專利名稱：用于對被屠宰的牲畜軀體進行分類及其定性和定量測定的數據采集的制作方法
技術領域：
本發明涉及借助圖像處理、基于特征片斷來區分和識別具有作為被屠宰的牲畜軀體特征的復雜結構的輪廓的一種非侵入式的方法，所述方法尤其是可以用來測定用于計算肌肉百分比、銷售分類以及相關的銷售值和市場價值的數據，還可考慮法規要求優選地在屠宰場和肉類加工廠中評定被屠宰的牲畜軀體的質量。
由現有技術已知有一系列的自動處理過程，用于通過光學圖像處理測定在其沿脊柱的分割面上的被屠宰牲畜的軀體的數據以用于后續的分類和質量評定。
因此，文件DD 298 310 A5/DE 41 31 556 C2和DE 41 09 345 C2描述了用于通過圖像處理來測定或分析被屠宰牲畜的肉半的方法，其中外部輪廓、脂肪層、肉與背部脂肪的比率被測定，這是通過以下方式實現的即記錄了被屠宰牲畜的整個肉半的圖像，包括脊柱和所有的中間椎骨層。作為確定用來分割或分類被屠宰牲畜軀體的參數的固定點，其起點是脊骨的骶骨，通過對象分析利用與其它椎骨相同的方法被測定，其中在實際處理期間，并不總是能夠以足夠可靠的方式來選擇所需要的輪廓進行分析。
文件DE 197 33 216 C1描述了使用光學圖像處理來估計被屠宰牲畜的肉半的方法，這使得可以基于標準的兩點法、使用對擴展的腰部區域的光學圖像估計來執行分類，同時排除了主觀的錯誤源。
通過光學圖像處理來估計被屠宰牲畜肉半的一種方法還從文件DE 198 47 232 C2中已知，其中攝影制圖方法被用作傳統的兩點法的仿真。在腰部和后臀部區域內，有兩個被明確定義的點，第一個點是股骨在軀干側的末端，第二個點是MGM(中臀肌)在軀干側的末端，沿背部脂肪的中間系列方向的直線通過攝影制圖被記錄。出于實際的估計目的，使用了局部部位的長度，它在該直線的垂線上被提供，穿過背部脂肪層在第二個明確定義的點的水平高度上與股骨平行移位。雖然在該方法的情況下人工執行的兩點法的主觀測量錯誤被根除，但先決條件是所需要的輪廓和結構通過光學圖像處理被可靠地識別。
另一種方法由文件DE 199 36 032 C1已知，其中確保了被屠宰牲畜的肉半的質量，特別是被屠宰的豬的質量，使用光學圖像處理自動評定，相對于已知的方法實現了更高水平的可再現的估計準確性，它僅受分割被屠宰牲畜的方法期間的錯誤的微弱影響，而不會受到并不絕對垂直于分割面的圖像的影響，其中被屠宰牲畜肉半在分割面上的光學圖像在后臀部和腰部區域內通過攝影制圖基于特定的明確定義的參考點被估計。
選定區域內的脊骨、股骨、中臀肌的最薄脂肪層和背部脂肪輪廓被用作明確定義的參考點。對于評定質量起決定性作用的肌肉百分比通過部分長度的累加被計算出來，這些長度彼此使用常數按比例設置，并在肌肉和脂肪層區域內垂直于脊髓導管的直線部分，這些常數通過每項的回歸計算和一個基本常數來確定。雖然在該方法范圍內，脂肪量(S)的測量值根據法規被測定在正確的點上，但肌肉量(F)未被確定，其結果是肌肉百分比(MF％)沒有使用正式的公式進行計算，這樣就不大可能對銷售類別進行分類。
由文件DE 119 52 628 A1已知一種用于確定豬肉塊的銷售值的方法，其中臀部、肉片、去除的肉片、肉條、肩部、肩部區域、腹部、和/或其它部位可被銷售或進一步單獨處理的肉塊重量、重量與凈肉率都可借助對豬肉半的在線估計來確定。為了實現該方法，描述軀體結構的預測值被確定，其中該預測值產生于豬肉半的外部輪廓部分的漸進輪廓，以及由此導出脊柱的面積、位置和漸進輪廓，并由此導出被屠宰的牲畜軀體的部分區域的長度和面積，并對于豬肉半獲取關于脂肪量的信息和表示其相對厚度的信息，以及背部區域的近似全部皮下脂肪層的漸進輪廓。這些預測值被彼此相關地設置，考慮了在它們之間存在的統計關系，作為所感興趣的肉塊重量產生的結果，它們關于畜體的全部重量的重量百分比和肌肉百分比在屠宰線上被在線確定。在該方法的處理過程中，整個豬肉半必須通過視頻被記錄，并且該圖像目標被昂貴地處理和估計，僅僅是為了確定銷售值。由于整個分割面上較大的圖像區域，該估計的等級受到影響，而且肉塊的重量不能以足夠精確的方式被確定，該圖像區域中的輪廓和結構的錯誤識別就將產生不切實際的值。
此外，被引用為DE 103 58 487.0的專利申請描述了一種用于確定被屠宰的牲畜軀體的質量和數量的方法，該方法可用于確定銷售分類、銷售值、市場價值和質量，從而滿足了相關的官方指令和規定的條件。從各個部分所產生的重量百分比的結果數據通過對畜體的足夠數目的切塊進行測試而獲得，它與特征測量值和參數關聯在一起，包括由后臀部和腰部區域的畜體的兩個肉半所確定的總重量，并由此獲得相關數據，在屠宰場中用于評估各個部分的產量的仿真計算以該相關數據來執行，其中考慮了相關聯的畜體的兩個肉半的總重量以及特征測量值和參數，因此所述測量值和參數特別地在后臀部和腰部區域中確定。
在一種變化中，各個部分的產量僅基于特別地從后臀部和腰部區域確定的特征測量值和參數被評估。
所有這些已知方法的一個共同方面是，用在圖像處理中以識別具有復雜結構的輪廓的全自動輪廓識別算法不可避免地具有一定的錯誤識別率。實際上，在錯誤識別輪廓的情況下，在試圖糾正已經產生的錯誤時可使用后續的優化方法，但是隨著新確定的輪廓一般會產生新的估計錯誤，從而對后續計算導致不正確的或錯誤的數據或值。
本發明的一個目的是開發出一種用于識別具有復雜結構的輪廓的非侵入式的方法，該方法具有的錯誤識別率趨近于零，可用來區分和識別被屠宰的牲畜軀體的特征，所述方法基于特征切片來工作，尤其是通過圖像處理來確定用于計算肌肉百分比、銷售分類以及相關的銷售值和市場價值的數據，還可考慮法規要求或特殊的規則用來評定被屠宰的牲畜軀體的質量。
該目標由權利要求1中所述的特征實現。優選的改進在從屬權利要求中描述。
本發明背后的基本思想在于這樣一種事實，即在要被區分和識別的具有復雜結構的被屠宰的牲畜軀體輪廓的誤差識別期間，由于在圖像區域內明顯的不純凈性或生理特征，如不易通過用在屠宰場和肉類加工廠中的自動方法識別的肌肉表面、附著物或薄弱的肌肉，通過圖像處理用于被屠宰的牲畜軀體的估計，在PC形式的相應工作站上的操作人員與計算機進行交互，提供所要求的未被識別的或被錯誤識別的輪廓的足夠指示。
這些指示允許新排序的輪廓識別算法，以便可靠地檢測所要搜索的輪廓。特別地，操作人員在圖像再現裝置的幫助下可將這些指示以圖形方式輸入到被屠宰的牲畜軀體的感興趣的區域內的圖像顯示中，可選地，這可以通過視聽方式或者通過文本方式輸入。
在圖像區域內，操作人員將至少一個支撐點設置在進行測量的一個或多個區域內。這些作為幾何設定點的支撐點可表示要找到的輪廓起點、終點、中間點或任意一點。可選地，該支撐點還可以為該輪廓標記出容許或禁止區域。在具有一個以上支撐點的情況下，另外還可以確定更高階次的張量設定點，如來自兩個支撐點的向量設定點以及來自三個支撐點的曲率設定點。
此外，還可以從支撐點周圍區域的分析中得到用于輪廓識別算法的起始參數。例如，這些參數可以以最小或最大或平均亮度、色度和對比度的形式給出。但是，也可以將如紋理這樣的更為復雜的特征確定為參數。
隨后，如截面、角度、面積等特征測量值和參數，以及最好在腰部和后臀部區域內的圖像中包括的亮度和顏色信息，參照圖像區域內選出的清楚定義的點和結構以常規方式被確定。
例如，在屠宰豬的情況下，歐洲通用的兩點法被用來確定脂肪量(S)和肌肉量(F)的準確測量值，由此使用正式的公式直接計算肌肉百分比(MF％)，從而將被屠宰的豬劃分到銷售分類中。
肉片可針對外部輪廓和脂肪漸進輪廓以及它們的彼此關系，并基于成像區域中脊柱直線部分區域內的垂直局部截面的確定長度被估計。
各個部分的產量的評估由與切片測試結果相結合的其他特征值給出。可執行的切片估計從而照常得到銷售值。畜體的重量形成了用于評估切片重量的基礎，并從它們的總重量依次確定市場價值。
畜體的質量由所確定的亮度和顏色信息進行評定。
本發明的優點特別是在于錯誤識別率在被屠宰的牲畜軀體的質量和數量的估計中事實上被減小至零，并且為肉類生產者和加工者提供了相關的積極經濟效益。
被屠宰的牲畜軀體及其切片的全面估計和分類成為可能。
在所有非侵入式自動方法的情況下，交互的實現都是可能的，這些方法包括要識別其輪廓和結構、并且要確定其測量值的區域的圖示表示。
下面將參照附圖以示例性實施例對本發明進行具體的闡述，其中圖1示出了具有不清晰的輪廓的被屠宰的牲畜軀體肉半在腰部和后臀部區域中的圖像；圖2示出了被屠宰的牲畜軀體肉半在腰部和后臀部區域的圖像，其中示出了特征測量值和參數的錯誤識別；以及圖3示出了被屠宰的牲畜軀體肉半在腰部和后臀部區域中的圖像，示出了作為標記的支撐點以及由此確定的特征測量值和參數。
一種對豬畜體進行分類的特殊方法，即所謂的兩點法，由對中臀肌和椎骨線的識別開始。隨后，脂肪量(S)，如脂肪(包括外皮)的最薄點，在中臀肌上被首先確定(毫米)，隨后肌肉量(F)，如前額、中臀肌上部的顱側終端的最短連接點，椎管的背緣(毫米)。脂肪量和肌肉量以這種方式被確定，然后根據銷售分類規范(HKL-VO)的附件4提供豬畜體的肌肉百分比。根據HKL-VO的附件1，然后完成銷售分類的分配。
豬畜體的分類使用所認可的分類裝置來執行，該裝置基本上包括圖像記錄裝置和具有相應的軟件并由中立的分類人員操作的計算機工作站。一般來說，這些分類人員是能夠非常準確地估計被屠宰的牲畜軀體的脂肪、肌肉和脊椎輪廓的經過宣誓的專家。這樣被屠宰的牲畜軀體的正確估計和分類就成為分類人員的責任。
在該程序開始時，以已知的方式采用成像處理來提取被屠宰的牲畜軀體的腰部和后臀部的數字圖像，該軀體已經沿脊柱被分割，該圖像被進行圖像分析，其中肌肉組織和脂肪組織以及骨頭的輪廓漸進被記錄。通過輪廓漸進，各個剖面以及輪廓區域上平均得到的面積和剖面被測量，并獲取亮度值和/或顏色值。
例如，根據文件DE 19936 032 C1或專利申請DE 103 58 487.0中描述的方法獲取腰部和后臀部區域的特征測量值和參數。
如圖1所示，豬畜體肉半的后臀部和腰部區域的圖像區域1及所有細節一起被記錄，隨后通過攝影制圖被估計。
圖像區域1與黑色背景形成對比，通過其外部輪廓2記錄擴展的后臀部和腰部區域的整個寬度。
借助直方圖分析，首先對于豬畜體相應的平均亮度以通常的方式對門限參數進行重新歸一化處理，隨后是不同的組織剖面基于圖像區域1中的顏色和/或亮度差別的后續計算機化選擇。血液造成的雜質借助于對連貫性的自檢從圖像中基本上被濾除。
在下一步驟中，亮色顯示的脂肪與較暗的肌肉分離，以這種形式確定脂肪區域3和肌肉區域4。
在肌肉區域4內，在其它東西中間，中臀肌(MGM)5的輪廓使用輪廓跟蹤算法被識別出來，隨后確定其幾何位置。
如圖1所示，a)MGM 5的輪廓由于肌肉區域4中的各個生理特征而沒有被清楚地劃分，其中其原因可能是例如MGM 5的表面的附著物或較小的構成物；b)椎管6沒有清楚標識出來，因為它在分割過程中間未被撞擊或其上有血，以及c)股骨7由于被脂肪組織或血液部分遮蓋而不能被可靠地識別。
在圖2示出的這種類型的圖像中所執行的輪廓分析不可避免地具有分類人員所識別的錯誤識別，和/或作為警告或報警指示形式的錯誤消息由計算機輸出。在選定的圖像中，類似于MGM 5的肌肉區域8通過自動圖像分析識別為MGM 5，脊柱的背部區域的椎骨9被錯誤分配且未發現股骨7。如果基于該分析的結果確定用于估計被屠宰的牲畜的測量值或參數，則作為結果將產生絕對錯誤的估計。
錯誤識別被分類人員識別出來，它被指示出或報告給分類人員。在圖像區域1中，作為操作者的分類人員隨后在其中進行測量的一個或多個區域內設置至少一個支撐點。這些作為幾何設定點式的支撐點可表示要找到的輪廓的起點、終點、中點或任何一點。
在這種情況下，通常僅在未識別的結構區域中就足以標注支撐點了，如MGM 5和/或椎骨和/或股骨7。在該例中，如圖3所示a)為了正確識別MGM 5的輪廓，第一支撐點10被設置在MGM5中以得到亮度信息，第二支撐點11被設置在MGM 5的顱側終端作為位置信息；b)為了有助于得到椎管6，最好兩個相鄰的椎骨9分別用另一個支撐點12來標注，其中附加的方向信息被確定；以及c)為了標識和識別股骨7的輪廓，附加的支撐點13被設置在其顱側終端區域內。
根據在設定點的幫助下再次執行的輪廓分析，a)中臀肌(MGM)5及其幾何位置如圖3所示被清楚地標識。而且，b)包涵椎骨9和椎管6的脊柱的低端的輪廓，如圖像區域1內可見的，已經被精確地標識出來。相同的表述可用于已被清楚標識的c)股骨7，其輪廓已被確定。
在特定數量的被屠宰牲畜的情況下，其中尤其是作為用于確定圖像區域中的數據和測量值的主要元素的MGM 5被微弱地形成，從而借助圖像分析的自動處理將明顯地導致輪廓和結構的錯誤識別，它可用作在圖像分析開始之前標注支撐點的替代方案。
在圖像區域1中，第一支撐點10可選地被設置在MGM 5中以得到亮度信息，和/或第二支撐點11被設置在MGM 5的顱側終端作為位置信息，可選地，為了可靠地得到椎管6，最好兩個相鄰的椎骨9分別用另一個支撐點12來標注，以及可選地，股骨7也用附加的支撐點13來標注，只有在此之后才是用于識別輪廓和結構的圖像分析，在其開始之后以已知的方式確定圖像區域內的測量值和數據。
通常，脊柱的直剖面方向的直線14被設置為椎管6的上(背側的)邊緣上的后續測量的起始線。然后在MGM 5的前額(顱側)終端的高度上產生該直線14的垂線15，所述的垂線的段長，如從MGM5的前額終端到椎管6的上(背側的)邊緣的最短連接，對應于肌肉量(F)，如腰部肌肉的厚度。垂線15直至外部輪廓2的延展定義了MGM 5顱側上的脂肪漸進輪廓。
MGM 5上最薄層的高度上，從MGM 5的輪廓到外部輪廓2的連接線16被確定，該連接線的段長表示脂肪量(S)。
通過用毫米為單位測量的兩項(F)和(S)，肌肉百分比(MF％)的計算用來自兩點法的正式公式并基于已確定的肌肉百分比在線計算，該方法特別用于具有隨后進行貿易類別分類的各個國家。
在圖像區域1中確定的多個其它的剖面、角度和面積被用來提供與各每種情況下所分析的被屠宰的牲畜軀體相關的進一步討論。
例如，脂肪、肌肉和骨頭測量可在脊柱和股骨7的區域內進行。
作為另一個重要的特征，通過相連的組織型隔膜17可以將脂肪在組織學上劃分為上部脂肪層18和下部脂肪層19。上部脂肪層18被定義為較底層的皮下脂肪，下部脂肪層19被定義為體脂肪層。
關于腹部的肌肉百分比的描述可從較底層的皮下脂肪的厚度得出。
關于肉片的精確描述最好可從椎骨9上的剖面和面積獲得。另外，為了估計后臀部，也可以并入位于垂線15直至外部輪廓2的延展與在直線14上的另一垂線20之間的表面區域內的MGM 5上的平均脂肪厚度，該直線14也包含在銷售值的確定中。
關于被屠宰的牲畜的整個軀體的、如后臀部或肉片等切片的百分比可直接從圖像分析的測量數據中確定，以相同方式可確定各個切片的肌肉百分比。
依次地，例如沒有骨頭和脂肪的后臀部肌肉的百分比等更復雜的計算可被確定。
通過引入懸掛在吊鉤上的兩個相關聯的肉半的總重量，其中該重量在移除被屠宰的牲畜軀體之后被記錄，也可以計算各個部分的產量，由此產量可從切片估計的總和來計算，市場價值可從切片重量的總和來計算。
這樣，參照所確定的百分比，如后臀部、肉片以及其它有價值的切片的相關部分的重量說明可基于總重量進行計算。
畜體和/或切片的質量參照這里進一步采用的亮度值和/或顏色值形式的特征的圖像信息來評定。
使用的附圖標記列表1 圖像區域2 外部輪廓3 脂肪區域4 肌肉區域5 中臀肌(MGM)6 椎管7 股骨8 類似的肌肉區域9 椎骨10 第一支撐點
11 第二支撐點12 另外的支撐點13 附加的支撐點14 直線15 垂線16 連接線17 隔膜18 上部脂肪層19 下部脂肪層20 另一垂線
權利要求
1.一種識別具有復雜結構的輪廓的非侵入式的方法，該方法具有的錯誤識別率趨近于零，該方法可用來彼此相對地區分和識別被屠宰的牲畜軀體的特征，所述方法基于特征切片被使用，以借助圖像處理確定用于計算肌肉百分比、銷售分類以及相關的銷售值和市場價值的數據，該數據采用參照輪廓部分的各個部分、平均部分和區域的測量值的形式，并用其它特征圖像信息來評定被屠宰的牲畜軀體的質量，其特征在于在要被區分和標識的、具有復雜結構的被屠宰的牲畜軀體的輪廓的誤差識別過程中，在PC形式的工作站上的操作人員與計算機進行互動，提供關于要搜尋的未被識別的或被錯誤識別的輪廓的足夠的指示，通過使用圖像再現裝置，在各種情況下，至少一個支撐點被設置在在被屠宰的牲畜軀體的一個或多個通過測量確定數據的區域中感興趣的區域內的圖像圖示中。
2.一種識別具有復雜結構的輪廓的非侵入式的方法，該方法具有的錯誤識別率趨近于零，該方法可用來彼此相對地區分和識別被屠宰的牲畜軀體的特征，所述方法基于特征切片被使用，以借助圖像處理來確定用于計算肌肉百分比、銷售分類以及相關的銷售值和市場價值的數據，該數據采用關于輪廓部分的各個部分、平均部分和區域的測量值的形式，并用其它特征圖像信息來評定被屠宰的牲畜軀體的質量，其特征在于在標識要被區分和標識的、具有復雜結構的被屠宰的牲畜軀體的輪廓之前，在PC形式的工作站上的操作人員與計算機進行互動，提供關于要搜尋輪廓的足夠指示，通過使用圖像再現裝置，在各種情況下，至少一個支撐點在開始圖像分析之前被設置在被屠宰的牲畜軀體的一個或多個通過測量確定數據的區域中感興趣的區域內的圖像圖示中，在此之后圖像分析開始，并隨后以已知的方式確定測量值。
3.如權利要求1或2中所述的方法，其特征在于作為幾何設定點的支撐點表示要識別的輪廓內的起點、終點、中點或任何一點。
4.如權利要求1或2和3中所述的方法，其特征在于第一支撐點(10)可選地被設置在MGM(5)中，以得到亮度信息，和/或第二支撐點(11)被設置在MGM(5)的顱側終端作為位置信息。
5.如權利要求1或2和3中所述的方法，其特征在于可選地，為了可靠地找到椎管(6)，最好兩個相鄰的椎骨(9)均用另一個支撐點(12)來標注。
6.如權利要求1或2和3中所述的方法，其特征在于可選地，股骨(7)用附加的支撐點(13)來標注。
7.如權利要求1或2中所述的方法，其特征在于支撐點表示要識別的輪廓的不能接受的區域。
8.如權利要求1或2以及3至7中任一項所述的方法，其特征在于用于輪廓識別算法的起始參數從支撐點周圍區域的分析中獲得。
9.如權利要求8中所述的方法，其特征在于最小、最大或平均亮度、色度和對比度被用作起始參數。
10.如權利要求8中所述的方法，其特征在于如質地等復雜特征被確定為起始參數。
11.如權利要求1或2中所述的方法，其特征在于對于要識別的輪廓有一個以上支撐點的說明，另外還可確定更高階次的張量設定點，如來自兩個支撐點的向量設定點以及來個三種支撐點的曲率設定點。
12.如權利要求1或2中所述的方法，其特征在于被屠宰的牲畜軀體的切片的百分比直接從圖像分析的測量值的數據來確定。
全文摘要
描述了一種識別具有復雜結構的輪廓的非侵入式的方法，該方法具有的錯誤識別率趨近于零，可用來借助圖像處理，基于特征切片區分和識別被屠宰的牲畜軀體的特征，特別是用來確定用于計算肌肉百分比、銷售分類以及相關的銷售值和市場價值的數據，還可用來考慮法規要求評定被屠宰的牲畜軀體的質量。根據本發明，在要區分和標識的被屠宰的牲畜軀體的具有復雜結構的輪廓的誤差識別過程中，在PC形式的工作站上的操作人員與計算機進行互動，提供關于要搜尋的未被識別的或被錯誤識別的輪廓的足夠指示，借助圖像再現裝置，將至少一個支撐點設置在被屠宰的牲畜軀體的一個或多個通過測量確定數據的區域中感興趣的區域內的圖像中。
文檔編號A22B5/00GK101052306SQ200580031665
公開日2007年10月10日 申請日期2005年9月17日 優先權日2004年11月17日
發明者彼得·施米澤克 申請人:Csb-系統公司