Zastosowanie komputerowej analizy obrazu do wykrywania wady PSE mięsa wieprzowego

Celem pracy było określenie możliwości wykorzystania komputerowej analizy obrazu (CVS – ang. computer vision systems) do wykrywania wady PSE mięsa wieprzowego. Materiał badawczy stanowiły 42 wieprzowe mięśnie najdłuższe pozyskane w warunkach przemysłowych. Na podstawie pomiarów wartości pH oraz jasności barwy (L*) dokonano klasyfikacji surowca do trzech grup jakościowych: mięso normalne (RFN), mięso obarczone wadą PSE oraz mięso niespełniające kryteriów przynależności do żadnej z dwóch powyższych grup (NZ). Wykonano zdjęcia badanych próbek mięsa, a następnie przeprowadzono analizę obrazu, polegającą ma określeniu wartości składowych barwy trzech modeli: RGB, HSV i HSL. Na podstawie uzyskanych wyników stwierdzono, że CVS może znaleźć zastosowanie do wykrywania wady PSE mięsa wieprzowego. Najbardziej przydatne do tego celu okazały się składowe: V (z modelu HSV), L (z modelu HSL) oraz R, G, B (z modelu RGB).

The objective of the research study was to determine the possibility of using computer vision systems (CVS) to detect a PSE defect in pork meat. The research material comprised 42 pork longissimus dorsi muscles obtained under the industrial conditions. Based on the measurements of pH and colour lightness (L*), the raw material studied was classified into three quality groups: normal meat (RFN, i.e. reddishpink, firm, non-exudative), PSE meat (pale, soft, exudative), and meat that did not meet any criteria of being classified into any of the two quality groups as above (NZ). The meat samples analyzed were photographed and their images were analyzed in order to determine the values of colour components of the three models: RGB, HSV, and HSL. Based on the results obtained, it was found that CVS could be applied to detect a PSE defect in pork meat. For this purpose, the colour components of V (from the HSV model), L (from the HSL model), and R, G, B (from the RGB model) appeared to be most useful.