DK177214B1

DK177214B1 - Method and apparatus for automated inspection of slaughterhouse products

Info

Publication number: DK177214B1
Application number: DKPA201170307A
Authority: DK
Inventors: Claus Borggaard
Original assignee: Teknologisk Inst
Priority date: 2011-06-17
Filing date: 2011-06-17
Publication date: 2012-07-09

Abstract

Fremgangsmåde og apparat (1) til automatiseret inspektion af slagteriprodukter, hvor der optages til hinanden svarende delbilleder af slagteriprodukterne i N forskellige spektralomr Til hvert af de N spektralomr anvendes et kamera (9a, 9b, 9c) med et tilhørende fil ter svarende til det ønskede spektralomr Delbillederne fra de for skellige kameraer (9a, 9b, 9c) i de forskellige spektralomr sammen holdes p pixelniveau således, at der opnås et helbillede med en N dimensional vektor med N vektorelementer for hver pixel i helbilledet, hvor de N vektorelementer repræsenterer lysintensiteter for hvert spek tralomr Der anvendes et databehandlingsmiddel (11) til p basis af hver vektor at estimere, hvad der blandt et antal forud givne muligheder er afbilledet i den pågældende pixel i helbilledet, og vurdere om det in spicerede slagteriprodukt lever op til et forud bestemt kvalitetskrav.Method and apparatus (1) for automated inspection of slaughterhouse products, where corresponding sub-images of the slaughterhouse products are recorded in N different spectral ranges For each of the N spectral ranges a camera (9a, 9b, 9c) is used with an associated filter corresponding to the desired spectral range The sub-images from the different cameras (9a, 9b, 9c) in the different spectral ranges are held together at pixel level so that a whole image with an N dimensional vector is obtained with N vector elements for each pixel in the whole image, where the N vector elements represent light intensities each speckle space A data processing means (11) is used to estimate, on the basis of each vector, what among a number of predetermined possibilities is depicted in the relevant pixel in the whole image, and to assess whether the specified slaughterhouse product meets a predetermined quality requirement. .

Description

i DK 177214 B1in DK 177214 B1

Fremgangsmåde og apparat til automatiseret inspektion af slagteriprodukter.Method and apparatus for automated inspection of slaughterhouse products.

Den foreliggende opfindelse angår en fremgangsmåde og et ap-5 parat til automatiseret inspektion af slagteriprodukter.The present invention relates to a method and apparatus for automated inspection of slaughterhouse products.

I slagteriproduktion er der en betydelig økonomisk interesse i hurtigt, effektivt og automatiseret at vurdere kvaliteten af de fremstillede produkter. Kvaliteten vil bl.a. sige forholdet mellem eksempelvis kød, fedt og svær i udskårne produkter, idet kød, fedt og svær prissættes for-10 skelligt. På et udskåret kødprodukt må der således ikke være for meget fedt, idet aftageren af det udskårne kødprodukt da kan være utilfreds med at skulle betale kødets pris for fedtet. Omvendt ønsker leverandøren heller ikke, at der bortskæres for meget kød, der kunne have bidraget til en højere kvalitet og dermed pris. Det er dog også et udtryk for 15 kvalitet, at produktet er fejlfrit, dvs. uden bylder eller forureninger eller lignende. Sådanne fejl skal opfanges, så der ikke bliver leveret underlødige eller kassable produkter.In slaughterhouse production there is a considerable economic interest in quickly, efficiently and automatically assessing the quality of the products produced. The quality will include say the ratio of, for example, meat, fat and hard in cut products, where meat, fat and hard are priced differently. Thus, on a cut meat product, there must not be too much fat, as the buyer of the cut meat product may then be dissatisfied with having to pay the price of the meat for the fat. Conversely, the supplier also does not want too much meat cut which could have contributed to a higher quality and thus price. However, it is also an expression of 15 quality that the product is flawless, ie. without boils or contaminants or the like. Such faults must be intercepted so that no inferior or discardable products are delivered.

Traditionelt varetages opgaven af en person, som inspicerer slagteriprodukterne manuelt og/eller visuelt, hvilket selvsagt indebærer 20 en betydelig omkostning. Bl.a. af denne årsag er der derfor et ønske om en automatisering.Traditionally, the task is carried out by a person who inspects the slaughterhouse products manually and / or visually, which of course involves a considerable cost. Among other things. For this reason, there is a desire for automation.

I WO-A-95/21375 foreslås det at optage billeder af slagteriprodukter i forskellige bølgelængdeområder ved hjælp af ét enkelt bredspektret RGB CCD farvekamera. Brugen af bredspektrede farvekameraer 25 har imidlertid den ulempe, at det er vanskeligt at målrette optagelsen af billederne mod specifikke ønskede træk ved slagteriprodukterne, som giver sig særligt til kende i snævre spektralområder.In WO-A-95/21375, it is proposed to record images of slaughterhouse products in different wavelength ranges using a single wide-spectrum RGB CCD color camera. However, the use of wide-spectrum color cameras 25 has the disadvantage that it is difficult to target the shooting of the images to specific desired features of the slaughterhouse products, which are particularly evident in narrow spectral ranges.

På denne baggrund er det den foreliggende opfindelses opgave at tilvejebringe en fremgangsmåde og et apparat, som med relativt lave 30 omkostninger kan inspicere slagteriprodukter, og som endvidere kan gøre dette med den ønskede hastighed til at kunne følge med produktionen af slagteriprodukterne.In view of the foregoing, it is the object of the present invention to provide a method and apparatus which can inspect slaughterhouse products at relatively low cost and which can furthermore do so at the desired rate to monitor production of the slaughterhouse products.

Ifølge et første aspekt af opfindelsen løses denne opgave med en fremgangsmåde af den indledningsvis nævnte art, som er ejendom- 2 DK 177214 B1 melig ved at der samtidigt med hinanden optages til hinanden svarende delbilleder af et motiv med slagteriprodukterne i N forskellige spektralområder, idet der til hvert af de N spektralområder anvendes et kamera med et tilhørende filter svarende til det ønskede spektralområde, at del-5 billederne fra de forskellige kameraer i de forskellige spektralområder sammenholdes på pixelniveau med pixler, der afbilleder samme punkt af motivet, i de øvrige delbilleder således, at der opnås et helbillede med en N-dimensional vektor med N vektorelementer for hver pixel i helbilledet, hvor de N vektorelementer repræsenterer lysintensiteter for hvert spek-10 tralområde, og at der anvendes et databehandlingsmiddel til på basis af hver vektor at estimere, hvad der blandt et antal forud givne muligheder er afbildet i den pågældende pixel i helbilledet, og at databehandlingsmidlet ud fra fordelingen af antal pixler med hver af de pågældende, forud givne muligheder i helbilledet vurderer om det inspicerede slagteri-15 produkt lever op til et forud bestemt kvalitetskrav.According to a first aspect of the invention, this task is solved by a method of the kind mentioned in the first paragraph, which is characteristic by simultaneously capturing corresponding images of a subject with the slaughterhouse products in N different spectral regions simultaneously with each other. for each of the N spectral regions, a camera with an associated filter corresponding to the desired spectral range is used, that the sub-images of the different cameras in the different spectral regions are compared at pixel level with pixels depicting the same point of the subject, in the other sub-frames thus , that a whole image with an N-dimensional vector with N vector elements is obtained for each pixel of the whole image, where the N vector elements represent light intensities for each spectral region, and that a data processing means is used to estimate, based on each vector, what which among a number of predetermined options is depicted in the particular pixel ih and the data processing means, based on the distribution of the number of pixels with each of the respective predetermined options in the whole image, assesses whether the inspected slaughterhouse product meets a predetermined quality requirement.

Ved at anvende et antal kameraer med tilhørende faste filtre bliver det muligt at optage samtlige billeder samtidigt, således forstyrrelser hidrørende fra slagteriproduktet bevægelse minimeres. Da der samtidig kan anvendes sort/hvid kameraer, hvor hele den lysfølsomme chip an-20 vendes til ét og kun ét spektralområde, opnås en meget høj lysfølsomhed, således at der kan anvendes en meget kort eksponeringstid, hvilket gør det muligt yderligere at reducere forstyrrelser fra slagteriproduktets bevægelse. I forhold til traditionelle bredspektrede farvekameraer, bliver det endvidere muligt at målrette optagelsen af billederne mod specifikke 25 ønskede træk ved slagteriprodukterne, som giver sig særligt til kende i udvalgte snævre spektralområder. Dermed fremmes en automatisering med et databehandlingsmiddel, idet dette med passende programmering får lettere ved at skelne mellem de specifikke ønskede træk.By using a number of cameras with associated fixed filters, it is possible to record all images simultaneously, thus minimizing interference resulting from the slaughterhouse product movement. Since at the same time black and white cameras can be used, where the whole light-sensitive chip is used for one and only one spectral range, a very high light sensitivity is obtained, so that a very short exposure time can be used, which allows further reduction of interference from the slaughterhouse product movement. Furthermore, compared to traditional wide-spectrum color cameras, it becomes possible to target the images to specific features of the slaughterhouse products, which are particularly evident in selected narrow spectral ranges. Thus, automation with a data processing means is facilitated, with this being facilitated by appropriate programming by distinguishing between the specific desired features.

Ifølge et andet aspekt af opfindelsen løses denne opgave med et 30 apparat af den indledningsvis nævnte art, som er ejendommelig ved at det omfatter N kameraer med et tilhørende filter svarende til et ønsket spektralområde, hvor de N kameraer er placeret således, at samtidigt med hinanden optagne delbilleder af et motiv kan sammenholdes på pixelniveau med pixler, der afbilleder samme punkt af motivet, i de øvrige 3 DK 177214 B1 delbilleder, til opnåelse af et helbillede med en N-dimensional vektor med N vektorelementer for hver pixel i helbilledet, hvor de N vektorelementer repræsenterer lysintensiteter for hvert spektralområde, og et databehandlingsmiddel til på basis af hver vektor at estimere, hvad der 5 blandt et antal forud givne muligheder er afbilledet i den pågældende pixel i helbilledet, og til ud fra fordelingen af antal pixler med hver af de pågældende, forud givne muligheder i helbilledet vurdere om det inspicerede slagteriprodukt lever op til et forud bestemt kvalitetskrav.According to another aspect of the invention, this object is solved by an apparatus of the kind mentioned initially, characterized in that it comprises N cameras with an associated filter corresponding to a desired spectral range, where the N cameras are positioned so that simultaneously with each other captured frames of a subject can be compared at the pixel level with pixels depicting the same point of the subject, in the other 3 frames, to obtain a full image with an N-dimensional vector with N vector elements for each pixel of the whole image where N vector elements represent light intensities for each spectral region, and a data processing means to estimate, on the basis of each vector, what 5 among a number of predetermined options is depicted in that particular pixel in the whole image, and based on the distribution of number of pixels with each of the the given given options in the whole picture assess whether the inspected slaughterhouse product meets a predetermined best according to quality requirements.

Herved opnås et på enkel vis et apparat, der muliggør udøvelse 10 af fremgangsmåden med dens ovennævnte fordele.Hereby, an apparatus is obtained which in a simple way enables the practice 10 of the method with its aforementioned advantages.

Ifølge en foretrukken udførelsesform af det første aspekt af opfindelsen anvendes der til estimeringen af, hvad der er afbilledet i den pågældende pixel i helbilledet, et databehandlingsmiddel omfattende et neuralt netværk. Et neuralt netværk har vist sig uhyre effektivt og præ-15 cist til ud fra de N-dimensionale vektorer at genkende beskaffenheden af forskellige afbildede dele af slagteriprodukterne, når det har undergået passende træning.According to a preferred embodiment of the first aspect of the invention, for the estimation of what is depicted in that particular pixel of the whole image, a data processing means comprising a neural network is used. A neural network has proven extremely effective and accurate to recognize from the N-dimensional vectors the nature of various depicted portions of the slaughterhouse products once it has undergone appropriate training.

Ifølge en anden foretrukken udførelsesform af det første aspekt af opfindelsen anvendes der en mønstret plade til detektering af forskelle 20 i kameraernes afbildning og kompensering herfor. Ved anvendelse af et forudbestemt mønster bliver det muligt at sikre sig at de N billeder sammenholdes korrekt på pixelniveau, således at de N-dimensionale vektorer giver en retvisende repræsentation af det slagteriprodukt, der er afbilledet i den pågældende pixel.According to another preferred embodiment of the first aspect of the invention, a patterned plate is used to detect differences 20 in camera imaging and compensation thereof. By using a predetermined pattern, it becomes possible to ensure that the N images are correctly matched at the pixel level, so that the N-dimensional vectors provide a true representation of the slaughterhouse product depicted in that pixel.

25 Ifølge endnu en foretrukken udførelsesform af det første aspekt af opfindelsen optages billederne medens slagteriprodukterne er i bevægelse. Herved bliver det muligt at opretholde en høj takt i inspektionen.According to yet another preferred embodiment of the first aspect of the invention, the images are recorded while the slaughterhouse products are in motion. This makes it possible to maintain a high rate of inspection.

Ifølge endnu en anden foretrukken udførelsesform af det første aspekt af opfindelsen anvendes der filtre med farver valgt blandt grup-30 pen bestående af blå, grøn, gul, rød, og to forskellige nærinfrarøde. Disse farver har vist sig særligt relevante for detektering af beskaffenheden af de afbildede dele af slagteriprodukter.According to yet another preferred embodiment of the first aspect of the invention, filters of color selected from the group consisting of blue, green, yellow, red, and two different near infrared are used. These colors have proved particularly relevant for detecting the nature of the depicted portions of slaughterhouse products.

I en særligt foretrukken udførelsesform af det første aspekt af opfindelsen er N=6, således, at der anvendes seks kameraer og seks re- 4 DK 177214 B1 spektive filtre med hver sin farve valgt blandt gruppen af blå, grøn, gul, rød, og to forskellige nærinfrarøde. Seks kameraer med filtre for de nævnte spektralområder har vist sig tilstrækkelig til med stor sikkerhed at skelne mellem forskellige dele af et afbildet slagteriprodukt og dermed 5 estimere kvaliteten af dette.In a particularly preferred embodiment of the first aspect of the invention, N = 6 is used so that six cameras and six reflective filters with each color are selected from the group of blue, green, yellow, red, and two different near infrared. Six cameras with filters for the aforementioned spectral ranges have proved sufficient to distinguish between different parts of a depicted slaughterhouse product with great certainty and thus estimate the quality of this.

I endnu en foretrukken udførelsesform af det første aspekt af opfindelsen, anvendes der i det mindste én lyskilde for hvert af de ønskede spektralområder til belysningen af slagteriprodukterne under optagelsen af billederne. Ud over at tillade brugen af lysdioder og dermed 10 energieffektiviteten, øges separationen mellem de forskellige spektralområder, så gensidig forstyrrelse undgås.In yet another preferred embodiment of the first aspect of the invention, at least one light source for each of the desired spectral ranges is used to illuminate the slaughterhouse products during the recording of the images. In addition to allowing the use of LEDs and thus the energy efficiency, separation between the different spectral ranges is increased to avoid mutual interference.

Følgelig anvendes der i endnu en foretrukken udførelsesform af det første aspekt af opfindelsen lysdioder til belysningen af slagteriprodukterne under optagelsen af billederne, hvilket har den yderligere fordel 15 at lysdioder er robuste og har en lang levetid, således at den nødvendige service reduceres.Accordingly, in yet another preferred embodiment of the first aspect of the invention, LEDs are used to illuminate the slaughterhouse products during recording of the images, which has the added advantage that LEDs are robust and have a long service life, thus reducing the required service.

Ifølge en foretrukken udførelsesform af det andet aspekt af opfindelsen omfatter at databehandlingsmidlet omfatter et neuralt netværk. Et sådant neuralt netværk lader sig let implementere på en stan-20 dardcomputer så som en PC. og et neuralt netværk har vist sig uhyre effektivt og præcist til ud fra de N-dimensionale vektorer at genkende beskaffenheden af forskellige afbildede dele af slagteriprodukterne, når det har undergået passende træning.According to a preferred embodiment of the second aspect of the invention, the data processing means comprises a neural network. Such a neural network can easily be implemented on a standard computer such as a PC. and a neural network has proven extremely effective and accurate to recognize from the N-dimensional vectors the nature of various depicted portions of the slaughterhouse products after undergoing appropriate training.

Ifølge endnu en foretrukken udførelsesform af det andet aspekt 25 af opfindelsen omfatter apparatet et middel til at bevæge slagteriprodukterne. Herved bliver det muligt at automatisere fremføringen og samtidig fremføre slagteriprodukterne med en så høj hastighed, som eksponeringstiden for de N kameraer tillader.According to yet another preferred embodiment of the second aspect 25 of the invention, the apparatus comprises a means for moving the slaughterhouse products. This makes it possible to automate the feeding and at the same time convey the slaughterhouse products at such a high speed as the exposure time of the N cameras allows.

Ifølge anden foretrukken udførelsesform af det andet aspekt af 30 opfindelsen, omfatter apparatet filtre med farver valgt blandt gruppen bestående af blå, grøn, gul, rød, og to forskellige nærinfrarøde. Disse farver har som nævnt ovenfor vist sig særligt relevante for detektering af beskaffenheden af de afbildede dele af slagteriprodukter.According to the second preferred embodiment of the second aspect of the invention, the apparatus comprises filters of colors selected from the group consisting of blue, green, yellow, red, and two different near infrared. As mentioned above, these colors have proved particularly relevant for detecting the nature of the depicted portions of slaughterhouse products.

Ifølge en særlig foretrukken udførelsesform af det andet aspekt 5 DK 177214 B1 af opfindelsen er N=6, således, at der er tilvejebragt seks kameraer og seks respektive filtre med hver sin farve valgt blandt gruppen af blå, grøn, gul, rød, og to forskellige nærinfrarøde. Seks kameraer med filtre for de nævnte spektralområder har vist sig tilstrækkelig til med stor sik-5 kerhed at skelne mellem forskellige dele af et afbildet slagteriprodukt og dermed estimere kvaliteten af dette og lader sig relativt let placere på en ensartet måde i apparatet.According to a particularly preferred embodiment of the second aspect, N = 6 is N = 6 such that six cameras and six respective filters with each color are selected from the group of blue, green, yellow, red, and two. various near infrared. Six cameras with filters for the aforementioned spectral regions have proved sufficient to distinguish with great certainty between different parts of a depicted slaughterhouse product and thus estimate the quality thereof and can be placed relatively easily in a uniform manner in the apparatus.

Ifølge endnu en foretrukken udførelsesform af opfindelsen, er der tilvejebragt i det mindste én lyskilde for hvert af de ønskede spek-10 tralområder til belysningen af slagteriprodukterne under optagelsen af billederne. Ud over at tillade brugen af lysdioder og dermed energieffektiviteten, øges separationen mellem de forskellige spektralområder, så gensidig forstyrrelse undgås.According to yet another preferred embodiment of the invention, at least one light source is provided for each of the desired spectral ranges for illuminating the slaughterhouse products during the recording of the images. In addition to allowing the use of LEDs and thus energy efficiency, the separation between the different spectral ranges is increased so that mutual interference is avoided.

Ifølge endnu en særlig foretrukken udførelsesform af opfindel-15 sen er der tilvejebragt lysdioder til belysningen af slagteriprodukterne under optagelsen af billederne. Lysdioder har ud over energieffektiviteten den yderligere fordel, at de er robuste og har en lang levetid, således at den nødvendige service reduceres.According to yet another particularly preferred embodiment of the invention, LEDs are provided for illuminating the slaughterhouse products during the recording of the images. In addition to energy efficiency, LEDs have the added benefit of being robust and having a long service life, thus reducing the required service.

Opfindelsen vil nu blive forklaret nærmere ved beskrivelse af ik-20 ke begrænsende udførelsesfarmer og med henvisning til den skematiske tegning, på hvilken fig. 1 skematisk viser et apparat til automatiseret inspektion af slagteriprodukter ifølge opfindelsen, fig. 2 skematisk viser en bakke med acceptable sværrester, 25 fig. 3 skematisk viser en bakke med et grænsetilfælde for ac ceptable sværrester, fig. 4 skematisk viser en bakke med uacceptable sværrester, fig. 5 skematisk viser en bakke med acceptable kødskjolde, fig. 6 skematisk viser en bakke med et grænsetilfælde for ac-30 ceptable kødskjolde, fig. 7 skematisk viser en bakke med uacceptable kødskjolde, fig. 8 viser en belyst første kalibreringsplade for apparatet ifølge fig. 1 og fig. 9 viser en anden belyst anden kalibreringsplade for appara- 6 DK 177214 B1 tet ifølge opfindelsen.The invention will now be explained in more detail by describing non-limiting embodiments and with reference to the schematic drawing, in which FIG. 1 schematically shows an apparatus for automated inspection of slaughterhouse products according to the invention; FIG. 2 schematically shows a tray with acceptable hard residues; FIG. Fig. 3 schematically shows a tray with a boundary case for acceptable hard residues; 4 schematically shows a tray with unacceptable hard residues; FIG. 5 schematically shows a tray with acceptable meat shields; FIG. 6 schematically shows a tray with a limit case for acceptable meat shields; FIG. 7 schematically shows a tray with unacceptable meat shields; FIG. 8 shows an illuminated first calibration plate for the apparatus of FIG. 1 and FIG. 9 shows another illustrated second calibration plate for the apparatus according to the invention.

Fig. 1 viser skematisk et apparat 1 til automatiseret inspektion af slagteriprodukter ifølge opfindelsen. Slagteriprodukterne kan eksempelvis være sværrester 2, som illustreret i fig. 2, fig. 3 og fig. 4, eller 5 kødskjolde 3, som illustreret i fig. 5, fig. 6 og fig. 7.FIG. 1 schematically shows an apparatus 1 for automated inspection of slaughterhouse products according to the invention. For example, the slaughterhouse products may be hard residues 2, as illustrated in FIG. 2, FIG. 3 and FIG. 4, or 5 meat shields 3, as illustrated in FIG. 5, FIG. 6 and FIG. 7th

Slagteriprodukterne er placeret i bakker 4 som for automatiseret optisk inspektion kan fremføres gennem apparatet 1 på en passende transportør 5, så som et transportbånd. Apparatet 1 omfatter afskærmende sider 6, en afskærmende overdækning 7, samt en afskærmende 10 indeslutning 8, der indeholder en kamerapakke med et antal kameraer 9a, 9b, 9c til den optiske inspektion samt anden elektronik, så som eksempelvis en strømforsyning 10 og et databehandlingsmiddel 11 eller et datakommunikationsmiddel til kommunikation med et eksternt databehandlingsmiddel.The slaughterhouse products are located in trays 4 which for automated optical inspection can be fed through the apparatus 1 onto a suitable conveyor 5, such as a conveyor belt. The apparatus 1 comprises shielding sides 6, a shielding cover 7, and a shielding 10 enclosure 8 containing a camera package with a plurality of cameras 9a, 9b, 9c for optical inspection and other electronics, such as, for example, a power supply 10 and a data processing means 11 or a data communication means for communicating with an external data processing means.

15 Antallet af kameraer 9a, 9b, 9c betegnes i det følgende med N, således som antal konventionelt benævnes i matematikken. N er fortrinsvis 6, om end kun de tre kameraer 9a, 9b, 9c er synlige i fig. 1, idet de er placeret side om side i en ordnet gruppe med 2 rækker å 3 kameraer. Kameraerne er fortrinsvis identiske sort/hvid-kameraer der er for-20 synet med hver sit smalle båndpasfilter for hver sit spektralområde. Dette har som nævnt den fordel at delbillederne kan optages simultant, og det derfor ikke bliver nødvendigt at kompensere for slagteriprodukternes eventuelle bevægelse, eller fastholdelse af deres position under optagelsen, således som det ville være nødvendigt ved brug af ét kamera ved 25 udskiftelige filtre, f.eks. med en roterende filterskive foran kameraet.The number of cameras 9a, 9b, 9c is hereinafter referred to as N, as number conventionally referred to in mathematics. N is preferably 6, although only the three cameras 9a, 9b, 9c are visible in FIG. 1, being placed side by side in an ordered group of 2 rows of 3 cameras. The cameras are preferably identical black and white cameras equipped with each narrow bandpass filter for each spectral range. As mentioned, this has the advantage that the sub-images can be recorded simultaneously and therefore it does not need to compensate for the possible movement of the slaughterhouse products, or to maintain their position during the recording, as would be necessary with the use of one camera with 25 interchangeable filters. .g. with a rotating filter disc in front of the camera.

Samtidig undgås også bevægelige dele i kameraet.At the same time moving parts of the camera are also avoided.

I det foreliggende eksempel, hvor N er 6, foretrækkes det at benytte fire spektralområder i det visuelle spektrum, nemlig grøn, gul, rød og blå, og to nærinfrarøde spektralområder. Mere specifikt: 30In the present example, where N is 6, it is preferred to use four spectral regions in the visual spectrum, namely green, yellow, red and blue, and two near-infrared spectral regions. More specifically: 30

Blå filter: CW = 475 nm, FWHM = 25 nm.Blue filter: CW = 475 nm, FWHM = 25 nm.

Grøn: CW = 528 nm, FWHM = 25 nm.Green: CW = 528 nm, FWHM = 25 nm.

Gul: CW = 580 nm, FWHM = 25 nm.Yellow: CW = 580 nm, FWHM = 25 nm.

Rød: CW = 640 nm, FWHM = 25 nm 7 DK 177214 B1 NIR: 850nm CW = 850nm, FWHM = 50 nm NIR: 950nm CW = 950nm, FWHM = 50 nm hvor CW er centerbølgelængden og FWHM indikerer den fulde bredde af 5 den del af spektralområdet, hvor intensiteten er dæmpet med mindre end det halve gennem filteret.Red: CW = 640 nm, FWHM = 25 nm 7 DK 177214 B1 NIR: 850nm CW = 850nm, FWHM = 50 nm NIR: 950nm CW = 950nm, FWHM = 50 nm where CW is the center wavelength and FWHM indicates the full width of 5 part of the spectral region where the intensity is attenuated by less than half the filter.

Disse spektralområder er særligt anvendelige, idet blå siger noget om kødstrukturen og om forekomsten af nogle varianter af heme-gruppen (pigmenteringen), grøn er relevant for myoglobin, gul er rele-10 vant for visse vævsdefekter, så som forekomsten af bylder, rød bidrager til muligheden for skelnen mellem lyst og mørkt kød, dvs. forskellige muskeltyper, NIR 850 nm er en god neutral bølgelængde, idet der er ikke nogen kraftige absorptioner i dette område, således at der foreligger en god intensitetsreference, medens NIR 950 nm har høj absorption i 15 vand, og derfor bidrager til skelnen mellem kød og eksempelvis, fedt eller knogle, idet der er mere vand i kød end i fedt og knogle.These spectral ranges are particularly useful as blue says something about the meat structure and the presence of some variants of the heme group (pigmentation), green is relevant to myoglobin, yellow is relevant to certain tissue defects such as the appearance of abscesses, red contributes to the possibility of distinguishing between light and dark meat, viz. different muscle types, NIR 850 nm is a good neutral wavelength in that there are no strong absorptions in this range, so that there is a good intensity reference, while NIR 950 nm has high absorption in 15 water and therefore contributes to the distinction between meat and for example, fat or bone, in that there is more water in meat than in fat and bone.

For at opnå god skelnen foretrækkes det endvidere at anvende separate lyskilder, fortrinsvis lysdioder, for i det væsentlige hvert af de pågældende spektralområder og fortrinsvis for alle. For nærværende fo-20 retrækkes det at benytte 1W effektlysdioder med bølgelængderne 470 nm, 530 nm, 585 nm, 630 nm, 850 nm og 950 nm, idet der dog anvendes et forskelligt antal dioder pr. bølgelængde afhængig af diodernes virkningsgrad, filtrenes dæmpning og detektoren i kameraernes følsomhed, f.eks. seks dioder ved de bølgelængder, hvor virkningsgraden er 25 størst, og flere ved de bølgelængder, hvor virkningsgranden er lavere.In order to obtain good distinction, it is further preferred to use separate light sources, preferably LEDs, for substantially each of the spectral regions concerned, and preferably for all. At present, it is preferable to use 1W power LEDs with the wavelengths of 470 nm, 530 nm, 585 nm, 630 nm, 850 nm and 950 nm, although using a different number of diodes per wavelength depending on the efficiency of the diodes, the attenuation of the filters and the detector in the sensitivity of the cameras, e.g. six diodes at the wavelengths where the efficiency is 25 greatest, and more at the wavelengths where the efficiency is lower.

Der kan dog også med fordel anvendes endnu flere lysdioder ved hver bølgelængde, da de så hver især kan belastes med en mindre effekt, f.eks. 50 %, hvilket forlænger levetiden.However, even more LEDs can be advantageously used at each wavelength since they can then each be loaded with a smaller power, e.g. 50%, which extends life.

Lysdioderne er fortrinsvis placeret på én eller flere hylder 12 in-30 denfor den afskærmende overdækning 7, således at de oplyser bakken 4. Således afskærmer afskærmningerne 6, 7, 8 ikke blot mod stænk, sprøjt og anden tilsmudsning, men også mod udefra kommende lys.The LEDs are preferably located on one or more shelves 12 within 30 of the shielding cover 7 so that they illuminate the tray 4. Thus, the shields 6, 7, 8 not only protect against splashes, splashes and other dirt, but also from outside light. .

Udefra kommende lys er uønsket, idet der jo indvendig er tilvejebragt én eller fortrinsvis flere egne lyskilder, således at udefra kommende lys blot 8 DK 177214 B1 ville udgøre et forstyrrende element. For en yderligere afskærmning kan der tillige være anbragt (ikke viste) afskærmende forhæng eller lignende på tværs af transportøren 5 mellem siderne 6.External light is undesirable, since one or preferably several own light sources are provided internally, so that external light merely constitutes a disturbing element. For a further shielding, shielding curtains (not shown) or the like may be arranged across the conveyor 5 between the sides 6.

Med ovenstående konfiguration kan der for hvert af de seks ka-5 meraer optages billeder med en passende kort eksponeringstid. Passende vil blandt andet sige, at udtværingen mellem nabopixler i kameret ikke påvirker resultatet væsentligt, selvom bakken 4 med kødstykkerne er under bevægelse under eksponeringen. En eksponeringstid på 1 ms har vist sig at være passende for en fremføringshastighed af bakken 4 på 0,2 10 m/s, hvilket igen er acceptabelt i lyset af arbejdstakt og kapacitet, men andre værdier kan selvfølgelig benyttes, f.eks. afhængigt af fremføringshastigheden for bakken 4 og kameraets almindelige lysfølsomhed. I den for nærværende foretrukne udførelsesform har kameraerne en chip med en opløsning på 1600 x 1200, men for at øge følsomheden slås nabocel-15 ler celler sammen, således at de resulterende delbilleder får en opløsning på 800 x 600 pixel. Eksponeringstiderne behøver dog ikke nødvendigvis være ens for alle seks kameraer, ligesom deres blændeindstillinger heller ikke behøver det, således at man eksempelvis kan øge dybdeskarpheden i visse spektralområder i forhold til andre. Dette kunne f.eks. bidrage til 20 en forbedret identifikation af bakken 4, idet bunden af denne som udgangspunkt har en fast afstand til kameraerne, hvilket ikke nødvendigvis er tilfældet for slagteriprodukterne, der kan ligge oven på hinanden i bakken 4.With the above configuration, images for each of the six cameras can be recorded with a suitably short exposure time. Suitably, for example, the smudging between neighboring pixels in the chamber does not significantly affect the result, even if the tray 4 with the pieces of meat is moving during exposure. An exposure time of 1 ms has been found to be suitable for a feed rate of the tray 4 of 0.2 10 m / s, which in turn is acceptable in view of the work rate and capacity, but other values can of course be used, e.g. depending on the feed rate of the tray 4 and the camera's general light sensitivity. In the presently preferred embodiment, the cameras have a chip with a resolution of 1600 x 1200, but to increase the sensitivity, neighboring cells are merged so that the resulting images get a resolution of 800 x 600 pixels. However, the exposure times do not necessarily have to be the same for all six cameras, nor do their aperture settings, so that, for example, the depth of field can be increased in certain spectral regions compared to others. This could, for example. contribute to an improved identification of the tray 4, the bottom of which is basically a fixed distance to the cameras, which is not necessarily the case for the slaughterhouse products which may be on top of each other in the tray 4.

Med hensyn til afstanden til eksempelvis bakken 4 er denne hel-25 ler ikke ens for alle kameraer, da de ikke befinder sig på samme position men ved siden af hinanden, eksempelvis arrangeret i to rækker a tre kameraer. Dette gør også, at deres respektive vinkler i forhold til bakken heller ikke er ens, således at der vil være forskellig keystone-forvrængning for billeddannelsen på chippen i hvert kamera. Der er så-30 ledes en forskel i de forskellige kameraers afbildning, som skal kompenseres. Af denne og andre grunde er det nødvendigt at kalibrere appara-tet, for at kunne sammenholde pixlerne i de seks forskellige billeder. En anden sådan grund er at billeddannelsen på chippen i de respektive kameraer vil være forskellig på grund af kromatisk abberation i linsesy- 9 DK 177214 B1 stemerne, idet der optages seks forskellige billeder i seks smalle spektralområder, der hver især brydes forskelligt i linsesystemet.With regard to the distance to, for example, the tray 4, this whole is not the same for all cameras, since they are not in the same position but next to each other, for example arranged in two rows of three cameras. This also means that their respective angles to the tray are also not the same, so that there will be different keystone distortions for the imaging on the chip in each camera. There is thus a difference in the imaging of the various cameras which must be compensated. For this and other reasons, it is necessary to calibrate the device in order to compare the pixels in the six different images. Another such reason is that the imaging on the chip in the respective cameras will be different due to chromatic aberration in the lens systems, taking six different images in six narrow spectral regions, each broken differently in the lens system.

Til dette anvendes der ifølge opfindelsen en plade eller et ark 13 med to systemer af parallelle linjer 14, 15, der skærer hinanden retvink-5 let. Linjerne er fortrinsvis sorte på hvid baggrund af hensyn til kontrasten. Denne plade 13 placeres i apparatet 1 og der optages et billede deraf i hvert af de seks spektralområder. I fig. 8 er der vist et billede af et udsnit af en sådan plade 13 optaget i det blå spektralområde. Man ser på fig. 8 tydeligt forvrængningen i linsesystemet, der gør at de parallelle 10 linjer 14, 15 ved randen af billedet buer i stedet for at være afbildet som de rette linjer de faktisk er. I fig. 8 ses endvidere at to af skæringspunkterne 16, 17er markeret med en prik, nemlig en central prik, samt en prik længere foroven til højre. Disse prikker tjener som referencepunkter således at linjerne entydigt kan identificeres på de seks forskellige bille-15 der. Dermed kan billedbehandlingssoftwaren i det databehandlingssystem, der opsamler de seks delbilleder, identificere de enkelte linjer 14, 15 og kompensere for forvrængningen. Dermed bliver det muligt at sammenholde pixlerne i ethvert af de seks delbilleder med de pixler i de fem øvrige, der afbilleder samme punkt af motivet, og dermed kompen-20 sere for forskelligheder i kameraernes afbildning. Dette gælder såvel her, hvor motivet er kalibreringspladen, som under brug, hvor motivet er bakkerne 4 og navnlig de slagteriprodukter, der ligger i dem.For this, a board or sheet 13 having two systems of parallel lines 14, 15 intersecting at right angles is used according to the invention. The lines are preferably black on a white background for the sake of contrast. This plate 13 is placed in the apparatus 1 and an image thereof is recorded in each of the six spectral regions. In FIG. 8, an image of a section of such plate 13 taken in the blue spectral region is shown. Referring to FIG. 8 clearly distorts the lens system, causing the parallel 10 lines 14, 15 at the edge of the image to arc rather than being depicted as the straight lines they actually are. In FIG. 8 it is further seen that two of the intersections 16, 17 are marked with a dot, namely a central dot, as well as a dot further to the upper right. These dots serve as reference points so that the lines can be uniquely identified on the six different images. Thus, the image processing software in the data processing system that collects the six sub-images can identify the individual lines 14, 15 and compensate for the distortion. Thus, it becomes possible to compare the pixels in each of the six frames with the pixels in the other five, which depict the same point of the subject, thus compensating for differences in camera imaging. This is true both here where the subject is the calibration plate and during use, where the subject is the trays 4 and in particular the slaughterhouse products which are in them.

Dermed kan der i billedbehandlingssystemet opbygges en vektor for hvert eneste afbildet punkt af slagteriprodukterne og bakken 4, 25 hvor hver eneste vektor indeholder intensitetsværdier for den pågældende relevante pixel fra hvert delbillede. Vektor skal i den forstand forstås bredt som et talsæt bestående at N elementer, fortrinsvis men ikke nødvendigvis arrangeret i en N x 1 matrix.Thus, in the image processing system, a vector can be constructed for each depicted point of the slaughterhouse products and tray 4, 25, where each vector contains intensity values for the relevant relevant pixel from each sub-image. In this sense, vector is to be broadly understood as a number set consisting of N elements, preferably but not necessarily arranged in an N x 1 matrix.

Imidlertid afhænger intensitetsværdierne ikke blot af refleksio-30 nen fra motivet, men også af belysningsintensiteten, der ikke nødvendigvis er konstant over det belyste område. Eksempelvis kan der, som det kan anes af fig. 8, være et centralt område som er bedre belyst end randzonerne. Det vil derfor være nødvendigt at foretage en kalibrering, således at der normeres i forhold til en grundintensitet for den pågæl- 10 DK 177214 B1 dende pixel, hvis intensiteterne for enkelte pixels indenfor et delbillede skal kunne sammenlignes, og disse indgå i en vektor for den pågældende pixel. Til dette kan der anvendes en hvid plade, som reflekterer godt i alle de valgte spektralområder, om end ikke nødvendigvis lige godt i 5 dem alle. Et billede af en sådan plade 21 optaget i det blå spektralområde ses i fig. 9, og det ses tydeligt at lysintensiteten er højere i det centrale område end langs randen.However, the intensity values depend not only on the reflection from the subject, but also on the illumination intensity that is not necessarily constant over the illuminated range. For example, as can be seen from FIG. 8, be a central area that is better illuminated than the border zones. Therefore, it will be necessary to perform a calibration so that it is normalized to a basic intensity of the pixel in question if the intensities of individual pixels within a sub-frame are to be compared, and these are included in a vector for it. pixel in question. For this, a white plate can be used which reflects well in all the selected spectral ranges, although not necessarily equally well in all of them. An image of such plate 21 taken in the blue spectral region is shown in FIG. 9, and it is clearly seen that the light intensity is higher in the central region than along the rim.

Et sådant billede optages for hvert af spektralområderne, i det foreliggende tilfælde altså seks, og billedbehandlingssystemet normerer 10 intensiteten i hver eneste pixel i forhold til denne intensitet, således at de værdier, der måles for intensiteten af refleksionerne fra slagteriprodukterne i de tilsvarende pixler i delbillederne, har en fælles reference.Such an image is recorded for each of the spectral regions, in the present case six, and the image processing system norms the intensity of each pixel relative to this intensity so that the values measured for the intensity of the reflections from the butcher's products in the corresponding pixels in the sub-images , has a common reference.

Dermed bliver de tilsvarende N-dimensionale vektorer for pixlerne i det resulterende helbillede også sammenlignelige.Thus, the corresponding N-dimensional vectors for the pixels in the resulting whole image also become comparable.

15 En sådan kalibrering af kameraerne med hensyn til forvræng ning og intensitet, kan i princippet foretages én gang for alle ved fremstillingen eller installationen af apparatet, men i praksis må det forventes at en rekalibrering skal foretages med regelmæssige mellemrum, f.eks. hver dag ved produktionsstart, idet rystelser og lignende potentielt kan 20 påvirke kameraplaceringen.Such a calibration of the cameras in terms of distortion and intensity can, in principle, be done once and for all during the manufacture or installation of the apparatus, but in practice a recalibration must be expected at regular intervals, e.g. every day at the start of production, as shakes and the like can potentially affect the camera location.

Formålet med opfindelsen er imidlertid ikke blot at optage billeder af slagteriprodukter, men at inspicere og evaluere kvaliteten af slagteriprodukterne. Denne evaluering sker fortrinsvis ved hjælp af et trænet neuralt netværk, implementeret i et passende databehandlingsmiddel 25 11. Dette databehandlingsmiddel 11 kan f.eks. være indbygget i appara tet eller være en separat computer, såsom en standard PC, der kan kommunikere med apparatet via et datakommunikationsmiddel, såsom en trådløs eller kabelbaseret ethernetforbindelse.However, the object of the invention is not merely to capture images of slaughterhouse products, but to inspect and evaluate the quality of the slaughterhouse products. This evaluation is preferably carried out by means of a trained neural network, implemented in a suitable data processing means 25 11. This data processing means 11 can e.g. be built into the device or be a separate computer such as a standard PC capable of communicating with the device via a data communication means such as a wireless or wired Ethernet connection.

Anvendes der et neuralt netværk, trænes dette først på et pas-30 sende stort antal optagne helbilleder, hvor oplæringspersonen manuelt peger på et passende stort antal relevante pixler i et billede på en skærm og eksempelvis med mus og/eller tastatur angiver, hvad den pågældende pixel viser, det vil i fig. 2 til fig. 4 sige bakken 4, fedt 18, svær 19 og kød 20.If a neural network is used, this is first trained on a suitably large number of recorded whole images, where the instructor manually points to a suitably large number of relevant pixels in an image on a screen and, for example, using mouse and / or keyboard, indicates what that person is. pixel shows, as in FIG. 2 to FIG. 4 say tray 4, fat 18, heavy 19 and meat 20.

11 DK 177214 B111 DK 177214 B1

Da en relevant pixel har vektorelementer med intensiteter i de seks forskellige spektralområder, dvs. N=6, vil vektorerne have hver sin seksdimensionale vektor med mere eller mindre karakteristiske udseende. På grund af de velvalgte spektralområder vil det neurale netværk 5 derfor kunne lære at skelne mellem bakken 4, fedt 18, svær 19 og kød 20, hvis det optrænes på basis af helbilleder som vist i fig. 2 til fig. 4.Since a relevant pixel has vector elements with intensities in the six different spectral regions, viz. N = 6, the vectors will each have their own six-dimensional vector with more or less distinctive appearance. Therefore, due to the well-chosen spectral ranges, the neural network 5 will be able to distinguish between tray 4, fat 18, heavy 19 and meat 20 if it is based on whole images as shown in FIG. 2 to FIG. 4th

Samtidigt kan oplæringspersonen tilkendegive om slagteriproduktets kvalitet er i orden, således at det neurale netværk på basis af samtlige vektorer for et helbillede kan vurderer om slagteriproduktets kvalitet er i 10 orden. I fig. 2 hvor der ligger fedt 18, med svær 19 og meget lidt kød 20 i bakken 4, er kvaliteten i orden. I fig. 3, hvor der er mindre svær 19 og mere kød er kvaliteten tvivlsom, medens den i fig. 4 ikke er acceptabel fordi der er for meget kød 20 og for lidt svær 19.At the same time, the trainee can indicate whether the quality of the slaughterhouse product is in order, so that the neural network, based on all the vectors for a complete picture, can assess whether the quality of the slaughterhouse product is in order. In FIG. 2 where fat 18 lies, with heavy 19 and very little meat 20 in the tray 4, the quality is in order. In FIG. 3, where there is less severe 19 and more meat, the quality is questionable, while the one shown in FIG. 4 is not acceptable because there is too much meat 20 and too little 19.

I fig. 5 til fig. 7 er der vist slagteriprodukter i form af kødskjol-15 de, med fedt 18 og kød 20. Her vil det neurale nærværk allerede på baggrund af en oplæring med produkterne i fig. 2 til fig. 4 kunne skelne mellem fedt 18, kød 20 og bakke 4. En indikation af om fordelingen er acceptabel og slagteriproduktets kvalitet dermed i orden kunne derfor være tilstrækkelig, hvis det neurale netværk allerede er oplært til at 20 skelne mellem fedt 18, kød 20 og bakke 4, men det kan selvfølgelig også oplæres alene på baggrund af denne type slagteriprodukter, eller yderligere med disse. I fig. 5 er kvaliteten i orden med passende lidt fedt 18 på kødet 20. I fig. 6 er der tale om et grænsetilfælde, medens der i fig. 7 er for meget fedt, og produktet derfor ikke acceptabelt.In FIG. 5 to FIG. 7, butchery products are shown in the form of meatballs, with fat 18 and meat 20. Here the neural network will already be based on a training with the products in fig. 2 to FIG. 4 could distinguish between fat 18, meat 20 and tray 4. An indication of whether the distribution is acceptable and the quality of the slaughterhouse product in order could therefore be sufficient if the neural network has already been trained to distinguish between fat 18, meat 20 and tray. 4, but of course it can also be trained solely on the basis of this type of slaughterhouse products, or further with these. In FIG. 5, the quality is in order with suitably a little fat 18 on the meat 20. In fig. 6 is a borderline case, whereas in FIG. 7 is too much fat and therefore the product is not acceptable.

25 Med passende træning kan det neurale netværk oplæres til at genkende stort set hvad som helst, og f.eks. skelne mellem lyst, rødt og mørkt kød, sener, brusk, ben, hvide knogler, m.v. samt den bakke det hele ligger i, så længe oplæringspersonen kan skelne mellem dem på helbillederne. Samtidig kan det neurale netværk oplæres til at vurdere 30 kvaliteten af de forskellige produkter som består af disse produkter. Det neurale netværk kan endvidere også oplæres til at identificere helt uønskede ting så som bylder, fækalier, olie etc. således at slagteriprodukter med denne type fejl automatisk kasseres. For korrekt efterfølen-de identifikation kan bakken 4 være forsynet med en RFID chip eller lig- 12 DK 177214 B1 nende.With appropriate training, the neural network can be trained to recognize virtually anything, and e.g. distinguish between light, red and dark meat, tendons, cartilage, bone, white bones, etc. as well as the tray it is all in as long as the instructor can distinguish between them in the full images. At the same time, the neural network can be trained to assess the quality of the various products that consist of these products. The neural network can also be trained to identify completely undesirable things such as abscesses, faeces, oil etc. so that slaughterhouse products with this type of error are automatically discarded. For proper subsequent identification, the tray 4 may be provided with an RFID chip or the like.

Med opfindelsen er der således tilvejebragt og beskrevet et apparat og en fremgangsmåde til automatiseret inspektion af slagteriprodukter. Fagmanden vil forstå at ovennævnte beskrivelse alene er et ud-5 tryk for eksempler på foretrukne udførelsesformer og, at der kan findes utallige variationer uden at der afviges fra opfindelsens ånd. således vil fagmanden vide at der kan anvendes andre kameraer og andre antal kameraer, andre eksponeringstider og opløsninger, ligesom der ved passende programmering kan anvendes andre evalueringsmetoder end neu-10 rale netværk. Udstyret kan selvfølgelig også bestykkes med diode/fil-terpar ved andre bølgelængder end ovennævnte, hvis dette er en fordel ved en given applikation.The invention thus provides and describes an apparatus and method for automated inspection of slaughterhouse products. Those skilled in the art will appreciate that the above description is merely an expression of examples of preferred embodiments and that countless variations may be found without departing from the spirit of the invention. Thus, the person skilled in the art will know that other cameras and other number of cameras, other exposure times and resolutions can be used, and, by appropriate programming, evaluation methods other than neural networks can be used. Of course, the equipment can also be equipped with diode / filter pairs at wavelengths other than the above if this is an advantage of a given application.

Claims

Method for automated inspection of slaughterhouse products, characterized in that 5 sub-frames of a subject with the slaughterhouse products are recorded in N different spectral regions simultaneously, using a camera with a corresponding filter for each of the N spectral regions. the desired spectral region so that the pixels of the different cameras in the different spectral regions are compared at the pixel level with pixels depicting the same point of the subject in the other pixels so as to obtain a full image with an N-dimensional vector with N vector elements for each pixels in the whole image, where the N vector elements represent light intensities for each spectral range, and a data processing means is used to estimate, on the basis of each vector, what among a number of predetermined possibilities is depicted in that particular pixel in the whole image and that the data processing means based on the distribution of numbers pixels with each of the relevant predefined options in the whole image assess whether the inspected slaughterhouse product meets a predetermined quality requirement.

Method according to claim 1, characterized in that a data processing means comprising a neural network is used for the estimation of what is shown in that pixel in the whole image.

Method according to any one of the preceding claims, characterized in that a patterned plate is used for detecting differences in the imaging and compensation of the cameras.

Method according to any of the preceding claims, characterized in that the images are recorded while the slaughterhouse products are in motion.

Method according to any one of the preceding claims, characterized in that filters of colors selected from the group consisting of blue, green, yellow, red and two different near infrared are used.

Method according to claim 5, characterized in that N = 6, so that six cameras and six respective filters are used, each having their own color selected from the group of blue, green, yellow, red, and two different ones. near infrared.

Method according to any one of the preceding claims, characterized in that at least one light source is used for each of the desired spectral regions for illumination of the slaughterhouse products during the recording of the images.

Method according to any one of the preceding claims, characterized in that LEDs are used for illumination 10 of the slaughterhouse products during the recording of the images.

Apparatus for automated inspection of slaughterhouse products, characterized in that it comprises N cameras with an associated filter corresponding to a desired spectral range, where the N cameras are positioned so that simultaneously with 15 sub-frames of a subject can be compared at pixel level. pixel image representing the same point of the subject in the other sub-frames to obtain a full-image with an N-dimensional vector with N vector elements for each pixel of the whole image, where the N vector elements represent light intensities for each spectral region, and a data processing means for on the basis of each vector, to estimate what among a number of predetermined possibilities is depicted in that particular pixel in the whole image, and to judge, based on the distribution of number of pixels with each of the predetermined possibilities in the whole image, whether the inspected slaughterhouse product lives up to a predetermined quality requirement.

Apparatus according to claim 9, characterized in that the data processing means comprises a neural network.

Apparatus according to any one of claims 9 to 10, characterized in that the apparatus comprises a means for moving the slaughterhouse products.

Apparatus according to any one of claims 9 to 11, characterized in that it comprises filters of colors selected from the group consisting of blue, green, yellow, red, and two different near infrared.

Apparatus according to claim 12, characterized in that N = 6, so that six cameras and six respective filters with each color are selected, selected from the group of blue, green, yellow, red, and two different near infrared. .

13 DK 177214 B1

Apparatus according to any one of claims 9 to 13, 5, characterized in that at least one light source is provided for each of the desired spectral ranges for illuminating the slaughterhouse products during the recording of the images.

Apparatus according to any one of claims 9 to 14, characterized in that LEDs are provided for illumination 10 of the slaughterhouse products during the recording of the pictures. 1/5 DK 177214 B1 q 9a 9t> /, 9c y .............. 12 - ^>; · j v.v ^^ 72 • Έ3Τ- 4 5 Figs. 1 DK 177214 B1 2/5 20 18 ^ 4 FIG. 3 3/5 DK 177214 B1 Fig. 4 4 20 4 DK 177214 B1 4/5 Fig. 7 DK 177214 B1 5/5 Y 15 V -..... ........... "". "Tzt; ..... I:.:.: ..!, T: .....; ·. ....... .... it '♦ r »......... Ι | ΕΞΞΞ ^ Ξ # ΦΦ ^ Ξ || HH g»! IlSgS p „· · · I j - i - = - φ! ^ ΠππΑ, - ···. ····. · ;;. *!: = 5 | jB || j ^ jBWS Η: = f · *: j ...:. :: ::: 1:: ij .: t ........ -:.:. ..: :: .. j; :; \; ; :; ; .. :: '14 FIG. 8 L Rg-9