analysis system and control method of electronic apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019080190A JP2020174601A (en) | 2019-04-19 | 2019-04-19 | Electronic apparatus and control method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2020174601A true JP2020174601A (en) | 2020-10-29 |
Family
ID=72935436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019080190A Pending JP2020174601A (en) | 2019-04-19 | 2019-04-19 | Electronic apparatus and control method thereof |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2020174601A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102464158B1 (en) * | 2022-06-22 | 2022-11-09 | 농업회사법인 유한회사 둔포축산 | Meat transport system using artificial intelligence |
| KR102505771B1 (en) * | 2022-10-07 | 2023-03-02 | 김창구 | Method and device for meat management based on artificial intelligence |
-
2019
- 2019-04-19 JP JP2019080190A patent/JP2020174601A/en active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102464158B1 (en) * | 2022-06-22 | 2022-11-09 | 농업회사법인 유한회사 둔포축산 | Meat transport system using artificial intelligence |
| KR102505771B1 (en) * | 2022-10-07 | 2023-03-02 | 김창구 | Method and device for meat management based on artificial intelligence |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kamruzzaman et al. | Non-destructive prediction and visualization of chemical composition in lamb meat using NIR hyperspectral imaging and multivariate regression | |
| Khaled et al. | Emerging nondestructive approaches for meat quality and safety evaluation—A review | |
| Nagdalian et al. | Analysis of the content of mechanically separated poultry meat in sausage using computing microtomography | |
| Trinderup et al. | Comparison of a multispectral vision system and a colorimeter for the assessment of meat color | |
| ElMasry et al. | Meat quality evaluation by hyperspectral imaging technique: an overview | |
| Kamruzzaman et al. | Assessment of visible near-infrared hyperspectral imaging as a tool for detection of horsemeat adulteration in minced beef | |
| Craigie et al. | Application of Hyperspectral imaging to predict the pH, intramuscular fatty acid content and composition of lamb M. longissimus lumborum at 24 h post mortem | |
| Barbin et al. | Non-destructive determination of chemical composition in intact and minced pork using near-infrared hyperspectral imaging | |
| ElMasry et al. | Chemical-free assessment and mapping of major constituents in beef using hyperspectral imaging | |
| JP4317566B2 (en) | X-ray inspection apparatus and method for generating image processing procedure of X-ray inspection apparatus | |
| Jiang et al. | Hyperspectral imaging for a rapid detection and visualization of duck meat adulteration in beef | |
| Djekic et al. | How do culinary methods affect quality and oral processing characteristics of pork ham? | |
| Feng et al. | Real‐time prediction of pre‐cooked Japanese sausage color with different storage days using hyperspectral imaging | |
| Aheto et al. | Multi-sensor integration approach based on hyperspectral imaging and electronic nose for quantitation of fat and peroxide value of pork meat | |
| Ahmed et al. | Imaging technologies for nondestructive measurement of internal properties of agricultural products: A review | |
| Naganathan et al. | A prototype on-line AOTF hyperspectral image acquisition system for tenderness assessment of beef carcasses | |
| JP2019500574A (en) | Verification quarantine inspection system and method | |
| Iqbal et al. | Assessment of a mobile phone for use as a spectroscopic analytical tool for foods and beverages | |
| Chmiel et al. | The use of computer vision system to detect pork defects | |
| Yang et al. | Quality assessment of intact chicken breast fillets using factor analysis with Vis/NIR spectroscopy | |
| JP2020174601A (en) | Electronic apparatus and control method thereof | |
| Yang et al. | Prediction of quality traits and grades of intact chicken breast fillets by hyperspectral imaging | |
| Jiang et al. | Evaluation of factors in development of Vis/NIR spectroscopy models for discriminating PSE, DFD and normal broiler breast meat | |
| Jiang et al. | Detection and visualization of soybean protein powder in ground beef using visible and near-infrared hyperspectral imaging | |
| Kamruzamman et al. | Online screening of meat and poultry product quality and safety using hyperspectral imaging |