Zastosowanie komputerowej analizy obrazu w technologii mięsa

• Autorzy: Chmiel M. , Slowinski M.

Warianty tytułu

EN

Application of video image analysis in meat technology

• Języki publikacji: PL

Abstrakty

EN

In recent years, video image analysis (VIA) has found an increasing range of applications in the food industry, including the meat industry. The main advantages of image analysis are objectivity, speed, repeatability, noninvasiveness, and the potential to be used on-line. These advantages make VIA an attractive alternative to the previously used traditional, often labor- and time-consuming, and subjective methods of quality assessment. This paper presents image analysis systems, such as VBS 2000, VIAscan®, BCC-2 and Normaclass MAC-2, used in industrial practice for the post-slaughter grading of large animal carcasses in the EUROP system. The paper also discusses the possibility of using this method to estimate the fat content in pork trimmings and turkey tight meat, to evaluate the pH level in meat, and to detect quality defects in pork and beef.

Słowa kluczowe

PL

przemysl miesny; mieso; tusze zwierzece; klasyfikacja tusz; ocena jakosci; metody; komputerowa analiza obrazu; zastosowanie

• Wydawca: -
• Czasopismo: Medycyna Weterynaryjna
• Rocznik: 2013
• Tom: 69
• Numer: 11
• Opis fizyczny: s.670-673,bibliogr.

Twórcy

autor

Chmiel M.

• Zakład Technologii Mięsa, Wydział Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego, ul.Nowoursynowska 159c, 02-787 Warszawa

autor

Slowinski M.

• Zakład Technologii Mięsa, Wydział Nauk o Żywności, Szkoła Główna Gospodarstwa Wiejskiego, ul.Nowoursynowska 159c, 02-787 Warszawa

Bibliografia

• 1. Borggaard C., Madsen N. T., Thodberg H. H.: In-line Image Analysis in the Slaughter Industry, Illustrated by Beef Carcass Classification. Meat Sci. 1996, 43, 151-163.
• 2. Branschied W., Hoereth R., Baulain U., Tholen E., Dobrowolski A.: Estimation of the carcass composition based on the combination of the video imaging analysis with the other grading systems. Fleischwirtschaft 2004, 84, 98-101.
• 3. Brosnan T., Sun D.: Improving quality inspection of food products by computer vision – a review. J. Food Eng. 2004, 61, 3-16.
• 4. Cannell R. C., Belk K. E., Tatum J. D., Wise J. W., Chapman P. L., Scanga J. A., Smith G. C.: Online evaluation of a commercial video image analysis system (Computer Vision System) to predict beef carcass red meat yield and for augmenting the assignment of USDA yield grades. J. Anim. Sci. 2002, 80, 1195-1201.
• 5. Chmiel M., Dasiewicz K., Słowiński M.: Wpływ rozdrobnienia mięsa wołowego na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu. ŻYWN. Nauk. Technol. Jak. 2010, 17, 5(72), 159-166.
• 6. Chmiel M., Słowiński M., Dasiewicz K.: Application of computer vision systems for estimation of fat content in poultry meat. Food Control 2011, 22, 1424-1427.
• 7. Chmiel M., Słowiński M., Dasiewicz K.: Lightness of the color measured by computer image analysis as a factor for assessing the quality of pork meat. Meat Sci. 2011, 88, 566-570.
• 8. Chmiel M., Słowiński M., Dasiewicz K., Florowski T.: Application of a computer vision system (CVS) to classify beef as normal or dark, firm, and dry. J. Anim. Sci. 2012, 90, 4126-4130.
• 9. Craigie C. R., Navajas E. A., Purchas R. W., Maltin C. A., Bünger L., Hoskin S. O., Ross D. W., Morris S. T., Roehe R.: A review of the development and use of video image analysis (VIA) for beef carcass evaluation as an alternative to the current EUROP system and other subjective systems. Meat Sci. 2012, 92, 307-318.
• 10. Dasiewicz K., Pisula A., Słowiński M., Noga A.: Zastosowanie komputerowej analizy obrazu do szacowania jakości peklowanego drobnego mięsa wieprzowego klasy II. ŻYWN. Nauk. Technol. Jak. 2008, 15, 4(59), 52-60.
• 11. Dasiewicz K., Słowiński M., Sakowski T.: Próba zastosowania komputerowej analizy obrazu do oceny jakości mięsa wołowego. Mięso i Wędliny 1998, (04), 40-44.
• 12. Decyzja wykonawcza Komisji z dnia 16 sierpnia 2011 r. zmieniająca decyzję 2005/240/WE zatwierdzającą metody klasyfikacji tusz wieprzowych w Polsce (notyfikowana jako dokument nr C(2011) 5745), 2011/506/UE, Dz. Urz. UE, L 209/43.
• 13. Du C. J., Sun D. W.: Recent developments in the applications of image processing techniques for food quality evaluation. Trends Food Sci. Tech. 2004, 15, 230-249.
• 14. Du C. J., Sun D. W., Jackman P., Allen P.: Development of a hybrid image processing algorithm for automatic evaluation of intramuscular fat content in beef m. longissimus dorsi. Meat Sci. 2008, 80, 1231-1237.
• 15. Faucitano L., Huff P., Teuscher F., Gariepy C., Wegner J.: Application of computer image analysis to measure pork marbling characteristics. Meat Sci. 2005, 69, 537-543.
• 16. Florowski T.: Próba zastosowania komputerowej analizy obrazu do oceny jakości mięsa wieprzowego. ŻYWN. Nauk Technol. Jak. 2003, 10, 3(37), 63-71.
• 17. Fortin A., Tong A. K. W., Robertson W. M., Zawadski S. M., Landry S. J., Robinson D. J., Liu T., Mockford R. J.: A novel approach to grading pork carcasses: computer vision and ultrasound. Meat Sci. 2003, 63, 451-462.
• 18. Hopkins D. L., Safari E., Thompson J. M., Smith C. R.: Video image analysis in the Australian meat industry – precision and accuracy of predicting lean meat yield in lamb carcasses. Meat Sci. 2004, 67, 269-274.
• 19. Jackman P., Sun D. W., Allen P.: Prediction of beef palatability from colour, marbling and surface texture features of longissimus dorsi. J. Food Eng. 2010, 96, 151-165.
• 20. Jackman P., Sun D. W., Allen P.: Recent advances in the use of computer vision technology in the quality assessment of fresh meats. Trends Food Sci. Tech. 2011, 22, 185-197.
• 21. Klasyfikacja tusz wołowych – stan obecny. Mięso i Wędliny 2008, (8), 30-36.
• 22. Krzywiński A., Schalk H.: Urządzenie do wydajnej klasyfikacji tusz wieprzowych ciepłych i wychłodzonych. Gosp. Mięsna 2011, (12), 32-33.
• 23. Lu J., Tan J., Shatadal P., Gerrard D. E.: Evaluation of pork color by using computer vision. Meat Sci. 2000, 56, 57-60.
• 24. Madsen N. T.: Beef Classification. Perspectives and challenge when introducing objective classification. ProOptiBeef, SGGW Warsaw, 12 September 2011.
• 25. Marty-Mahe P., Marchal P.: Grading turkey carcass by colour machine vision: colour defect detection. Cr. Acad. Agr. France 1997, 83, 128.
• 26. Mollah B. R., Hasan A., Sala, A., Ali A.: Digital image analysis to estimate the live weight of broiler. Comput. Electron. Agr. 2010, 72, 48-52.
• 27. O’Sullivan M. G., Byrne D. V., Martens H., Gidskehaug L. H., Andersen H. J., Martens M.: Evaluation of pork colour: prediction of visual sensory quality of meat from instrumental and computer vision methods of colour analysis. Meat Sci. 2003, 65, 909-918.
• 28. Pabiou T., Fikse W. F., Cromie A. R., Keane M. G., Näsholm A., Berry D. P.: Use of digital images to predict carcass cut yields in cattle. Livest. Sci. 2011, 137, 130-140.
• 29. Qiao J., Wang N., Ngadi M., Guenec O., Monroy M., Gariepy C.: Prediction of drip loss, pH, and color for pork by using a hyperspectral imaging technique. Meat Sci. 2007, 76, 1-8.
• 30. Rius-Vilarrasa E., Bünger L., Maltin C., Matthews K. R., Roehe R.: Evaluation of Video Image Analysis (VIA) technology to predict meat yield of sheep carcasses on-line under UK abattoir conditions. Meat Sci. 2009, 82, 94-100.
• 31. Rozporządzenie Komisji (WE) Nr 1215/2003 z dnia 7 lipca 2003 r. zmieniające rozporządzenie (EWG) nr 344/91 ustanawiające szczegółowe zasady stosowania rozporządzenia Rady (EWG) nr 1186/90 rozszerzającego zakres wspólnotowej skali klasyfikacji tusz wołowych. Dz. Urz. UE, L 169/32, 03/t. 39, 32003R1215.
• 32. Steiner R., Wyle A. M., Vote D. J., Belk E., Scanga J. A., Wise W., Tatum J. D., Smith G. C.: Real-time augmentation of USDA yield grade application to beef carcasses using video image analysis. J. Anim. Sci. 2003, 81, 2239-2246.
• 33. Sun D. W.: Computer vision technology for food quality evaluation. Food Science and Technology, International Series 2007, Academic Press, #583.
• 34. Vote D. J., Belk K. E., Tatum J. D., Scanga J. A., Smith G. C.: Online prediction of beef tenderness using a computer vision system equipped with a BeefCam module. J. Anim. Sci. 2003.
• 35. Wu D., Sun D. W.: Colour measurements by computer vision for food quality control – A review. Trends Food Sci. Techn. 2013, 29, 5-20.
• 36. Zheng C., Sun D. W., Zheng L.: Recent developments and applications of image features for food quality evaluation and inspection – a review. Trends Food Sci. Tech. 2006, 17, 642-655.