AbstractThe aim of this study was t

Abstract

The aim of this study was to determine the effectiveness of computer vision system (CVS) to detect meat defects of m. longissimus lumborum (LL) in industrial settings. The material consisted of 230 muscles. Based on pH1 (45 min) and pH2 (24 h post-mortem) meat classification into quality groups was conducted. To give more precise characterization of the raw material (proving the defect or not) the electrical conductivity (EC), drip loss, thermal drip and water holding capacity (WHC) were determined. The color of the meat in CIEL*a*b* and by CVS was measured and the study into how the CVS can be employed in meat defect detection was done. It was found that it is possible to employ the CVS to detect PSE (pale, soft, exudative) and DFD (dark, firm, dry) and to classify meat into quality groups. It was not possible to differentiate RSE (red, soft, exudative) from RFN (red, firm, normal) meat in this study. The highest accuracy of raw material classification using the CVS method was reported for the HSL (hue, saturation, lightness) color parameters at 81.7%. Therefore, the computer vision system can be employed for rapid analysis of the quality of pork m. longissimus lumborum under industrial conditions.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อจุดมุ่งหมายของการศึกษานี้คือการ ตรวจสอบประสิทธิภาพของระบบภาพคอมพิวเตอร์ (CVS) การตรวจสอบข้อบกพร่องเนื้อริบบิ้น m. lumborum (LL) ในอุตสาหกรรมการตั้งค่า วัสดุที่ประกอบด้วยกล้ามเนื้อ 230 คะแนนเฉลียจาก pH1 (45 นาที) และ pH2 (24 h ชันสูตร) เนื้อจัดประเภทเป็นกลุ่มคุณภาพดำเนินการ การนำไฟฟ้า (EC), หยดสูญเสีย ความร้อนหยด และน้ำถือความจุ (WHC) ถูกกำหนดให้จำแนกลักษณะยิ่งดิบ (พิสูจน์ข้อบกพร่อง หรือไม่) สีของเนื้อในเชียล * เป็น * b * และโดย CVS ซึ่งวัดได้ และทำการศึกษาในวิธี CVS สามารถนำมาใช้ในการตรวจจับข้อบกพร่องเนื้อ พบว่า จะสามารถใช้ CVS ตรวจหา PSE (อ่อน นุ่ม exudative) และ DFD (มืด บริษัท แห้ง) และ เพื่อจัดประเภทเนื้อสัตว์ลงในกลุ่มคุณภาพ ไม่ได้แยก RSE (สีแดง นุ่ม exudative) จากเนื้อสัตว์ (สีแดง แน่น ปกติ) ในการศึกษานี้ RFN ความแม่นยำสูงสุดของการแบ่งประเภทของวัตถุดิบที่ใช้วิธี CVS รายงานสำหรับพารามิเตอร์สี HSL (สี ความเข้ม ความสว่าง) 81.7% ดังนั้น ระบบคอมพิวเตอร์วิสัยทัศน์สามารถนำมาใช้สำหรับการวิเคราะห์อย่างรวดเร็วคุณภาพของหมู lumborum เมตรริบบิ้นภายใต้สภาวะอุตสาหกรรม

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ

จุดมุ่งหมายของการศึกษาครั้งนี้เพื่อตรวจสอบประสิทธิภาพของระบบคอมพิวเตอร์วิสัยทัศน์ (CVS) เพื่อตรวจสอบข้อบกพร่องของเนื้อเมตร longissimus lumborum (LL) ในการตั้งค่าอุตสาหกรรม วัสดุที่ประกอบด้วยกล้ามเนื้อ 230 ขึ้นอยู่กับ PH1 (45 นาที) และ PH2 (24 ชั่วโมงชันสูตรศพ) จำแนกออกเป็นกลุ่มเนื้อสัตว์ที่มีคุณภาพได้ดำเนินการ เพื่อให้ตัวละครที่แม่นยำยิ่งขึ้นของวัตถุดิบ (พิสูจน์ข้อบกพร่องหรือไม่) การนำไฟฟ้า (EC), การสูญเสียน้ำหยด, หยดน้ำความร้อนและการถือครองน้ำความจุ (WHC) ได้รับการพิจารณา สีของเนื้อใน CIEL * a * b * และ CVS วัดและการศึกษาเข้าสู่วิธีการที่ CVS สามารถใช้ในการตรวจสอบข้อบกพร่องเนื้อได้ทำ ก็พบว่ามันเป็นไปได้ที่จะจ้างงาน CVS ในการตรวจสอบ PSE (อ่อนนุ่ม exudative) และ DFD (สีดำ, บริษัท แห้ง) และการจำแนกออกเป็นกลุ่มเนื้อสัตว์ที่มีคุณภาพ มันเป็นไปไม่ได้ที่จะแยกความแตกต่าง RSE (สีแดงนุ่ม exudative) จาก RFN (สีแดง, บริษัท , ปกติ) เนื้อสัตว์ในการศึกษาครั้งนี้ ความถูกต้องสูงสุดของการจำแนกประเภทวัตถุดิบที่ใช้วิธี CVS มีรายงานสำหรับ HSL (สี, ความเข้มความสว่าง) พารามิเตอร์สีที่ 81.7% ดังนั้นระบบคอมพิวเตอร์วิสัยทัศน์ที่สามารถใช้ในการวิเคราะห์อย่างรวดเร็วของคุณภาพของเนื้อหมูเมตร longissimus lumborum ภายใต้สภาวะอุตสาหกรรม

ผลลัพธ์ (ไทย) 3:

บทคัดย่อจุดมุ่งหมายของการศึกษานี้คือ เพื่อศึกษาประสิทธิผลของระบบการมองเห็นของคอมพิวเตอร์ ( CVS ) เพื่อตรวจหาข้อบกพร่องของ โคเนื้อ lumborum ( ll ) ในการตั้งค่าโรงงาน วัสดุ จำนวน 230 กล้ามเนื้อ ตาม ph1 ( 45 นาที ) และ PH2 ( ชันสูตรศพ 24 H ) เนื้อจัดเป็นกลุ่มที่มีคุณภาพเป็น เพื่อให้ลักษณะที่แม่นยำยิ่งขึ้นของวัตถุดิบ ( พิสูจน์ข้อบกพร่องหรือไม่ ) ค่าการนำไฟฟ้า ( EC ) , การสูญเสียความร้อนออกเป็นหยดน้ำความจุถือ ( SPM ) ตัวอย่าง สีของเนื้อใน Ciel * a * b * โดยย่อวัดและศึกษาวิธีการย่อสามารถใช้ในการตรวจจับข้อบกพร่องเนื้อหมด พบว่ามันเป็นไปได้ที่จะใช้ CVS ตรวจสอบ PSE ( อ่อน , นุ่ม , exudative ) และ DFD ( มืด , บริษัท , บริการ ) และแบ่งเนื้อออกเป็นกลุ่มคุณภาพ มันเป็นไปไม่ได้ที่จะแยก RSE ( สีแดงอ่อน exudative ) จาก rfn ( บริษัท ปกติสีแดง เนื้อในการศึกษานี้ สูงสุดของความถูกต้องของการจำแนกวัตถุดิบใช้ CVS วิธีการรายงานสำหรับ HSL ( สี , ความเข้มแสง , สี ) พารามิเตอร์ที่ 81.7 % ดังนั้น ระบบการมองเห็นของคอมพิวเตอร์ที่สามารถใช้สำหรับการวิเคราะห์อย่างรวดเร็วของคุณภาพของหมูเอ็ม โค lumborum ภายใต้สภาวะอุตสาหกรรม