The aim of this study was to determ

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:

จุดมุ่งหมายของการศึกษานี้คือการ ตรวจสอบประสิทธิภาพของระบบภาพคอมพิวเตอร์ (CVS) เพื่อตรวจหาเนื้อข้อบกพร่องของริบบิ้น m. lumborum (LL) ในอุตสาหกรรมการตั้งค่า วัสดุที่ประกอบด้วยกล้ามเนื้อ 230คะแนนเฉลียจาก pH1 (45 นาที) และ pH2 (24 h ชันสูตร) เนื้อจัดประเภทเป็นกลุ่มคุณภาพดำเนินการสมบัติยิ่งดิบ (พิสูจน์ข้อบกพร่อง หรือไม่) ให้การไฟฟ้าการนำไฟฟ้า (EC), หยดสูญเสีย ความร้อนหยด และน้ำถือกำหนดกำลังการผลิต (WHC) การสีของเนื้อในเชียล * เป็น * b * และ โดย CVS ซึ่งวัดได้ และการศึกษาเป็นวิธี CVS สามารถว่าจ้างทำการตรวจหาข้อบกพร่องในเนื้อ พบว่า จะสามารถใช้ CVS เพื่อตรวจหาPSE (อ่อน นุ่ม exudative) และ DFD (มืด บริษัท แห้ง) และ เพื่อจัดประเภทเนื้อสัตว์ลงในกลุ่มคุณภาพ ก็ไม่ได้สามารถแยกแยะ RSE (สีแดง นุ่ม exudative) จากเนื้อสัตว์ (สีแดง แน่น ปกติ) ในการศึกษานี้ RFN การความแม่นยำสูงสุดของการแบ่งประเภทของวัตถุดิบที่ใช้วิธี CVS รายงานสำหรับ HSL (เว้ความเข้ม ความสว่าง) พารามิเตอร์ที่ 81.7% สี ดังนั้น สามารถใช้ระบบภาพคอมพิวเตอร์สำหรับการวิเคราะห์คุณภาพของหมู lumborum เมตรริบบิ้นภายใต้สภาวะอุตสาหกรรมอย่างรวดเร็ว

ผลลัพธ์ (ไทย) 2:

จุดมุ่งหมายของการศึกษาครั้งนี้เพื่อตรวจสอบประสิทธิภาพของระบบคอมพิวเตอร์วิสัยทัศน์ (CVS) ในการตรวจสอบเนื้อ
ข้อบกพร่องของ M longissimus lumborum (LL) ในการตั้งค่าอุตสาหกรรม วัสดุที่ประกอบด้วย 230 กล้ามเนื้อ.
จาก PH1 (45 นาที) และ PH2 (24 ชั่วโมงชันสูตรศพ) การจำแนกประเภทเนื้อสัตว์เป็นกลุ่มที่มีคุณภาพได้ดำเนินการ.
เพื่อให้ตัวละครที่แม่นยำยิ่งขึ้นของวัตถุดิบ (พิสูจน์ข้อบกพร่องหรือไม่) ไฟฟ้า
การนำ (EC), การสูญเสียน้ำหยด, หยดน้ำความร้อนและความจุน้ำโฮลดิ้ง (WHC) ได้รับการพิจารณา
สีของเนื้อใน CIEL * a * b * และ CVS วัดและการศึกษาเข้าสู่วิธีการที่ CVS สามารถเป็น
ลูกจ้างในการตรวจสอบข้อบกพร่องเนื้อได้ทำ ก็พบว่ามันเป็นไปได้ที่จะจ้างงาน CVS ในการตรวจสอบ
PSE (อ่อนนุ่ม exudative) และ DFD (สีดำ, บริษัท แห้ง) และการจำแนกออกเป็นกลุ่มเนื้อสัตว์ที่มีคุณภาพ มันไม่ได้เป็น
ไปได้ที่จะแยกความแตกต่าง RSE (สีแดงนุ่ม exudative) จาก RFN (สีแดง, บริษัท , ปกติ) เนื้อสัตว์ในการศึกษาครั้งนี้
ถูกต้องสูงสุดของการจำแนกประเภทวัตถุดิบที่ใช้วิธี CVS มีรายงานสำหรับ HSL (สี,
ความอิ่มตัวของสี, ความสว่าง) พารามิเตอร์สีที่ 81.7% ดังนั้นระบบการมองเห็นคอมพิวเตอร์สามารถใช้
สำหรับการวิเคราะห์อย่างรวดเร็วของคุณภาพของเนื้อหมูเมตร longissimus lumborum ภายใต้สภาวะอุตสาหกรรม

ผลลัพธ์ (ไทย) 3:

จุดมุ่งหมายของการศึกษานี้คือ เพื่อศึกษาประสิทธิผลของระบบการมองเห็นของคอมพิวเตอร์ ( CVS ) การตรวจสอบเนื้อสัตว์ข้อบกพร่องของ โค lumborum ( ll ) ในการตั้งค่าโรงงาน วัสดุ จำนวน 230 กล้ามเนื้อตาม ph1 ( 45 นาที ) และ PH2 ( ชันสูตรศพ 24 H ) เนื้อจัดเป็นกลุ่มที่มีคุณภาพเป็นเพื่อให้ลักษณะที่แม่นยำยิ่งขึ้นของวัตถุดิบ ( พิสูจน์ข้อบกพร่องหรือไม่ ) ไฟฟ้าค่าการนำไฟฟ้า ( EC ) , การสูญเสียความร้อนออกเป็นหยดน้ำความจุถือ ( SPM ) ตัวอย่าง ที่สีของเนื้อใน Ciel * a * b * โดยย่อวัดและศึกษาวิธีการย่อสามารถที่ใช้ในการตรวจจับข้อบกพร่องเนื้อหมด พบว่ามันเป็นไปได้ที่จะใช้ CVS เพื่อตรวจหาPSE ( อ่อน , นุ่ม , exudative ) และ DFD ( มืด , บริษัท , บริการ ) และแบ่งเนื้อออกเป็นกลุ่มคุณภาพ มันไม่เป็นไปได้ที่จะแยกความแตกต่าง RSE ( สีแดงอ่อน exudative ) จาก rfn ( บริษัท ปกติสีแดง เนื้อในการศึกษานี้ ที่ความถูกต้องของข้อมูลสูงสุด วัตถุดิบที่ใช้ วิธีการย่อรายงานสำหรับ HSL ( hueความอิ่มตัวความสว่าง ) ค่าสีที่ 81.7 % ดังนั้น ระบบการมองเห็นของคอมพิวเตอร์สามารถใช้สำหรับการวิเคราะห์อย่างรวดเร็วของคุณภาพของหมูเอ็ม โค lumborum ภายใต้สภาวะอุตสาหกรรม