초록
우리나라 생활수준의 향상과 더불어 식품소비의 양적인 요구가 충족되면서, 세분화된 식품의 기호 성향을 충족시킬 수 있는 닭고기 소비가 증가하고 있다. 2003년 3월 축산물 품질평가원에서 고시(농림부 고시 제2003-14호)한 닭 도체 품질판정세부기준은 닭 도체 부위별 이물질 부착, 피·멍의 크기 및 중량에 따라 품질 등급을 기준을 제시하였다. 그러나 현실적으로 검사관 개개인의 주관적인 평가 기준으로 적용된 고시로 수천 마리의 닭 도체 등급판정을 유지하기가 어려운 문제점을 가지고 있다. 본 논문에서는 닭 도체 품질 세부기준에 따라 닭 도체 부위 분할하기 위해 비접촉/비파괴방식인 컴퓨터 시각 기술 알고리즘을 제안한다. 제안된 알고리즘은 실시간으로 빠르게 움직이는 닭 도체를 부위 분할하기 위하여 조명 외란에 강인하도록 보정하는 과정과 닭 도체와 배경을 구분하기 위한 EM(Expectation maximization), Erosion 및 Labeling 알고리즘, 그리고 닭 도체의 기하학적 형태를 분석하여 부위별 특징점을 찾고 점들의 위치를 계산하여 부위를 분할 할 수 있는 알고리즘을 사용하였다. 총 78마리의 닭 도체 샘플에 대하여 제안한 영상처리 알고리즘을 적용한 결과 닭 도체 부위 분할 알고리즘이 효과적임을 알 수 있었다.
As a higher standard for food consumption is required, the consumption of chicken meat that can satisfy the subdivided food preferences is increasing. In March 2003, the quality criteria for chicken carcasses notified by the Livestock Quality Assessment Service suggested quality grades according to fecal contamination and the size and weight of blood and bruises. On the other hand, it is too difficult for human inspection to qualify mass products, which is key to maintaining consistency for grading thousands of chicken carcasses. This paper proposed the computer vision algorithm as a non-destructive inspection, which can identify chicken carcass parts according to the detailed standards. To inspect the chicken carcasses conveyed at high speed, the image calibration was involved in providing robustness to the side effect of external lighting interference. The separation between chicken and background was achieved by a series of image processing, such as binarization based on Expectation Maximization, Erosion, and Labeling. In terms of shape analysis of chicken carcasses, the features are presented to reveal geometric information. After applying the algorithm to 78 chicken carcass samples, the algorithm was effective in segmenting chicken carcass against a background and analyzing its geometric features.