Komputerowa analiza obrazu (KAO) w przemyśle mięsnym. Możliwości wykorzystania

• Autorzy: Żmijewski T. , Pomianowski J. F.

Identyfikatory

DOI

10.15199/65.2017.3.3

Warianty tytułu

EN

Computer Image Analysis (CIA) in meat industry. The possibilities of using

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest przedstawienie możliwości wykorzystania komputerowej analizy obrazu w przemyśle mięsnym. KAO jest to obiektywna, szybka i nieinwazyjna metoda znajdująca zastosowanie do oceny surowców, procesów technologicznych i produktów. Stosując tę technikę badawczą najczęściej dokonuje się pomiarów wielkości geometrycznych oraz barwy badanych obiektów. Na ich podstawie określa się wiele cech i parametrów charakteryzujących opisywany materiał. W przemyśle mięsnym KAO znajduje zastosowanie m.in. do klasyfikacji tusz, oceny zawartości tłuszczu, marmurkowatości oraz jakości gotowych wyrobów. Może też być wykorzystywana do prognozowania cech jakościowych mięsa i przetworów mięsnych, umożliwiać ich kontrolę i sterowanie. Dzięki zastosowaniu KAO możliwa jest również zaawansowana automatyzacja i robotyzacja złożonych operacji technologicznych.

EN

The aim of the paper is to present the possibilities of using computer vision systems in meat industry. CIA (Computer Image Analysis) is an objective, quick and non-invasive method applicable to raw materials, technological processes and products assessment. Using this research technique, most frequently geometric features and the colours of the objects are examined. This is the basis for determination of a number of characteristics and parameters characterizing the examined material. In food industry, CIA is used to carcass classification, evaluation of fat content, marbling and the assessing quality of finished products. It can be also employed in forecasting meat characteristics after technological processes, which allows controlling them. It can be also used for forecasting qualitative characteristics of meat and meat products which allows controlling them. Thanks to CIA application, automation of complex technological operations is possible.

Słowa kluczowe

PL

komputerowa analiza obrazu; KAO; mięso; przemysł mięsny

EN

computer image analysis; CIA; meat; meat industry

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przemysł Spożywczy
• Rocznik: 2017
• Tom: T. 71, nr 3
• Strony: 14--17
• Opis fizyczny: Bibliogr. 59 poz.

Twórcy

autor

Żmijewski T.

• Katedra Technologii i Chemii Mięsa, Wydział Nauki o Żywności, Uniwersytet Warmińsko-Mazurski w Olsztynie

autor

Pomianowski J. F.

• Katedra Towaroznawstwa i Badań Żywności, Wydział Nauki o Żywności, Uniwersytet Warmińsko-Mazurski w Olsztynie

Bibliografia

• [1] Antequera T., Caro A., Rodríguez P.G., Pérez-Palacios T. 2007. „Monitoring the ripening process of Iberian Ham by computer vision on magnetic resonance imaging”. Meat Science 76 : 561-567.
• [2] Barbut S. 2014. „Review: Automation and meat quality-global challenges”. Meat Science 96 : 335-345.
• [3] Barczyk J. 2007. „Robotyzacja w przemyśle spożywczym”. Pomiary Automatyka Robotyka 1 : 16-20.
• [4] Barczyk J. 2013. „Zrobotyzowane stanowiska i linie produkcyjne dla przemysłu mięsnego”. Gospodarka Mięsna 8 : 36-40.
• [5] Borggaard C., Madsen N.T., Thodberg H.H. 1996. „In-line image analysis in the slaughter industry, illustrated by beef carcass classification”. Meat Science 43 : 151-163.
• [6] Borzyszkowski M. 2013a. „Zastosowanie technik wizyjnych w przemyśle mięsnym”. Gospodarka Mięsna 1 : 18-21.
• [7] Borzyszkowski M. 2013b. „Zastosowanie technik wizyjnych do oceny jakości mięsa poddanego obróbce cieplnej”. Gospodarka Mięsna 4 : 44-46.
• [8] Borzyszkowski M., Cierach M. 2009. „Możliwości zastosowania komputerowej analizy obrazu w przemyśle mięsnym”. Gospodarka Mięsna 1 : 14-15
• [9] Brosnan T., Sun D. 2004. „Improving quality inspection of food products by computer vision – a review”. Journal of Food Engineering 61 : 3-16.
• [10] Brunso K., Bredahl L., Grunert K.G., Scholderer J. 2005 „Consumer perception of the quality of beef resulting from various fattening regimes”. Livestock Production Science 94 : 83-93.
• [11] Chmiel M., Dasiewicz K., Słowiński M. 2010a. „Ocena jakości drobnego mięsa wołowego metodą komputerowej analizy obrazu”. ŻYWNOŚĆ. Nauka. Technologia. Jakość 6 (73) : 219-227.
• [12] Chmiel M., Dasiewicz K., Słowiński M. 2010b. „Wpływ rozdrobnienia mięsa wołowego na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu”. ŻYWNOŚĆ. Nauka. Technologia. Jakość 5 (72) : 159-166.
• [13] Chmiel M., Słowiński M., Cal P. 2011b. „Zastosowanie komputerowej analizy obrazu do wykrywania wady PSE mięsa wieprzowego”. ŻYWNOŚĆ. Nauka. Technologia. Jakość 6 (79) : 47-54.
• [14] Chmiel M., Słowiński M., Dasiewicz K. 2011a. „Application of computer vision systems for estimation of fat content in poultry meat”. Food Control 22 : 1424-1427.
• [15] Chmiel M., Słowiński M., Dasiewicz K. 2011d. „Lightness of the color measured by computer image analysis as a factor for assessing the quality of pork meat”. Meat Science 88 : 566-570.
• [16] Chmiel M., Słowiński M., Dasiewicz K., Florkowski T. 2011c. „Komputerowe systemy wizyjne w ocenie jakości mięsa wołowego”. Przemysł Spożywczy 65 (9) : 45-47.
• [17] Chmiel M., Słowiński M., Dasiewicz K., Florkowski T. 2012. „Application of a computer vision system to classify beef as normal or dark, firm, and dry”. Journal of Animal Science 90 : 4126-4130.
• [18] Chwastowska-Siwiecka I. 2009a. „Urządzenia do automatycznego pakowania, ważenia i konfekcjonowania”. Gospodarka Mięsna 8 : 14-26.
• [19] Chwastowska-Siwiecka I. 2009b. „Zautomatyzowana linia uboju trzody chlewnej”. Gospodarka Mięsna 11 : 8-12.
• [20] Condé B.C., Fuentes S., Caron M., Xiao D., Collmann R., Howell K.S. 2017. „Development of a robotic and computer vision method to assess foam quality in sparkling wines”. Food Control 71 : 383-392.
• [21] 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. 2012. „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 Science 92 : 307-318.
• [22] Dasiewicz K. 2010. „Badania nad wpływem rodzaju oświetlenia na dokładność szacowania zawartości tłuszczu metodą komputerowej analizy obrazu w modelowych mieszaninach mięsa i tłuszczu wieprzowego”. Nauka Przyroda Technologie 4 (5) : 1-8.
• [23] Dasiewicz K., Chmiel M. 2011. „Wykorzystanie komputerowych systemów wizyjnych w technologii żywności”. Inżynieria Żywności Postępy Techniki Przetwórstwa Spożywczego 1 : 127-131.
• [24] Dasiewicz K., Mierzwińska I. 2006. „The use of a computer digital analysis for evaluating the quality of pork trimmings”. ACTA Scientiarum Polonorum Technologia Alimentaria 5 (2) : 85-92.
• [25] Dasiewicz K., Pisula A., Słowiński M., Noga A. 2008. „Zastosowanie komputerowej analizy obrazu do szacowania jakości peklowanego drobnego mięsa wieprzowego klasy II” ŻYWNOŚĆ. Nauka. Technologia. Jakość 4 (59) : 52-60.
• [26] Dolata W., Krzywdzińska-Bartkowiak M., Piotrkowska E., Morawska K. 2002. „Zastosowanie systemu komputerowej analizy obrazu do oceny efektywności mieszania farszu w mieszarce i kutrze”. Inżynieria Rolnicza 9 : 53-60.
• [27] Fortin A., Tong A.K.W., Robertson W.M., Zawadski S.M., Landry S.J., Robinson D.J., Liu T., Mockford R.J. 2003. „A novel approach to grading pork carcasses: computer vision and ultrasound”. Meat Science 63 : 451-462.
• [28] Gancarz M., Konstankiewicz K. 2007. „Zastosowanie komputerowej analizy obrazu do szybkiego określenia wielkości i kształtu bulw ziemniaka”. Acta Agrophysica 10 (1) : 47-57.
• [29] Girolami A., Napolitano F., Faraone D., Di Bello G., Braghieri A. 2014. „Image analysis with the computer vision system and the consumer test in evaluating the appearance of Lucanian dry sausage”. Meat Science 96 : 610-616.
• [30] Guzek D., Głąbska D., Wierzbicka A. 2012a. „Porównanie możliwości prognozowania barwy łopatki wołowej dla różnych metod obróbki cieplnej”. Postępy Nauki i Techniki 13 : 61-68.
• [31] Guzek D., Głąbska D., Wierzbicka A. 2012b. „Zastosowanie komputerowej analizy obrazu do prognozowania mięsa wołowego po obróbce cieplnej”. Postępy Nauki i Techniki 12 : 131-138.
• [32] Guzek D., Głąbska D., Wierzbicka A. 2012c. „Analiza możliwości prognozowania barwy polędwicy wołowej poddanej obróbce cieplnej, prowadzonej w piecu konwekcyjno-parowym, na podstawie składowych barwy mięsa surowego”. Folia Pomeranae Universitatis Technologiae Stetinensis Agricultura, Alimentaria, Piscaria et Zootechnica 296 (23) : 13-18.
• [33] Guzek D., Wierzbicka A., Głąbska D. 2011. „Potencjał oraz zastosowanie komputerowej analizy i przetwarzania obrazu w przemyśle rolno-spożywczym”. Inżynieria Rolnicza 4 (129) : 67-73.
• [34] http://slidegur.com/doc/5300388/komputerowa-analiza-obrazu 10.02.2017.
• [35] Jackman P., Sun D.W. Allen P., Brandon K., White A.M. 2010. „Correlation of consumer assessment of longissimus dorsi beef palatability with image colour, marbling and surface texture features”. Meat Science 84 : 564-568.
• [36] Kamińska A., Gaukel V. 2009. „Kontrola wzrostu kryształów w lodach spożywczych”. ŻYWNOŚĆ. Nauka. Technologia. Jakość 1 (62) : 57-64.
• [37] Krzywdzińska-Bartkowiak M., Dolata W., Piątek M. 2005. „Komputerowa analiza obrazu mikrostruktury drobno rozdrobnionych farszów mięsnych i wędlin z różnym udziałem tłuszczu”. ŻYWNOŚĆ. Nauka. Technologia. Jakość 3 (44) Supl. : 131-139.
• [38] Luňáková L., Pospiech M., Tremlová B., Saláková A., Javůrková Z., Kameník J. 2016. „Evaluation of fat grains in gothaj sausage using image analysis”. Potravinarstvo 1 (10) : 591-597
• [39] Magda F. 2011. „Techniki wizyjne do oceny jakości mięsa”. Gospodarka Mięsna 5 : 12-16.
• [40] Majkowska A., Klepacka J., Najda A. 2013. „Kierunki wykorzystania cyfrowej analizy obrazu w przemyśle spożywczym”. EPISTEME 21 (1) : 305-315.
• [41] Okruszek A., Skrabka-Błotnicka T. 2014. „Automatyczne linie uboju bydła i trzody chlewnej”. Nauki Inżynierskie i Technologie 4 (15) : 84-99.
• [42] Olszewski A. 2013. „Zastosowanie robotów w przemyśle mięsnym”. Gospodarka Mięsna 8 : 20-32.
• [43] Pabiou T., Fikse W.F., Cromie A.R. Keane M.G., Näsholm A., Berry D.P. 2011. „Use of digital images to predict carcass cut yields in cattle”. Livestock Science 137 :130-140.
• [44] Pérez-Palacios T., Caballero D., Caro A., Rodríguez P.G., Antequera T. 2014. „Applying data mining and Computer Vision Techniques to MRI to estimate quality traits in Iberian hams”. Journal of Food Engineering 131 : 82-88.
• [45] Pisula A., Dasiewicz K., Flis A. 2004. „Zastosowanie komputerowej analizy obrazu do standaryzacji składu chemicznego drobnego mięsa wieprzowego kl. 2 w ciągłych liniach rozbiorowych”. Postępy Techniki Przetwórstwa Spożywczego 1 : 8-12.
• [46] Półtorak A., Gębski J., Wyrwisz J., Zalewska M., Łopacka J., Ulanicka U., Żontała K., Stelmasiak A., Moczkowska M., Wierzbicka A. 2013. „Wykorzystanie komputerowej analizy obrazu do oceny wybranych wyróżników jakości mięsa wołowego”. Inżynieria Rolnicza 1 (141) : 197-206.
• [47] Rius-Vilarrasa E., Bünger L., Maltin C., Matthews K.R., Roehe R. 2009. „Evaluation of Video Image Analysis (VIA) technology to predict meat yield of sheep carcasses on-line under UK abattoir conditions”. Meat Science 82 : 94-100.
• [48] Sakowski T., Cytowski J. 1996. „Przydatność komputerowej analizy obrazu do przyżyciowej oceny mięsności buhajów”. Prace i Materiały Zootechniczne 48 : 61-70.
• [49] Sakowski T., Słoniewski K., Reklewski Z. 2002. „Using digital image analysis and ultrasound measurements for a pre-slaughter evaluation of carcass qualitative traits in cattle”. Animal Science Papers and Reports 20 (2) : 111-123.
• [50] Słowiński M., Majewska M., Dasiewicz K. 2007. „Wykorzystanie komputerowej analizy obrazu do oceny zawartości tłuszczu w mięsie kurcząt”. Inżynieria Żywności Postępy Techniki Przetwórstwa Spożywczego 1 : 13-16.
• [51] Szwedziak K. 2008. „Aplikacje komputerowe do oceny wybranych parametrów sensorycznych produktów rolno-spożywczych”. Inżynieria Rolnicza 2 (100) : 293-298.
• [52] Tadeusiewicz R., Korohoda P. 1997. Komputerowa analiza i przetwarzanie obrazów. Kraków: Wydawnictwo Fundacji Postępu Telekomunikacji.
• [53] Tomkiewicz D., Kopeć A. 2008. „Zastosowanie metod przetwarzania obrazu do oceny zawartości tłuszczu w mięsie wieprzowym”. Inżynieria Rolnicza 2 (100) : 299-306.
• [54] Wajdzik J. 2004. „Zastosowanie komputerowej analizy obrazu do oceny zmian w mięsie szynek”. Gospodarka Mięsna 6 : 18-21.
• [55] Węglarz A., Balzakowska A., Choroszy Z. 2013. „Poubojowe metody oceny użytkowości mięsnej bydła”. Roczniki Naukowe Zootechniki 40 (2) : 109-126.
• [56] www.banss.de 10.02.2017r.
• [57] www.eplusv.de 10.02.2017r.
• [58] Zheng Ch., Sun D.W., Zheng L. 2006. „Recent developments and applications of image features for food quality evaluation and inspection - a review”. Trends in Food Science and Technology 17 : 642-655.
• [59] Żmijewski T. 2008. „Możliwości wykorzystania komputerowej analizy obrazu w przemyśle mięsnym”. Rzeźnik Polski 6 : 50-51.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).