Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)

  • 2024.05a
  • /
  • Pages.444-446
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지

Implementation of an Image-based Korean Beef Grade Discrimination Automation Algorithm

이미지 기반 한우 등급 판별 자동화 알고리즘 구현

  • Minji Kim (Dept. of Applied Plant Sciences, Kangwon National University) ;
  • Junseok Oh (Dept. of Battery Convergence Engineering, Kangwon National University) ;
  • Eunchae Jeon (Dept. of History Education, Kangwon National University) ;
  • Yonghyun Kwon (Dept. of Data Science, Hanyang University) ;
  • YoungGyun Kim (Convergence Software Lab)
  • 김민지 (강원대학교 농업생명과학대학 식물자원응용과학전공) ;
  • 오준석 (강원대학교 문화예술공과대학 배터리융합공학과) ;
  • 전은채 (강원대학교 사범대학 역사교육과) ;
  • 권용현 (한양대학교 공과대학 데이터사이언스전공) ;
  • 김영균 (융합소프트웨어랩)
  • Published : 2024.05.23
Download PDF
⟨ Previous Next ⟩

Abstract

한국의 육류 소비량이 늘어감에 따라 한우의 수요 및 공급도 점차 늘어가고 있다. 한우는 육질 등급(QG)과 육량 등급(YG)으로 나누어 판별되며 근내지방도, 고기 색, 지방색, 조직감, 성숙도, 도체 중량, 배최장근 단면적, 등지방두께 등 여러 항목을 고려한다. 현재는 주로 등배근을 맨눈으로 확인하는 수동 판별 방식이 사용된다. 하지만 평가사가 정확하게 판단하기 어렵고, 작업자의 부주의로 인한 육류의 오염 등 시간과 비용의 문제점이 있다. 본 연구에서는 이러한 문제점들을 한우 등급 판별 자동화로 해결하기 위해 한우의 등심 단면 이미지를 활용하여 등배근의 근내지방도를 산출하고 한우 등급을 자동 판별하는 알고리즘을 구현하였으며 평균 정확도는 79.2%를 달성하였다.

Keywords

References

  1. Ki Yong Chung and others, Current situation and future prospects for beef production in South Korea, Asian-Australas J Anim Sci, Vol. 31, No. 7:951-960, Pages 951-960, 2018
  2. Collins Wakholi and others, Nondestructive estimation of beef carcass yield using digital image analysis, Computers and Electronics in Agriculture, Vol. 194, No. 106769, 2022
  3. Chandima Gajaweera and others, Assessment of carcass and meat quality of longissimus thoracis and semimembranosus muscles of Hanwoo with Korean beef grading standards, Meat Science, Vol. 160, No. 107944, Pages 1-10, 2020
  4. 이철우, 이한현, 백준오, 박준규, 정사무엘, 조철훈. 한우 등심의 위치별 조지방 함량 및 근내지방도 비교, Korean Journal of Agricultural Science, Vol. 42, No. 1, Page. 47-51, 2015
  5. Collins Wakholi and others, Economic Analysis of an Image-Based Beef Carcass Yield Estimation System in Korea, Animals, Vol. 12, No. 1:7, Pages 1-17, 2022
  6. He Zhu and others, Development and Effect Verification of Beef Cattle Carcass Grading Camera Equipment System, Frontiers in Business, Economics and Management, Vol. 12, No. 1, Pages 54-66, 2023
  7. Zhenjie Xiong and others, Recent developments of hyperspectral imaging systems and their applications in detecting quality attributes of red meats, Journal of Food Engineering, Vol. 132, Pages 1-13, 2014
  8. Ian de Medeiros Esper and others, Robotisation and intelligent systems in abattoirs, Trends in Food & Science, Vol. 108, Pages 214-222, 2021
  9. Saleh Shahinfar and others, Prediction of marbling score and carcass traits in Korean Hanwoo beef cattle using machine learning methods and synthetic minority oversampling technique, Meat Science, Vol. 160, No. 107997, Pages 1-17, 2019
  10. 축산물 품질(QC) 이미지, AI 허브, 2020, https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&dataSetSn=158