NL9201472A - METHOD AND APPARATUS FOR USE IN THE INDIVIDUAL TREATMENT OF PIECES OF MEAT. - Google Patents

METHOD AND APPARATUS FOR USE IN THE INDIVIDUAL TREATMENT OF PIECES OF MEAT. Download PDF

Info

Publication number
NL9201472A
NL9201472A NL9201472A NL9201472A NL9201472A NL 9201472 A NL9201472 A NL 9201472A NL 9201472 A NL9201472 A NL 9201472A NL 9201472 A NL9201472 A NL 9201472A NL 9201472 A NL9201472 A NL 9201472A
Authority
NL
Netherlands
Prior art keywords
meat
image
carcass
light source
computer
Prior art date
Application number
NL9201472A
Other languages
Dutch (nl)
Original Assignee
Slagteriernes Forskningsinst
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=8105530&utm_source=***_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=NL9201472(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Slagteriernes Forskningsinst filed Critical Slagteriernes Forskningsinst
Publication of NL9201472A publication Critical patent/NL9201472A/en

Links

Classifications

    • AHUMAN NECESSITIES
    • A22BUTCHERING; MEAT TREATMENT; PROCESSING POULTRY OR FISH
    • A22BSLAUGHTERING
    • A22B5/00Accessories for use during or after slaughtering
    • A22B5/0017Apparatus for cutting, dividing or deboning carcasses
    • A22B5/0058Removing feet or hooves from carcasses
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration using local operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30128Food products

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Food Science & Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Description

Werkwijze en inrichting ten gebruike bii de individuele behandeling van stukken vleesMethod and device for use in the individual treatment of pieces of meat

De uitvinding heeft betrekking op een werkwijze voor de individuele behandeling van stukken vlees, bestaande uit de volgende stappen: het belichten van een stuk vlees door middel van een lichtbron, het opnemen van een videobeeld van het vleesoppervlak door middel van een videocamera, het registreren van het opgenomen beeld, het via gegevens verwerken van het beeld in een computer om bepaalde gebieden van het vleesoppervlak te lokaliseren, zoals bepaalde anatomische gebieden, het uitvoeren van een signaal in afhankelijkheid van de lokalisering, en het gebruik van het signaal om de daaropvolgende behandeling van het stuk vlees te sturen.The invention relates to a method for the individual treatment of pieces of meat, comprising the following steps: exposing a piece of meat by means of a light source, recording a video image of the meat surface by means of a video camera, recording the recorded image, computing the image in a computer to locate certain areas of the flesh surface, such as certain anatomical areas, outputting a signal depending on the location, and using the signal to process subsequent send the piece of meat.

In verbinding met de automatische behandeling van karkassen werd voorgesteld om video-opnames te gebruiken om de uiterlijke kenmerken van het karkas te bepalen en de behandeling uit te voeren op basis van de gevonden kenmerken. Video-opnames kunnen bijvoorbeeld worden gebruikt in verbinding met de half- of volautomatische classificatie van karkassen. Een videobeeld van het karkas wordt geregistreerd, en het geregistreerde beeld wordt via gegevens verwerkt om de werkelijke vorm en kleur te vinden die belangrijke parameters zijn voor de classificatie van een· karkas.In connection with the automatic treatment of carcasses, it was proposed to use video recordings to determine the external characteristics of the carcass and to carry out the treatment based on the characteristics found. For example, video recordings can be used in conjunction with the semi or fully automatic classification of carcasses. A video image of the carcass is recorded, and the recorded image is processed through data to find the actual shape and color that are important parameters for the classification of a carcass.

Een andere toepassing van video-opnames bestaat uit het bepalen van de vlees/vet-verhouding van een karkas. Er wordt een beeld opgenomen van het oppervlak dat wordt verschaft wanneer een karkas in twee helften wordt verdeeld, waarna het opgenomen beeld via gegevens wordt verwerkt. De grijze gebieden van het beeld worden beschouwd vlees te zijn, terwijl de witte gebieden het vet weergeven. De zwarte gebieden worden niet gebruikt daar deze de achtergrond vormen.Another application of video recordings consists of determining the meat / fat ratio of a carcass. An image of the surface provided when a carcass is divided into two halves is recorded and the recorded image is processed by data. The gray areas of the image are considered to be flesh, while the white areas represent the fat. The black areas are not used as they form the background.

Video-opnames kunnen eveneens worden gebruikt in verbinding met de half- of volautomatische behandeling van karkassen, bijvoorbeeld voor de automatische instelling of aanpassing van een zaag die de helften van een karkas in stukken moet snijden. Door een geschikte gegevensverwerking van een beeld van het karkas kan de positie van vooraf bepaalde anatomische delen die overeenstemmen met de snijpositie worden gevonden. De positie van de zaag of van het karkas kan dan worden aangepast overeenkomstig de gevonden positie, zodat op de correcte plaats wordt gesneden. Anatomische delen die voor dit doel kunnen worden gebruikt zijn bijvoorbeeld de voorpoten of de ruggegraat van een gedeeld karkas.Video recordings can also be used in connection with the semi or fully automatic treatment of carcasses, for example for the automatic adjustment or adjustment of a saw that has to cut the halves of a carcass into pieces. By suitable data processing of an image of the carcass, the position of predetermined anatomical parts corresponding to the cutting position can be found. The position of the saw or of the carcass can then be adjusted according to the position found, so that the cut is made in the correct place. Anatomical parts that can be used for this purpose are, for example, the front legs or the spine of a divided carcass.

Het geregistreerde beeld wordt meestal alleen maar gebruikt om de contour van het karkas te bepalen, zodat de lokalisering van het anatomische gebied op basis van de contourgegevens moet worden uitgevoerd. De nauwkeurigheid en de variatie van de behandeling die op karkassen op basis van dergelijke lokaliseringen kan worden uitgevoerd is echter beperkt .The recorded image is usually only used to determine the contour of the carcass, so the localization of the anatomical area must be performed based on the contour data. However, the accuracy and variation of the treatment that can be performed on carcasses based on such localizations is limited.

Inwendige anatomische delen, die in gedeelde karkassen kunnen worden gezien, vormen een meer nauwkeurige referentie voor de geautomatiseerde behandeling. De lokalisering van de afzonderlijke delen van de ruggegraat zou bijvoorbeeld een aanzienlijk hogere nauwkeurigheid kunnen verschaffen bij de bepaling van de snijposities dan bijvoorbeeld de contour. Precisie is wezenlijk wanneer een gedeeld karkas in drie delen wordt gesneden.Internal anatomical parts, which can be seen in split carcasses, provide a more accurate reference for the automated handling. For example, the location of the individual parts of the spine could provide considerably higher accuracy in determining the cutting positions than, for example, the contour. Precision is essential when a divided carcass is cut into three parts.

Het probleem is echter dat het uitermate moeilijk is om een videobeeld te verschaffen waarin de anatomische delen kunnen worden geïdentificeerd en met voldoende zekerheid kunnen worden gelokaliseerd. Dit kan gedeeltelijk worden veroorzaakt doordat er een relatief slecht contrast is in het beeld tussen de afzonderlijke delen, gedeeltelijk doordat de karkassen verschillend kunnen zijn gebouwd, en gedeeltelijk doordat er in sommige gevallen losse membranen of stukjes vlees zijn die tijdens het splijten naar binnen zijn getrokken en de gezochte anatomische delen bedekken en bijgevolg de aanwezigheid daarvan onscherp maken of verbergen.The problem, however, is that it is extremely difficult to provide a video image in which the anatomical parts can be identified and located with sufficient certainty. This may be partly due to the fact that there is relatively poor contrast in the image between the individual parts, partly because the carcasses may be built differently, and partly because in some cases there are loose membranes or pieces of meat that have been pulled in during splitting and cover the desired anatomical parts and thus blur or hide their presence.

Het doel van de onderhavige uitvinding is een werkwijze te verschaffen waarmee anatomische delen met grote zekerheid onder in slachthuizen voorkomende omstandigheden kunnen worden gelokaliseerd.The object of the present invention is to provide a method with which anatomical parts can be located with great certainty under conditions occurring in slaughterhouses.

De werkwijze van de uitvinding wordt daardoor gekenmerkt, dat de gegevensverwerking van het geregistreerde beeld in de computer bestaat uit een directionele filtering, waarbij een bepaalde richting in het beeld wordt benadrukt.The method of the invention is characterized in that the data processing of the recorded image in the computer consists of a directional filtering, whereby a certain direction in the image is emphasized.

Door middel van deze directionele filtering worden de anatomische structuren verduidelijkt, die in dezelfde richting lopen als de genoemde richting van het beeld. De positie van de anatomische delen met dergelijke structuren kan derhalve met grotere zekerheid worden bepaald, zodat op deze manier een verbeterde automatische behandeling van de stukken vlees in slachthuizen kan worden uitgevoerd.By means of this directional filtering, the anatomical structures are clarified, which run in the same direction as the said direction of the image. The position of the anatomical parts with such structures can therefore be determined with greater certainty, so that in this way an improved automatic treatment of the meat pieces in slaughterhouses can be carried out.

Door middel van de onderhavige werkwijze is het mogelijk om bepaalde anatomische gebieden in een gespleten varkenskarkas met een zodanige nauwkeurigheid te lokaliseren, dat deze bij een automatische snijmachine kan worden gebruikt. Gestuurd door de verkregen lokaliseringsgegevens kan een helft van een karkas automatisch in drie delen worden gesneden, namelijk het voorste stuk, het middelste stuk en de ham.By the present method it is possible to locate certain anatomical areas in a split pig carcass with such accuracy that it can be used in an automatic cutting machine. Controlled by the location data obtained, one half of a carcass can be automatically cut into three parts, namely the front piece, the middle piece and the ham.

Uit tests is gebleken dat de snijbewerkingen even nauwkeurig worden uitgevoerd als het tegenwoordig toegepaste handmatige snijden.Tests have shown that the cutting operations are performed with the same precision as manual cutting currently used.

Anatomische gebieden die geschikt bleken te zijn door driedeling van een karkas zijn de verbindingen van de ruggegraat, met name de schijven tussen bepaalde ruggewervels en de schijf tussen de laatste rugge-wervel en de eerste staartwervel (de sterke kromming van de ruggegraat).Anatomical regions that have been found to be suitable by carcass tripartition are the joints of the spine, especially the discs between certain vertebrae and the disc between the last vertebra and the first tail vertebra (the strong curvature of the spine).

Een voordeel van de onderhavige meetwerkwijze is dat er geen mankracht is vereist en dat ze bovendien niet destructief is, dat wil zeggen dat het vlees ten gevolge van de meting niet slechter wordt.An advantage of the present measuring method is that no manpower is required and, moreover, it is non-destructive, i.e. the meat does not deteriorate as a result of the measurement.

Het is gebleken dat de werkwijze zo snel kan worden uitgevoerd, dat per uur bijvoorbeeld 360 karkassen kunnen worden gemeten en behandeld, hetgeen in de meeste slachthuisomstandigheden voldoende is.It has been found that the method can be carried out so quickly that, for example, 360 carcasses can be measured and treated per hour, which is sufficient in most slaughterhouse conditions.

Onderstaand worden een aantal uitvoeringsvormen van de onderhavige uitvinding genoemd.A number of embodiments of the present invention are listed below.

De directionele filtering kan worden uitgevoerd door middel van een matrix, waarvan de nummers in de ene richting hoger zijn dan in andere richtingen.The directional filtering can be performed by means of a matrix, the numbers of which are higher in one direction than in other directions.

Een vierkante matrix met minimaal 3 * 3 en maximaal 7*7 elementen kan worden gebruikt.A square matrix with a minimum of 3 * 3 and a maximum of 7 * 7 elements can be used.

De gegevensverwerking kan verder zijn ontworpen om gebieden met een bepaalde breedte te benadrukken.The data processing may further be designed to emphasize areas of a certain width.

Voor elke lijn die in het beeld kan worden getrokken evenwijdig met een bepaalde richting kan een sommering van de lichtwaarden van de pixels van de beelden wordt uitgevoerd, waarna de verkregen somwaarden kunnen worden gebruikt om een bepaald gebied te lokaliseren.For each line that can be drawn in the image parallel to a certain direction, a summing of the light values of the pixels of the images can be performed, after which the obtained sum values can be used to locate a specific area.

De somwaarden kunnen worden onderworpen aan een niet-lineaire transformatie.The sum values can be subjected to a non-linear transformation.

Het van de somwaarden afgeleide gegevensstel kan worden gebruikt voor het aanpassen van een vormplaat die de gezochte anatomische gebieden weergeeft, waarbij de vormplaat bij voorkeur wordt verschoven en verlengd totdat de grootste gelijkenis met de door de waarden van het gegevensstel gevormde curve wordt bereikt.The data set derived from the sum values can be used to adjust a shape plate representing the searched anatomical regions, preferably shifting and extending the shape plate until the greatest similarity to the curve formed by the data set values.

De lichtbron kan zodanig worden geplaatst dat deze een schaduw-gebied in het gezichtsveld van de videocamera vormt, waarbij de optische assen van de videocamera en de lichtbron een hoek ten opzichte van elkaar vormen.The light source can be positioned to form a shadow area in the field of view of the video camera, the optical axes of the video camera and the light source forming an angle to each other.

Gebaseerd op een gelokaliseerd gebied, bijvoorbeeld tussen twee specifieke ruggewervels van een karkas, kan door de computer een berekening worden gemaakt overeenkomstig een algoritme dat - indien gewenst -gegevens kan bevatten over de afmeting, het gewicht en het geslacht van het karkas en kan een van de berekening afhankelijk signaal worden uitgevoerd naar een behandelingsmachine voor de stukken vlees om de posities van zijn gereedschappen aan te passen, bijvoorbeeld in een snijmachine teneinde de positie van de zaag aan te passen teneinde een correcte snij-bewerking uit te voeren op bijvoorbeeld de ham van een karkas.Based on a localized area, for example, between two specific vertebrae of a carcass, the computer can calculate according to an algorithm that - if desired - can contain data on the size, weight and sex of the carcass and one of the calculation dependent signal is output to a meat machine treatment machine to adjust the positions of its tools, for example in a cutting machine to adjust the position of the saw in order to perform a correct cutting operation on, for example, the ham of a carcass.

Een inrichting ten gebruike bij de individuele behandeling van stukken vlees bevat een lichtbron voor het belichten van een stuk vlees, een videocamera voor het opnemen van een videobeeld van het vleesopper-vlak en een computer voor het registreren en het via gegevens verwerken van het beeld om bepaalde gebieden van het vleesoppervlak te lokaliseren, zoals bepaalde anatomische gebieden, en een signaaluitvoermodule in de computer voor het uitvoeren van een signaal in afhankelijkheid van de lokalisering, waarbij dit signaal bij de daaropvolgende behandeling van het stuk vlees wordt gebruikt.A device for use in the individual treatment of cuts of meat includes a light source for exposing a cut of meat, a video camera for recording a video image of the meat surface and a computer for recording and data processing the image to locate certain areas of the meat surface, such as certain anatomical areas, and a signal output module in the computer for outputting a signal depending on the location, using this signal in the subsequent processing of the meat piece.

De gegevensverwerkingseenheid van de computer voert een directionele filtering uit waarbij een bepaalde richting in het beeld wordt benadrukt .The computer's data processing unit performs directional filtering emphasizing a particular direction in the image.

De inrichting kan, met een verhoogde zekerheid, anatomische delen lokaliseren die evenwijdig lopen met de genoemde richting. Op deze wijze kan de daaropvolgende behandeling van het stuk vlees, gestuurd door de lokalisering, met verhoogde nauwkeurigheid plaatsvinden.The device can locate anatomical parts parallel to said direction with increased certainty. In this way, the subsequent treatment of the meat piece, controlled by the localization, can take place with increased accuracy.

De lichtbron kan zodanig worden geplaatst dat deze een schaduw-gebied vormt in het gezichtsveld van de videocamera, waarbij de optische assen van de videocamera en de lichtbron een hoek ten opzichte van elkaar vormen.The light source can be positioned to form a shadow area in the field of view of the video camera, the optical axes of the video camera and the light source forming an angle to each other.

De uitvinding wordt onderstaand meer in detail toegelicht, met verwijzing naar de tekeningen, waarin figuur 1 een uitvoeringsvorm van een meetinrichting overeenkomstig de uitvinding toont die kan worden gebruikt voor het splitsen van gedeelde varkenskarkassen, figuur 2 een opgenomen videobeeld toont van het hamgebied met een gemarkeerde curve van de ruggegraat, figuur 3 een gegevensverwerkingssectie van het beeld toont, figuur 4 dezelfde sectie toont na een directionele filtering, figuur 5 een curve van somwaarden toont en de figuren 6a-d curves van de gegevensverwerking tonen.The invention is explained in more detail below, with reference to the drawings, in which figure 1 shows an embodiment of a measuring device according to the invention that can be used for splitting split pig carcasses, figure 2 shows a recorded video image of the ham area with a marked curve of the spine, figure 3 shows a data processing section of the image, figure 4 shows the same section after a directional filtering, figure 5 shows a curve of sum values and figures 6a-d show curves of the data processing.

De inrichting van figuur 1 bevat een transporteur met een zwarte transportband 1, waarop gespleten varkenskarkassen 2 worden geplaatst met de huid naar beneden gekeerd. De karkassen worden in de richting van de pijl P getransporteerd, met de rug naar voren. Boven de band zijn drie CCD videocamera's 3 geplaatst, waarbij de gezichtsvelden respectievelijk worden gevormd door het voorste deel, de ham en de achterpoot van het karkas. De camera's voor het voorste deel en de ham zijn voorzien van groenfilters, terwijl de camera voor de achterpoot een roodfilter bevat. Drie lichtbronnen 4 belichten het karkas. Twee van de lichtbronnen richten het licht op het karkas onder een hoek van ca. 45°. zodat een scha-duwgebied wordt gevormd in de holte van het karkas, waarbij een zijde van het schaduwgebied direct aan de ruggegraat van het karkas grenst. De derde lichtbron richt het licht op het karkas onder een hoek van 90°.The device of figure 1 comprises a conveyor with a black conveyor belt 1, on which split pig carcasses 2 are placed with the skin facing down. The carcasses are transported in the direction of the arrow P, with the back forward. Above the tire, three CCD video cameras 3 are placed, the fields of view being respectively formed by the front part, the ham and the hind leg of the carcass. The front and ham cameras are equipped with green filters, while the rear leg camera includes a red filter. Three light sources 4 illuminate the carcass. Two of the light sources direct the light onto the carcass at an angle of approx. 45 °. so that a shadow area is formed in the cavity of the carcass, with one side of the shadow area directly adjacent the spine of the carcass. The third light source directs the light onto the carcass at an angle of 90 °.

Een framegrijper 5 is verbonden met de respectievelijke uitgangen van de camera's. De framegrijper slaat een videobeeld op wanneer door een centrale computer 6 een elektronisch triggersignaal wordt afgegeven. Dit kan bijvoorbeeld worden geïnitialiseerd door een bij de band geplaatst lichtrelais 7» dat de aanwezigheid van een karkas binnen het gezichtsveld van de camera detecteert of door een signaal van de transporteursturing.A frame gripper 5 is connected to the respective outputs of the cameras. The frame gripper stores a video image when an electronic trigger signal is output from a central computer 6. This can be initialized, for example, by a light relay placed on the belt that detects the presence of a carcass within the field of view of the camera or by a signal from the conveyor control.

De computer 6 bevat een stuur- en berekeningseenheid die op een bepaald moment belangrijke gegevens terugwint van de grijper en deze overeenkomstig een vooraf bepaalde wijze verwerkt. Indien gewenst kunnen ook andere meetgegevens worden gebruikt, bijvoorbeeld informatie over het actuele gewicht of de door middel van een sonde gemeten vlees/vet-dikten.The computer 6 contains a control and calculation unit which at a certain moment recovers important data from the gripper and processes it in a predetermined manner. If desired, other measurement data can also be used, for example information about the current weight or the meat / fat thicknesses measured by means of a probe.

Het proces leidt tot een signaal dat een uitdrukking is van de snijpositie. Het wordt gebruikt als een stuursignaal voor de automatische aanpassing van een daaropvolgende handzaag om een correcte snijpositie te verkrijgen die in overeenstemming is met de anatomische delen.The process produces a signal that is an expression of the cutting position. It is used as a control signal for the automatic adjustment of a subsequent hand saw to obtain a correct cutting position that is consistent with the anatomical parts.

Onderstaand wordt een meer gedetailleerde beschrijving gegeven van de verwerking van het beeld van de ham en het vastleggen van het referentiepunt voor het snijden van de ham (het duidelijke overgangspunt tussen de ruggegraat en de staartwervel, dat soms wordt aangeduid als de "sterke kromming").Below is a more detailed description of the processing of the image of the ham and the establishment of the reference point for cutting the ham (the clear transition point between the spine and tail vertebra, which is sometimes referred to as the "strong curvature") .

Het zoeken naar de ruggegraatSearching for the spine

Tengevolge van de speciale schuine verlichting van het karkas wordt de ruggegraat volledig belicht, terwijl het vleesgebied, dat aan een zijde van de ruggegraat grenst, in de schaduw ligt, zie figuur 2.Due to the special oblique illumination of the carcass, the spine is fully exposed, while the meat area, which borders one side of the spine, is shaded, see figure 2.

Het opgenomen en opgeslagen beeld is opgebouwd uit pixels die in uniforme intervals in lijnen en kolommen in een raster zijn geplaatst. In de eerste 20 kolommen van het beeld wordt gezocht in het gebied dat de pixels met de laagste lichtwaarden bevat binnen een gebied van 15 * 20 pixels. Vanaf dit schaduwgebied wordt de ruggegraat gevonden over een gebied van 10 pixels breed als de plaats met de grootste positieve verandering (gradiënt) van de lichtwaarde en waar de gemiddelde lichtwaarden vóór de gradiënt gelijk zijn aan een vooraf bepaalde waarde.The recorded and saved image is made up of pixels placed in a grid at uniform intervals in lines and columns. The first 20 columns of the image are searched in the area containing the pixels with the lowest light values within an area of 15 * 20 pixels. From this shadow area, the spine is found over an area of 10 pixels wide as the place with the largest positive change (gradient) of the light value and where the average light values before the gradient are equal to a predetermined value.

Wanneer deze plaats is gevonden, wordt naar de ruggegraat gezocht binnen een interval van ± 15 pixels. Het punt van de ruggegraat is gedefinieerd als het punt met de grootste positieve gradiënt en waar de gemiddelde pixelwaarden voor de gradiënt gelijk zijn aan een vooraf bepaalde waarde.When this location is found, the spine is searched within an interval of ± 15 pixels. The point of the spine is defined as the point with the largest positive gradient and where the average pixel values for the gradient are equal to a predetermined value.

Wanneer het punt van de ruggegraat is gevonden, wordt naar het volgende punt gezocht, en wel overeenkomstig dezelfde criteria als boven beschreven. Indien de coördinaat niet wordt gedetecteerd, wordt aangenomen dat deze gelijk is aan de vorige coördinaat. De coördinaten voor de ruggegraat worden gemiddeld voordat zij in de daaropvolgende berekeningen worden gebruikt. De gevonden punten worden gemarkeerd als een curve van de ruggegraat in figuur 2.When the point of the spine is found, the next point is searched according to the same criteria as described above. If the coordinate is not detected, it is assumed to be the same as the previous coordinate. The spine coordinates are averaged before they are used in subsequent calculations. The points found are marked as a spine curve in Figure 2.

Berekening van de voorlopige positie van de "sterke kromming"Calculation of the preliminary position of the "strong curvature"

De voorlopige positie van de "sterke kromming" wordt bepaald als de positie waar de overgang in de kromming van de ruggegraat het grootst is. Ze wordt gemarkeerd met de lijn "F" in figuur 2.The preliminary position of the "strong curvature" is determined as the position where the transition in the spine curvature is greatest. It is marked with the line "F" in figure 2.

Beeldverwerking van de ruggegraatImage processing of the spine

Door middel van de curve van de ruggegraat wordt een beeldsectie van 50 * 300 pixels gevormd, waarin de ruggegraat en de "sterke kromming" zijn opgenomen. De bovenste rand van de sectie stemt overeen met de curve. Er wordt een correctie uitgevoerd voor de vervorming die wordt veroorzaakt door het rechttrekken van de sectie.By means of the curve of the spine, an image section of 50 * 300 pixels is formed, in which the spine and the "strong curvature" are included. The top edge of the section corresponds to the curve. A correction is made for the distortion caused by straightening the section.

Het verkregen deelbeeld van de ruggegraat, dat in figuur 3 is getoond, wordt aan een directionele filtering onderworpen waarin structuren onder rechte hoeken ten opzichte van de ruggegraat worden benadrukt, en verder misschien structuren met een bepaalde breedte. Voor dit doel wordt de volgende matrix toegepast: -112 1-1 -11 2 1 -1 -2242-2 -1 12 1-1 -112 1-1The resulting spinal sub-image, shown in Figure 3, is subjected to a directional filtering highlighting structures at right angles to the spine, and perhaps structures of a certain width. For this purpose, the following matrix is applied: -112 1-1 -11 2 1 -1 -2242-2 -1 12 1-1 -112 1-1

Een 5*5 matrix wordt gevormd door de pixel-lichtwaarden in één hoek van het deelbeeld. Het scalaire produkt van de twee matrices wordt berekend uit de gevonden numerieke waarden en wordt in de opgeslagen beeldsectie ingevoegd op de plaats van de oorspronkelijke pixelwaarden. Een nieuwe 5*5 matrix wordt gevormd door de pixelwaarden, dat wil zeggen een enkele pixel-kolom aan de rechterkant van de eerste matrix. Het produkt van deze matrix en van de boven getoonde matrix wordt gevormd, waarna de gevonden waarden worden ingevoegd in de opgeslagen beeldsectie op de plaats van de oorspronkelijke waarden.A 5 * 5 matrix is formed by the pixel light values in one corner of the sub-image. The scalar product of the two matrices is calculated from the numeric values found and is inserted in the stored image section in place of the original pixel values. A new 5 * 5 matrix is formed by the pixel values, i.e. a single pixel column to the right of the first matrix. The product of this matrix and of the matrix shown above is formed, after which the found values are inserted into the stored image section in place of the original values.

De procedure wordt op deze wijze voortgezet totdat de rand aan de rechterkant van de beeldsectie wordt bereikt. Daarna wordt het proces een pixel naar boven verplaatst en wordt de procedure herhaald. Wanneer de hele lijn met pixels op dit niveau is verwerkt, wordt weer een pixel hoger gegaan en wordt de procedure voortgezet totdat de pixelwaarden van de totale beeldsectie zijn verwerkt door middel van de matrix die de richting benadrukt. Het beeld lijkt nu op dat van figuur 4, waarin de schijven tussen de ruggewervels duidelijker te zien zijn dan in het oorspronkelijke beeld (figuur 3)·The procedure is continued in this way until the edge on the right side of the image section is reached. Then the process is moved up one pixel and the procedure is repeated. When the entire line of pixels has been processed at this level, one pixel is increased again and the procedure is continued until the pixel values of the entire image section have been processed using the matrix that emphasizes the direction. The image now resembles that of Figure 4, in which the discs between the vertebrae can be seen more clearly than in the original image (Figure 3)

Een rand met een breedte van vijf pixels wordt rondom van de beeldsectie gesneden, waarna een eenvoudige optelling van de pixel-lichtwaarden in elk van de kolommen van pixels in het beeld wordt uitgevoerd. De somcurve is in figuur 5 getoond.A five pixel width border is cut all around the image section, after which a simple addition of the pixel light values in each of the columns of pixels in the image is performed. The sum curve is shown in Figure 5.

Verwerking van de somcurveSum curve processing

In de figuren 6a-d zijn twee somcurves getoond die in de praktijk vaak voorkomen. Van de gezochte "sterke kromming" is bekend dat deze zich nabij positie 50 bevindt, maar om de exacte positie van de "sterke kromming" te bepalen moeten de gegevens van de curve worden verwerkt, waarbij gebruik wordt gemaakt van het feit dat de afstanden tussen de schijven in de ruggegraat in grote mate gelijk zijn binnen hetzelfde individuele karkas.Figures 6a-d show two sum curves that often occur in practice. The searched "strong curvature" is known to be near position 50, but in order to determine the exact position of the "strong curvature" it is necessary to process the curve data, taking into account that the distances between the discs in the spine are largely equal within the same individual carcass.

In figuur 2 is op vage wijze getoond dat de schijven witte strepen tussen donkere botten lijken. Door het gebruik van gradiëntfiltering van de curves in de figuren 6a-b wordt een positief signaal verkregen aan het begin van een streep en een negatief signaal aan het einde van de streep. Van de schijf wordt aangenomen dat deze zich bevindt waar de curve op zijn weg van boven naar beneden het gemiddelde niveau kruist.In Figure 2 it is faintly shown that the discs appear white streaks between dark bones. By using gradient filtering of the curves in Figures 6a-b, a positive signal is obtained at the beginning of a stripe and a negative signal at the end of the stripe. The disk is assumed to be where the curve crosses the average level on its way from top to bottom.

Op de curves in de figuren 6a-b wordt eerst de volgende transformatie uitgevoerd:The following transformation is first performed on the curves in Figures 6a-b:

Figure NL9201472AD00091

Na de transformatie lijken de curves op die van de figuren 6c-d. p2(x) is groot wanneer p(x~3) groot is en/of p(x+3) klein is. Er is te zien dat er een piek is gevormd op de plaatsen waar er een grote daling plaatsvindt over zes eenheden (pixels) in de horizontale beeldrichting.After the transformation, the curves resemble those of Figures 6c-d. p2 (x) is large when p (x ~ 3) is large and / or p (x + 3) is small. It can be seen that a peak has formed in the places where there is a large drop over six units (pixels) in the horizontal image direction.

Er zijn grote dalingen bij de schijven en kleine dalingen op vele plaatsen ten gevolge van ruis. Indien een daling twee keer zo groot is als een andere, is zijn belang niet slechts twee keer zo groot, maar zelfs van nog grotere betekenis. Om de ruis te reduceren wordt de volgende niet-lineaire transformatie van p2(x) uitgevoerd:There are large drops at the disks and small drops in many places due to noise. If a drop is twice as great as another, its importance is not only twice as great, but even more significant. To reduce the noise, the following nonlinear transformation of p2 (x) is performed:

Figure NL9201472AD00092

De posities van de schijven zijn nu tamelijk duidelijk met een afwijking van maximaal een pixel.The positions of the disks are now quite clear with a deviation of up to a pixel.

Om zwakke pieken in gebieden met tamelijk veel ruis te accentueren, wordt een plaatselijke hernormering uitgevoerd door te vouwen met de functie k: k(s) = exp{-abs(s/a)) p4(x) = k o p3(x) = I k(s) p3(x-s) dsTo accentuate weak peaks in areas with quite a lot of noise, a local renormation is performed by folding with the function k: k (s) = exp {-abs (s / a)) p4 (x) = ko p3 (x) = I k (s) p3 (xs) ds

De verkregen curves zijn in de figuren 6e-f getoond.The curves obtained are shown in Figures 6e-f.

Berekening van de posities van de schi.ivenCalculation of the positions of the plates

De functie p4(x) is in overeenstemming met een vormplaat met zes op gelijke afstand liggende randen die de posities van de schijven tussen de ruggewervels weergeven. Het is de bedoeling dat de curve er na een geschikte verschuiving en scalering als een gemiddelde curve uitziet, die bijgevolg dient als prototype of vormplaat. Bij het interpreteren van de curve wordt deze binnen vooraf bepaalde grenzen verlengd of verschoven. De transformatie die de grootste overlapping met de vormplaat vertoont is de juiste. De grootte van de overlapping is een uitdrukking van de zekerheid waarmee het profiel is geïnterpreteerd.The function p4 (x) is in accordance with a molding plate with six equidistant edges representing the positions of the disks between the vertebrae. The curve is intended to look like an average curve after appropriate shifting and scaling, which therefore serves as a prototype or mold plate. When the curve is interpreted, it is extended or shifted within predetermined limits. The transformation that shows the greatest overlap with the mold plate is the correct one. The size of the overlap is an expression of the certainty with which the profile has been interpreted.

De procedure van de gebruikte berekening voert dus een patroonherkenning uit op basis van een totale evaluatie.The procedure of the calculation used therefore performs a pattern recognition based on an overall evaluation.

Vooraf is bepaald binnen welke grenzen de eerste en de laatste schijf moeten worden gezocht. Binnen deze grenzen wordt elke mogelijke positie berekend, waarbij de vormplaat in meer of mindere mate wordt verlengd, en waarbij gebaseerd op een totale evaluatie de vormplaat wordt gevonden die de grootste overeenkomst met de curve vertoont. De positie van de schijven, met inbegrip van de onzichtbare schijf die in de figuren 6b, 6d en 6f is aangeduid op het overgangspunt tussen de ruggegraat en de staartwervel (de "sterke kromming"), werd aldus met grote zekerheid bepaald. De posities van de schijven zijn in figuur 2 als verticale lijnen aangeduid. De gebruikte voorlopige positie van de "sterke kromming" kan nu worden vervangen door de met "K" aangeduide exactere positie.It is determined in advance within which limits the first and the last disc must be searched. Within these limits, every possible position is calculated, whereby the mold plate is extended to a greater or lesser extent, and based on an overall evaluation, the mold plate is found that has the greatest similarity to the curve. The position of the discs, including the invisible disc indicated in Figures 6b, 6d and 6f at the junction between the spine and tail vertebra (the "strong curvature"), was thus determined with great certainty. The positions of the disks are indicated as vertical lines in Figure 2. The used provisional position of the "strong curvature" can now be replaced by the more exact position marked "K".

De totale bovengenoemde werkwijze wordt automatisch uitgevoerd in de computer door middel van een elektronische gegevensverwerking van het opgeslagen beeld van het hamdeel van het karkas. Op basis van de gevonden positie van de "sterke kromming" wordt het splijtpunt berekend door middel van een algoritme, dat onder andere gegevens kan bevatten over de afmeting, het gewicht en het geslacht van het karkas, waarna er een signaal naar een snijmachine wordt gezonden om de positie van de zaag aan te passen om de ham op een corresponderende positie te snijden, waarna de zaag automatisch een correcte snijbewerking uitvoert van de ham wanneer het karkas de zaag passeert tijdens het transport op de band.The entire above-mentioned method is performed automatically in the computer by means of an electronic data processing of the stored image of the ham part of the carcass. Based on the position of the "strong curvature" found, the splitting point is calculated using an algorithm, which may include data on the size, weight and sex of the carcass, after which a signal is sent to a cutting machine to adjust the position of the saw to cut the ham at a corresponding position, after which the saw automatically performs a proper cutting operation of the ham when the carcass passes the saw during transport on the belt.

Door een corresponderende beeld- en gegevensverwerking van het door de tweede videocamera opgenomen beeld van het voorste deel van het karkas, kan de zaag voor het afsnijden van het voorste deel op dezelfde wijze worden aangepast. Als referentiepunt wordt hier de schijf tussen bepaalde ruggewervels gebruikt, terwijl de vormplaat l4 tanden bevat, waarbij de eerste richel zich bij de "nek" van het karkas bevindt.By corresponding image and data processing of the image of the front part of the carcass recorded by the second video camera, the saw for cutting the front part can be adjusted in the same manner. As a reference point, the disc between certain vertebrae is used here, while the molding plate contains 14 teeth, the first ridge being at the "neck" of the carcass.

De beeldopname van de derde camera wordt gebruikt om onder andere de enkel van de voorpoot van het karkas te lokaliseren. Een profielcurve van de voorpoot wordt gevormd die op een op zichzelf bekende wijze wordt onderzocht. Op basis van een signaal over de positie van de enkel kan een derde zaag automatisch worden aangepast en kan de achterste teen op correcte wijze worden verwijderd.The image from the third camera is used to locate the ankle of the front leg of the carcass, among other things. A profile curve of the front leg is formed which is examined in a manner known per se. Based on an ankle position signal, a third saw can be automatically adjusted and the rear toe removed correctly.

Claims (13)

1. Werkwijze voor de individuele behandeling van stukken vlees, bestaande uit de volgende stappen: het belichten van een stuk vlees door middel van een lichtbron, het opnemen van een videobeeld van het vlees-oppervlak door middel van een videocamera, het registreren van het opgenomen beeld, het via gegevens verwerken van het beeld in een computer om bepaalde gebieden van het vleesoppervlak te lokaliseren, zoals bepaalde anatomische gebieden, het uitvoeren van een signaal in afhankelijkheid van de lokalisering, en het gebruik van het signaal om de daaropvolgende behandeling van het stuk vlees te sturen, met het kenmerk, dat de gegevensverwerking van het geregistreerde beeld in de computer bestaat uit een directionele filtering waarbij een bepaalde richting in het beeld wordt benadrukt.1. Method for the individual treatment of pieces of meat, consisting of the following steps: exposing a piece of meat by means of a light source, recording a video image of the meat surface by means of a video camera, recording the recorded image, computing the image in a computer to locate certain areas of the flesh surface, such as certain anatomical areas, outputting a signal depending on the location, and using the signal to process the piece subsequently meat, characterized in that the data processing of the recorded image in the computer consists of a directional filtering in which a certain direction in the image is emphasized. 2. Werkwijze overeenkomstig conclusie 1, met het kenmerk. dat de directionele filtering wordt uitgevoerd door middel van een matrix waarvan de nummers in de ene richting hoger zijn dan in andere richtingen.Method according to claim 1, characterized in. that the directional filtering is performed through a matrix whose numbers are higher in one direction than in other directions. 3· Werkwijze overeenkomstig conclusie 2, met het kenmerk, dat een vierkante matrix met minimaal 3 * 3 en maximaal 7*7 elementen wordt gebruikt.Method according to claim 2, characterized in that a square matrix with a minimum of 3 * 3 and a maximum of 7 * 7 elements is used. 4. Werkwijze overeenkomstig een van de conclusies 1 tot 3. met het kenmerk. dat de gegevensverwerking verder is ontworpen om gebieden met een bepaalde breedte te benadrukken.Method according to one of claims 1 to 3, characterized in. that the data processing is further designed to highlight areas of a certain width. 3. Werkwijze overeenkomstig een van de conclusies 1 tot 4, met het kenmerk. dat voor elke lijn die in het beeld kan worden getrokken evenwijdig met een bepaalde richting een sommering van de lichtwaarden van de pixels van de beelden wordt uitgevoerd, en dat de verkregen somwaarden worden gebruikt om een bepaald gebied te lokaliseren.Method according to any of claims 1 to 4, characterized in. that for each line that can be drawn in the image parallel to a certain direction, a summing of the light values of the pixels of the images is performed, and that the sum values obtained are used to locate a specific area. 6. Werkwijze overeenkomstig conclusie 5» met het kenmerk. dat de somwaarden worden onderworpen aan een niet-lineaire transformatie.6. Method according to claim 5, characterized in that. that the sum values are subjected to a non-linear transformation. 7. Werkwijze overeenkomstig een van de conclusies 5 tot 6, met het kenmerk. dat het van de somwaarden afgeleide gegevensstel wordt gebruikt voor het aanpassen van een vormplaat die de gezochte anatomische gebieden weergeeft, waarbij de vormplaat bij voorkeur wordt verschoven en verlengd totdat de grootste gelijkenis met de door de waarden van het gegevensstel gevormde curve wordt bereikt.Method according to any one of claims 5 to 6, characterized in. that the data set derived from the sum values is used to adjust a shape plate representing the searched anatomical regions, preferably shifting and extending the shape plate until the greatest similarity to the curve formed by the data set values. 8. Werkwijze overeenkomstig een van de conclusies 1 tot 7t met het kenmerk. dat de lichtbron zodanig wordt geplaatst dat deze een schaduw-gebied vormt in het gezichtsveld van de videocamera, waarbij de optische assen van de videocamera en de lichtbron een hoek ten opzichte van elkaar vormen.A method according to any one of claims 1 to 7t, characterized. that the light source is positioned to form a shadow area in the field of view of the video camera, the optical axes of the video camera and the light source forming an angle to each other. 9. Werkwijze overeenkomstig een van de conclusies 1 tot 8, met het kenmerk, dat gebaseerd op een gelokaliseerd gebied, bijvoorbeeld tussen twee specifieke ruggewervels van een karkas, een berekening wordt gemaakt door de computer overeenkomstig een algoritme dat, indien gewenst, gegevens kan bevatten over de afmeting, het gewicht en het geslacht van het karkas, en dat een van de berekening afhankelijk signaal wordt uitgevoerd naar een behandelingsmachine voor de stukken vlees om de posities van zijn gereedschappen aan te passen, bijvoorbeeld in een snijmachine om de positie van de zaag aan te passen teneinde een correcte snijbewerking uit te voeren op bijvoorbeeld de ham van een karkas.Method according to any one of claims 1 to 8, characterized in that based on a localized area, for example between two specific vertebrae of a carcass, a calculation is made by the computer according to an algorithm which, if desired, may contain data about the size, weight and sex of the carcass, and that a signal dependent on the calculation is output to a processing machine for the pieces of meat to adjust the positions of its tools, for example in a cutting machine to adjust the position of the saw adjust in order to perform a correct cutting operation on, for example, the ham of a carcass. 10. Inrichting ten gebruike bij de individuele behandeling van stukken vlees, bestaande uit een lichtbron voor het belichten van een stuk vlees, een videocamera voor het opnemen van een videobeeld van het vleesoppervlak en een computer voor het registreren en verwerken van de gegevens van het beeld om bepaalde gebieden van het vleesoppervlak te lokaliseren, zoals bepaalde anatomische gebieden, en een signaaluitvoer-module in de computer voor het uitvoeren van een signaal in afhankelijkheid van de lokalisering, waarbij dit signaal bij de daaropvolgende behandeling van het stuk vlees wordt gebruikt, met het kenmerk, dat de gegevensverwerking van de computer een directionele filtering uitvoert waarbij een bepaalde richting in het beeld wordt benadrukt.10. Device for use in the individual treatment of meat pieces, comprising a light source for illuminating a piece of meat, a video camera for recording a video image of the meat surface and a computer for recording and processing the data of the image to locate certain areas of the meat surface, such as certain anatomical areas, and a signal output module in the computer for outputting a signal depending on the location, using this signal in the subsequent treatment of the piece of meat, with the characterized in that the computer's data processing performs directional filtering emphasizing a particular direction in the image. 11. Inrichting overeenkomstig conclusie 10, met het kenmerk. dat voor de directionele filtering een matrix wordt gebruikt waarvan de nummers in de ene richting hoger zijn dan in andere richtingen.Device according to claim 10, characterized in. that for the directional filtering a matrix is used whose numbers are higher in one direction than in other directions. 12. Inrichting overeenkomstig conclusie 11, met het kenmerk, dat de matrix vierkant is met minimaal 3 * 3 en maximaal 7*7 elementen.Device according to claim 11, characterized in that the matrix is square with a minimum of 3 * 3 and a maximum of 7 * 7 elements. 13. Inrichting overeenkomstig een van de conclusies 10 tot 12, met het kenmerk, dat de lichtbron zodanig wordt geplaatst dat deze een scha-duwgebied vormt in het gezichtsveld van de videocamera, waarbij de optische assen van de videocamera en de lichtbron een hoek ten opzichte van elkaar vormen.Device according to any one of claims 10 to 12, characterized in that the light source is positioned to form a shadow area in the field of view of the video camera, the optical axes of the video camera and the light source being at an angle to from each other.
NL9201472A 1991-08-23 1992-08-18 METHOD AND APPARATUS FOR USE IN THE INDIVIDUAL TREATMENT OF PIECES OF MEAT. NL9201472A (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DK199101504A DK167462B2 (en) 1991-08-23 1991-08-23 Method and plant for use in treating a meat subject
DK150491 1991-08-23

Publications (1)

Publication Number Publication Date
NL9201472A true NL9201472A (en) 1993-03-16

Family

ID=8105530

Family Applications (1)

Application Number Title Priority Date Filing Date
NL9201472A NL9201472A (en) 1991-08-23 1992-08-18 METHOD AND APPARATUS FOR USE IN THE INDIVIDUAL TREATMENT OF PIECES OF MEAT.

Country Status (6)

Country Link
DE (1) DE4228068A1 (en)
DK (1) DK167462B2 (en)
FR (1) FR2680449B1 (en)
GB (1) GB2258916B (en)
IE (1) IE922603A1 (en)
NL (1) NL9201472A (en)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5793879A (en) * 1992-04-13 1998-08-11 Meat Research Corporation Image analysis for meat
GB9510171D0 (en) * 1995-05-19 1995-07-12 Univ Bristol A method of and apparatus for locating a spine in a half-carcass
US6692345B1 (en) * 1999-08-27 2004-02-17 K. J. Maskinfabriken A/S Laying-down system and vision-based automatic primal cutting system in connection therewith
US6860804B2 (en) 1999-08-27 2005-03-01 Kj Maskinfabriken A/S Laying-down system and vision-based automatic primal cutting system in connection therewith
EP1289374B1 (en) * 2000-05-30 2007-07-25 Marel HF. An integrated meat processing and information handling method
DE102007017899B4 (en) * 2007-04-13 2017-02-16 Innotech Ingenieursgesellschaft Mbh Apparatus and method for cutting food material
US20210233235A1 (en) * 2018-05-04 2021-07-29 Xpertsea Solutions Inc. Scale for determining the weight of organisms
DE102020006482A1 (en) 2020-10-14 2022-04-14 Innotech Ingenieursgesellschaft Mbh Device for cutting agricultural products and central processing unit with at least one data memory for controlling the device

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2728913A1 (en) * 1977-06-27 1979-01-18 Hans Breitsameter METHOD AND DEVICE FOR CLASSIFYING MEAT
DK157380C (en) * 1986-11-06 1991-08-12 Lumetech As METHODS OF OPTICAL, BODY-FREE MEASUREMENT OF MEAT TEXTURE
FR2608899B1 (en) * 1986-12-29 1990-02-23 Simonet Andre PROCESS FOR QUALIFYING CARCASSES OF BUTCHER ANIMALS, AND CORRESPONDING INSTALLATION
DK676487A (en) * 1987-12-22 1989-06-23 Slagteriernes Forskningsinst PROCEDURE FOR DETERMINING QUALITY CHARACTERISTICS OF INDIVIDUAL CREATURE GENERATOR AND PLANT FOR USE IN DETERMINING THE PROPERTIES

Also Published As

Publication number Publication date
DK167462B1 (en) 1993-11-01
FR2680449B1 (en) 1994-05-20
DK150491A (en) 1993-02-24
DE4228068A1 (en) 1993-03-11
GB9217299D0 (en) 1992-09-30
DK167462B2 (en) 1999-11-01
GB2258916B (en) 1995-08-02
GB2258916A (en) 1993-02-24
IE922603A1 (en) 1993-02-24
FR2680449A1 (en) 1993-02-26
DK150491D0 (en) 1991-08-23

Similar Documents

Publication Publication Date Title
Le Cozler et al. High-precision scanning system for complete 3D cow body shape imaging and analysis of morphological traits
Luo et al. Vision-based extraction of spatial information in grape clusters for harvesting robots
CA2744146C (en) Arrangement and method for determining a body condition score of an animal
CA2367640C (en) Image analysis systems for grading of meat, predicting quality of meat and/or predicting meat yield of an animal carcass
CN104482860B (en) Fish morphological parameters self-operated measuring unit and method
CN106483135A (en) Corn kernel detection and identification device and method based on machine vision under complex background
EP2503331A2 (en) Method and system for the real-time automatic analysis of the quality of samples of processed fish meat based on the external appearance thereof, said samples travelling on a conveyor belt such that surface defects can be detected and the fish meat can be sorted according to quality standards
GB2247524A (en) Automatic carcass grading apparatus and method
NL9201472A (en) METHOD AND APPARATUS FOR USE IN THE INDIVIDUAL TREATMENT OF PIECES OF MEAT.
RU2728231C1 (en) Automatic method of determining amount of meat left on animal carcass
CN115063438A (en) Autonomous adjusting method applied to pig carcass splitting robot
Uttaro et al. An image analysis approach to identification and measurement of marbling in the intact pork loin
EP1174034A1 (en) Method for trimming pork bellies
Jia et al. Location of the maize plant with machine vision
CN112837271A (en) Muskmelon germplasm resource character extraction method and system
Kurochka et al. Algorithm of Definition of Mutual Arrangement of L1–L5 Vertebrae on X-ray Images
JPH06278087A (en) Method and device for automatic cutting of large fish
Singh et al. Advances in computer vision technology for foods of animal and aquatic origin (a)
Mosa et al. Design and sorting of an object identification on machine vision by using line scan camera
Yu et al. Compact imaging system and deep learning based segmentation for objective longissimus muscle area in Korean beef carcass
CA2191177C (en) Strand dimension sensing
Martin-Rodriguez et al. Computer Vision Methods for Automating Turbot Fish Cutting
US20240037771A1 (en) A method and a system for determining a weight estimate of a food item
FR2694479A1 (en) Abattoir equipment for taking readings from half carcass - has computer for treating information from cameras and balance to determine probable area and surfaces at hip bone and primary thoracic vertebra
Jørgensen et al. Reaching behind specular highlights by registration of two images of broiler viscera

Legal Events

Date Code Title Description
BV The patent application has lapsed