食肉のしもふり状態の数値化方法、食肉のしもふり状態の数値化装置、及びプログラム
【課題】牛肉、豚肉、馬肉等の食肉のしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準により具体的な数値で、評価することができる食肉のしもふり状態の数値化方法、装置及びプログラムを提供する。
【解決手段】
食肉のしもふり状態の数値化方法は食肉断面の２値画像を原画像として取得し（Ｓ２０）、原画像に対して端点を保持するようにして５回縮退処理して縮退処理画像を得た後（Ｓ３０）、該縮退処理画像を５回膨張処理して膨張処理画像を得る（Ｓ４０）。次に原画像と膨張処理画像との差分画像を得る（Ｓ５０）。その後、差分画像に基づき単位面積当たりの所定の大きさのコザシ数を得る（Ｓ６０）。コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化する（Ｓ７０）。
【解決手段】
食肉のしもふり状態の数値化方法は食肉断面の２値画像を原画像として取得し（Ｓ２０）、原画像に対して端点を保持するようにして５回縮退処理して縮退処理画像を得た後（Ｓ３０）、該縮退処理画像を５回膨張処理して膨張処理画像を得る（Ｓ４０）。次に原画像と膨張処理画像との差分画像を得る（Ｓ５０）。その後、差分画像に基づき単位面積当たりの所定の大きさのコザシ数を得る（Ｓ６０）。コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化する（Ｓ７０）。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、食肉のしもふり状態の数値化方法、食肉のしもふり状態の数値化装置、及びプログラムに関するものである。
【背景技術】
【０００２】
従来から、食肉の肉質を判別する方法としては、種々の提案がなされている。社団法人日本食肉格付協会では食肉格付における脂肪交雑等級（いわゆる霜降りの度合い）の判定において、格付員が牛脂肪交雑基準（ＢＭＳ）と呼ばれる基準サンプルとの目視比較により判定している。この判定は、目視比較によっているため、複数の格付員間、又は全国に複数設置されている格付市場間において、判定結果に振れやばらつきが生じる虞れがある。また、脂肪交雑は胸最長筋についてのみしか判定されていないが、実際には複数の筋肉部位をみて売買されている。
【０００３】
特許文献１では食肉断面の画像を小領域に分割し、濃度ヒストグラムによる判別２値化法によって各小領域の閾値を求め、これを各小領域の中心点の閾値とし、この閾値に基づいて距離に反比例した線形加重和によりすべての点の閾値を決定し、その閾値に基づいて２値化して、食肉の断面全体の２値画像を得る。そして、２値画像から形状が複雑な脂肪交雑粒子及び面積の狭い脂肪交雑粒子に注目した「形状特徴値」を抽出し、これらの情報を用いて食肉の肉質を判別するようにしている。具体的には、特許文献１では、０．０１cm２〜１．０cm２の脂肪粒子の面積と、脂肪粒子の形状の複雑さから肉質としてＢＭＳナンバーを推定するようにしている。
【０００４】
特許文献２では、牛枝肉切開面の胸最長筋の透過反射率を測定し、特定の波長の吸光度の２次微分値を求め、重回帰式によって「脂肪量含量」を得ることによって食肉の品質を判定するようにしている。
【０００５】
特許文献３では、検査対象の食肉に励起光として紫外線を照射し、その照射部分から発生する光のうち蛍光を受光して該蛍光による画像を作成し、その蛍光画像に基づいて脂肪交雑等級を判定するようにしている。
【０００６】
非特許文献１では、牛肉の断面画像に対して複数回細線化が行われ、残った画像から線幅が１画素である細線が除去された後、残った画素数がカウントされることによりあらい脂肪交雑粒子を反映する数値を得るようにしている。そして、この数値に基づいて、「あらさ指数」を算出することが行われている。又、非特許文献２では、画像解析によって、カットされた牛肉に関して、「水分、粗タンパク質や粗脂肪重量」の推定を行うことが開示されている。
【特許文献１】特開２０００−０９７９２号公報
【特許文献２】特許３０６００５９号
【特許文献３】特開２００５−２３３６３６号公報
【非特許文献１】「画像解析による牛胸最長筋内脂肪交雑粒子のあらさに関する評価法の検討」、口田圭吾、鈴木三義、三好俊三、日本畜産学会報、73（1）：9−17、2002
【非特許文献２】「画像解析によるカット牛肉の水分、粗タンパク質および粗脂肪重量の高精度な推定」、東北農研研報、米丸淳一、上田靖子、川手督也、渡邊彰、篠田満、100：67−73、2002
【発明の開示】
【発明が解決しようとする課題】
【０００７】
ところで、食肉に対する消費者ニーズは多様化しており、食肉の品質、特にしもふり状態についてより具体的に表示することが求められている。そして、食肉のおいしさの要因の一つとして、客観的にしもふり状態を数値化する方法が要望されている。
【０００８】
しかしながら、社団法人日本食肉格付協会の食肉格付けにおける脂肪交雑等級の判定は、肉質等級として脂肪交雑の量と脂肪の質についての評価であり、食肉のしもふり状態（筋肉中の脂肪粒子の分布状態）の評価ではない。又、特許文献１〜３、及び非特許文献１、２についても、しもふり状態を評価するためのものではない。
【０００９】
本発明の目的は、牛肉をはじめとして、豚肉、馬肉等の食肉の食味に多大な影響を及ぼすとされるしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準により具体的な数値で、評価することができる食肉のしもふり状態の数値化方法、装置及びプログラムを提供することにある。
【課題を解決するための手段】
【００１０】
請求項１の発明は、食肉断面の２値画像を原画像として得る段階と、前記原画像に対して、端点を保持するようにして複数回縮退処理して縮退処理画像を得る段階と、該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る段階と、前記食肉断面の原画像と該膨張処理画像との差分画像を得る段階と、前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を得る段階を含む食肉のしもふり状態の数値化方法を要旨とするものである。
【００１１】
ここで、２値画像とは、ある点（画素）の濃度値が閾値よりも高ければその点は「１」（本発明の場合は、脂肪）とし、閾値以下であれぱ「０」（本発明の場合は赤肉）として０又は１のいずれかに２値化された画像である。又、画像処理において、縮退処理（収縮処理ともいう）とは、図形を区画している境界画素を背景図形の画素の濃度と同一濃度にすることをいうが、本発明では、端点を保持した状態で、その図形の連結性を損なわない点を背景図形の画素の濃度と同一濃度にしてこの処理を行う。すなわち、縮退処理が行われる場合は、脂肪部分の図形で画素幅が「１」になった部分は縮退処理は行われず、該図形における画素の連結性を失わないようにする。
【００１２】
従って、本発明においての縮退処理では、端点となる画素は背景図形（すなわち、赤肉部分の図形）の画素の濃度とはならないため、縮退処理後の図形（すなわち、脂肪部分の図形）の画像の長さは変わらないことになる。又、本発明では、１回の縮退処理により図形の境界画素のうち、端点を除いた図形の各境界画素が、背景図形の画素濃度に変換されている（図９及び図１０参照）。図９は縮退処理を行う前の画像（２１×３画素の細長い図形）を表し、図１０は端点を保持して１回分の縮退処理を行った画像（２１×１画素の細長い図形）を示している。同様に、６００画素の領域を持つ３０×２０画素の粒子を１回縮退処理すると、端点を保持した場合、図示はしないが３０×１８画素となる。この場合、５４０画素が最終的な画素数となる。
【００１３】
なお、図形に長手方向（すなわち、長さ方向）と短手方向（すなわち、幅方向）がある場合、端点はその長さ方向の点をいうが、図形において長さ方向と短手方向が判然としない場合、例えば、円形の場合、任意の径方向に位置する点を端点とする。
【００１４】
膨張処理は、図形の境界画素の周囲の画素（４近傍又は８近傍に図形の画素が存在する画素）を該図形の画素と同一濃度に変換する処理であり、端点を保持しないでこの処理が行われる。膨張処理回数を縮退処理回数と同回数とする理由は、後に、差分画像を取得する際に、脂肪の輪郭が残らないようにするためである。
【００１５】
図１１は、図１０から１回分の膨張処理が行われた後の画像を示している。差分画像は、前記食肉断面の原画像から前記膨張処理画像の差を取ることにより得られる。なお、膨張処理画像の図形は、図形の端点が保持されずに膨張処理されているため、原画像の図形の長さよりも長くされているが、原画像から前記膨張処理画像の差を取っても、膨張処理画像において、原画像よりも図形が長くなっている部位は、原画像の画素濃度、すなわち、背景図形の画素濃度となる。
【００１６】
請求項２の発明は、請求項１において、コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化することを特徴とする。
【００１７】
ここで、コザシ指数は、下記の式（１）で与えられる。
コザシ指数（ｆ（ｘ））＝Ａ＊コザシ数＋Ｂ＊脂肪面積割合＋Ｃ＊全体の粒子のあらさ＋Ｄ …（１）
ここで、「脂肪面積割合」は、２値化直後の脂肪領域の画素数を食肉全体の画素数で割り１００を乗じたものである。
【００１８】
「全体の粒子のあらさ」は、食肉全体の脂肪交雑のあらさを表している。「全体の粒子のあらさ」の求め方は、脂肪領域の図形の端点を保持して縮退処理を１５回行い、画素幅が「１」の細線を除去した後の画素数を２値化直後の脂肪領域の画素数で割り、１００を乗じたものである。
【００１９】
なお、Ａ，Ｂ，Ｃ，及びＤは回帰係数である。コザシ指数は、式（１）からも明らかなように、コザシ数、脂肪面積割合、及び全体の粒子のあらさが反映された指数であって、総合的な細かさを示している。
【００２０】
請求項３の発明は、撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段とを備えた食肉のしもふり状態の数値化装置を要旨とするものである。
【００２１】
請求項４の発明は、請求項３において、脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段を備えたことを特徴とする。
【００２２】
請求項５の発明は、コンピュータを、撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段として機能させるためのプログラムを要旨とするものである。
【００２３】
請求項６の発明は、請求項５において、コンピュータを、さらに、脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段として機能させるためのプログラムを要旨とするものである。
【発明の効果】
【００２４】
請求項１及び請求項２の発明によれば、牛肉をはじめとして、豚肉、馬肉等の食肉の食味に多大な影響を及ぼすとされるしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準により具体的な数値、すなわち、コザシ数やコザシ指数で評価することができる。この結果、新しい改良形質として旧来の育種手法に取り込むことが可能である。又、食肉の種類を問わず、食肉全般のしもふり状態についての数値化が可能となる。さらに、食肉に対する消費者ニーズは多様化しており、食味に多大な影響を及ぼすとされるしもふり状態を数値化することによりその数値を流通現場において、広く利用されることが期待できる。
【００２５】
請求項３及び請求項４の発明によれば、前述のコザシ数やコザシ指数を容易に得ることができる食肉のしもふり状態の数値化装置を提供することができる。
又、請求項5及び請求項６の発明によれば、前述のコザシ数やコザシ指数を容易に得ることができる食肉のしもふり状態の数値化することができるプログラムを提供することができる。
【発明を実施するための最良の形態】
【００２６】
以下、本発明を具体化した一実施形態を図１〜８を参照して説明する。
まず、食肉（たとえば、牛肉の断面）を撮像手段にて撮像する。撮像手段としては、ＣＣＤカメラや、デジタルカメラ等を挙げることができ、最終的にデジタル化できるものであれば限定されない。例えば、アナログカメラで撮像した後、フィルムをスキャナーで読みとってデジタル画像としてコンピュータに取り込んでもよい。
【００２７】
図１は食肉のしもふり状態の数値化装置としてのコンピュータ１０の概略図を示している。同図に示すようにコンピュータ１０は、そのＣＰＵ１１（中央処理装置）、ＲＯＭ１２、及びＲＡＭ１３がバス１４を介して接続されている。ＲＯＭ１２には、食肉のしもふり状態の数値化プログラムや、各種制御プログラムが格納されている。ＲＡＭ１３はＣＰＵ１１の作業用メモリである。又、コンピュータ１０は、ハードディスク等からなる記憶装置１５、入力手段としてキーボード１６、表示手段としての表示装置１７、及びコンパクトフラッシュ（登録商標）、ＳＤカード（登録商標）等のメモリの読み出し書き込み可能なカードリーダ１８が接続されている。本実施形態では、ＣＰＵ１１は、２値画像取得手段、縮退処理手段、膨張処理手段、差分画像取得手段、カウント手段、及びコザシ指数算出手段に相当する。又、ＲＯＭ１２は記憶手段に相当する。
【００２８】
本実施形態では、デジタルカメラで撮像した食肉断面画像を、コンパクトフラッシュ（登録商標）、ＳＤカード（登録商標）等のメモリをカードリーダ１８でコンピュータ１０に取り込みし、記憶装置１５に一旦記憶する。
【００２９】
そして、食肉のしもふり状態の数値化プログラムをキーボード１６の入力により起動する。図２は、食肉のしもふり状態の数値化プログラムである。
ＣＰＵ１１は、Ｓ１０において、記憶装置１５に格納された食肉断面画像（図３参照）を読込み、Ｓ２０において、該食肉断面画像を２値化して２値画像を得る。本実施形態での食肉断面画像は、黒毛和種肥育牛のロース芯の断面画像である。この２値画像を以下、原画像という（図４参照）。続くＳ３０では、ＣＰＵ１１は原画像のうち、脂肪部分に相当する図形の端点を保持して縮退処理を複数回行い、縮退処理画像を取得する（図５参照）。なお、本実施形態では、縮退処理の回数は５回である。次にＳ４０において、ＣＰＵ１１は前記縮退処理画像に対して、画素幅が「１」画素である細線を除去し、残った画像に対して縮退処理した回数と同回数の膨張処理を行い膨張処理画像を取得する（図６参照）。
【００３０】
次に、Ｓ５０において、ＣＰＵ１１は原画像と前記膨張処理画像の差分を取り、差分画像を取得する（図７参照）。なお、膨張処理画像の脂肪部分に相当する図形は、図形の端点が保持されずに膨張処理されているため、原画像の図形の長さよりも長くされている。この長くされている部分を以下、付加部分という。そして、原画像から膨張処理画像の差を取って得られた差分画像においては、前記付加部分は原画像の背景図形（すなわち、赤肉部分に相当する部位）の画素濃度となる。この差分を取ることによって種々の大きさの細かい脂肪交雑粒子の画像を得ることができる。
【００３１】
続いて、Ｓ６０において、ＣＰＵ１１は得られた差分画像を使用して、前記脂肪交雑粒子の中から図８に示すように０．０１cm２（＝１mm×１mm）〜０．５cm２（≒７mm×７mm）サイズのものを表示するようにフィルタ処理する。このときに表示されている脂肪交雑粒子を、以下、コザシという。そして、ＣＰＵ１１は、このようにフィルタ処理されて抽出されたコザシの数をカウントし、そのカウントして得られた値を画像解析対象の食肉の断面積で割ることにより、単位面積当たりのコザシ数を算出する。このようにコザシ数は、差分画像の中における単位面積当たりの所定の大きさのコザシ数である。次に、Ｓ７０において、ＣＰＵ１１は下記の重回帰式にてコザシ指数を算出する。
【００３２】
コザシ指数（ｆ（ｘ））＝Ａ＊コザシ数＋Ｂ＊脂肪面積割合＋Ｃ＊全体の粒子のあらさ＋Ｄ …（１）
なお、Ａ，Ｂ，Ｃ，及びＤは回帰係数であり、重回帰分析により予め求めたものである。又、脂肪面積割合及び全体の粒子のあらさは、予めＲＯＭ１２に格納されているものとし、コザシ指数の算出時にＣＰＵ１１により読み出される。上記のようにして、コザシ数と、コザシ指数を得ることができる。
【００３３】
上記実施形態の特徴を下記に説明する。
（１） 本実施形態の食肉のしもふり状態の数値化方法は、食肉断面の２値画像を原画像として取得し（Ｓ２０）、前記原画像に対して、端点を保持するようにして５回縮退処理して縮退処理画像を得た後（Ｓ３０）、該縮退処理画像を、５回膨張処理して膨張処理画像を得た（Ｓ４０）。そして、前記原画像と膨張処理画像との差分画像を得るようにした（Ｓ５０）。そして、その後、該差分画像に基づいて、単位面積当たりの所定の大きさのコザシ数を得るようにした（Ｓ６０）。この結果、食肉のしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準によりコザシ数を容易に得ることができる。そして、コザシ数で食肉を評価することができるため、新しい改良形質として旧来の育種手法に取り込むことが可能となる。又、食肉の種類を問わず、まぐろ等の魚肉を含む食肉全般のしもふり状態についての数値化が可能である。又、食肉に対する消費者ニーズは多様化しており、食味に多大な影響を及ぼすとされるしもふり状態を数値化することによりその数値を流通現場において、広く利用されることが期待できる。
【００３４】
（２） 又、本実施形態の食肉のしもふり状態の数値化方法は、前記コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化するようにした（Ｓ７０）。この結果、総合的なしもふり状態を表すコザシ指数を容易に得ることができる。このコザシ指数が得られることにより、食肉のしもふり状態を客観的な基準により具体的な数値となるので、主観的な場合よりもばらつきなく、総合的なしもふり状態を示すことができる。この結果、コザシ数と同様に新しい改良形質として旧来の育種手法に取り込むことが可能となる。又、食肉の種類を問わず、食肉全般のしもふり状態についての数値化が可能である。又、食肉に対する消費者ニーズは多様化しており、食味に多大な影響を及ぼすとされるしもふり状態を数値化することによりその数値を流通現場において、広く利用されることが期待できる。
【００３５】
（３） 本実施形態のコンピュータ１０は、ＣＰＵ１１が、２値画像取得手段として撮像された食肉断面画像を２値化して２値画像を原画像として得るようにし、縮退処理手段として前記原画像を、端点を保持するようにして５回縮退処理して縮退処理画像を得るようにしている。又、ＣＰＵ１１は、膨張処理手段として前記縮退処理画像を、５回で膨張処理して膨張処理画像を得るようにし、差分画像取得手段として前原画像と該膨張処理画像との差分画像を得るようにした。そして、ＣＰＵ１１はコザシ数算出手段として前記差分画像に基づいて単位面積当たりの所定の大きさのコザシ数を算出するようにした。この結果、コザシ数を容易に得ることができる食肉のしもふり状態の数値化装置を提供することができる。
【００３６】
（４） 又、本実施形態のコンピュータ１０はＲＯＭ１２に脂肪面積割合及び全体の粒子のあらさを記憶させるようにし、ＣＰＵ１１はコザシ指数算出手段として前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するようにした。この結果、コザシ指数を容易に得ることができる食肉のしもふり状態の数値化装置を提供することができる。
【００３７】
（５） 又、本実施形態の食肉のしもふり状態の数値化プログラムは、コンピュータ１０を、撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段とし、又、前記原画像を、端点を保持するようにして５回縮退処理して縮退処理画像を得る縮退処理手段とするようにしている。さらに、前記プログラムは、コンピュータ１０を、該縮退処理画像を５回膨張処理して膨張処理画像を得る膨張処理手段とし、前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段とするようにした。そして、前記プログラムは、コンピュータ１０をコザシ数算出手段として、前記差分画像に基づいて単位面積当たりの所定の大きさのコザシ数を算出するコザシ数算出手段として機能させるようにした。この結果、前記コザシ数を容易に得ることができる食肉のしもふり状態の数値化することができるプログラムを提供することができる。
【００３８】
（６） 又、本実施形態の食肉のしもふり状態の数値化プログラムは、コンピュータ１０のＲＯＭ１２を、脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段とし、ＣＰＵ１１をコザシ指数算出手段として前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するようにした。この結果、コザシ指数を容易に得ることができる食肉のしもふり状態の数値化することができるプログラムを提供することができる。
【実施例】
【００３９】
次に、実施例について説明する。本実施例では、黒毛和種肥育牛（４５頭）についてコンピュータ１０を使用してカウントしたコザシ数及びコザシ指数の評価を行った。なお、縮退処理、膨張処理（回数は除く）、差分画像を得る処理、コザシ数のカウント処理、及びコザシ指数の算出処理の順序は、前記実施形態で説明した通りに、コンピュータ１０の処理で行った。
【００４０】
（１．使用装置類）
４５頭の黒毛和種肥育牛のロース芯の食肉断面画像として、それぞれ枝肉横断画面画像を、１３００万画素数（≒４５３６×３０２４ピクセル）のデジタルカメラにより得、それを前記コンピュータ１０によりコザシ数のカウントと、コザシ指数の算出を行った。
【００４１】
（１−１．脂肪交雑粒子の細かさを評価するための指標）
人間による脂肪交雑粒子の細かさを評価するための指標は、肉質評価に携わる研究員７人に細かさの評価を依頼した。
【００４２】
（２．研究員７人による評価方法）
ある地域に出荷された４５頭の枝肉横断画面画像について、研究員が脂肪交雑粒子の細かさを目視で１〜４５までの順位を決定する。細かい脂肪交雑粒子が多いほど、評価を高くし、最多のものを１位とし、細かい脂肪交雑粒子が少ないものほど評価を低くし、最少のものを４５位とした。そして、各研究員が評価対象の牛肉に付した順位の平均値をその評価対象の牛肉の順位（平均順位）とした（表１参照）。
【００４３】
【表１】
（３．コンピュータ１０によるコザシ数、順位の算出）
４５頭の枝肉横断画面画像を使用して、コンピュータ１０によりそれぞれ縮退処理回数を５回、１０回、１５回をそれぞれ行った。ここで、１５回縮退処理を行った場合は、その後の膨張処理を行うには、十分な画像が得られなかった。又、縮退処理を１０回行った後、１０回膨張処理を行った場合は評価するために十分な画像が得られなかった。
【００４４】
以下には、脂肪交雑粒子サイズを第１〜第５グループに分けて、下記の処理を行うとともに、各評価対象の牛肉について、２値画像と下記膨張処理後の膨張処理画像との差分画像から、下記の脂肪交雑粒子サイズをカウントして単位面積（＝１cm２）当たりのコザシ数を、「脂肪交雑粒子の細かさ」として算出した。そして、この算出した「脂肪交雑粒子の細かさ」に４５頭中の順位を、数値の大きいものから順にコンピュータ１０に付した。
【００４５】
１）第１グループ：５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．００５〜０．５cm２のグループ
２）第２グループ：１０回縮退処理→１０回膨張処理で、脂肪交雑粒子サイズは、０．００５〜０．５cm２のグループ
３）第３グループ：５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．１cm２のグループ
４）第４グループ：１０回縮退処理→１０回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．１cm２のグループ
５）第５グループ：５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．５cm２のグループ
（各グループの相関係数）
研究員が付した各グループの各評価対象の牛肉の順位（平均順位）と、コンピュータ１０が算出した各グループの各評価対象の牛肉の順位との相関係数を算出すると、下記の結果であった。
【００４６】
第１グループ：−０．４９５２９
第２グループ：−０．１２７４３
第３グループ：−０．４９７１５
第４グループ：−０．０１４３０
第５グループ：−０．５０８０８
この結果、第５グループで行った、５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．５cm２で、脂肪交雑粒子の細かさを評価する場合が、研究員による評価と最も相関が高いことが分かった。表１には、第５グループでの、実際のコンピュータ１０によって付けられた牛肉の順位と研究員による付けられた牛肉の順位（平均順位）が示されている。
【００４７】
（コザシ指数の算出）
又、コンピュータ１０によって、前記コザシ数、脂肪面積割合、全体の粒子のあらさに基づいて、前記式（１）を使用して、各グループの各評価対象の牛肉に対してコザシ指数を算出する。
【００４８】
コザシ指数（ｆ（ｘ））＝Ａ＊コザシ数＋Ｂ＊脂肪面積割合＋Ｃ＊全体の粒子のあらさ＋Ｄ …（１）
なお、脂肪面積割合は、２値化直後の脂肪交雑粒子の画素数をロース芯全体の画素数で割り１００を乗じることによりＣＰＵ１１により予め算出しておくものとする。又、全体の粒子のあらさは、ＣＰＵ１１により脂肪交雑粒子を端点を保持して縮退処理する処理を１５回行い、その後、ＣＰＵ１１により画素幅が「１」の細線を除去した後の画素数を２値化直後の脂肪交雑粒子の画素数で割り、１００を乗じることにより算出しておくものとする。
【００４９】
本実施例では、式（１）中、Ａ＝−７．１４９３６、Ｂ＝−０．８９９０６、Ｃ＝０．９９９８１、Ｄ＝８３．５５９０１である。
このようにして、各グループのコザシ指数を評価対象の牛肉に対して算出することにより各評価対象にコザシ指数を付与することができる。又、このコザシ指数を使用することによりその牛肉の食味に多大な影響を及ぼすとされるしもふり状態が数値化ができ、このコザシ指数によりその牛肉のしもふり状態を客観的に評価することができる。
【００５０】
表１では、牛肉の番号１〜４５において、コザシ指数をコンピュータにより算出した結果が示されている。そして、このコザシ指数の大きさの順位と研究員によって付けられた牛肉の順位との相関係数は０．８２９４６であるとともに、寄与率Ｒ２が０．６８８０１であり、統計的に５％水準で有意であり、かつ、使用できるものであることが分かる。
【００５１】
また、数値化された「しもふり状態」は育種改良形質として扱うことが可能であり、ＤＮＡマーカーとの連鎖解析、遺伝子座の特定ならびにアニマルモデルＢＬＵＰ法を用いた育種価算出等に活用することができる。その結果、和牛の特徴を強く保有する種畜の造成が期待できる。
【００５２】
（縮退処理及び膨張処理回数について）
次に、縮退処理及び膨張処理回数について説明する。前述した実施例では、５回縮退処理→５回膨張処理の場合が、好適なコザシ数のカウントとコザシ指数の算出ができることを説明したが、ここで、５回以外の回数の適用の可能性について説明する。
【００５３】
表２及び表３は、縮退処理及び膨張処理の回数（以下、説明の便宜上、単に処理回数という）が１〜１０回と、種々の大きさの脂肪交雑粒子サイズとの組合せを検証した結果がそれぞれ表されている。
【００５４】
試験条件は、実施例と同様の使用装置を使い、同じく４５頭の黒毛和種肥育牛のロース芯の食肉断面画像を使用した。なお、処理回数が１０回以上も試みたが、統計的及び肉眼的に画像を見た場合に不適当であったため表からは除外されている。これは、膨張処理回数が多くなると、脂肪交雑粒子の密度が高い場合（すなわち、粒子が多い場合）には、隣接した他の粒子に包含されてしまうため、コザシ数としてカウントされなくなってしまうためである。又、脂肪交雑粒子の密度が低い場合（すなわち、粒子が少ない場合）においては、膨張処理された脂肪交雑粒子が、大きくなりすぎて、やはりコザシ数としてカウントできなくなるためである。
【００５５】
脂肪交雑粒子サイズは、０．００１〜０．５、０．００５〜０．５、０．０１〜０．５、０．０５〜０．５、０．１〜０．５、０．００１〜０．１、０．００５〜０．１、０．０１〜０．１及び０．０５から０．１の大きさの範囲である。脂肪交雑粒子サイズの単位はいずれもcm２である。ここで、０．００５cm２は５０画素分に相当し、肉眼的にノイズではないと判断できる最小単位である。０．００５cm２未満では解析結果が非常に不安定であるため、０．００５cm２以上が適当であることが分かった。又、０．５cm２の大きさの粒子は、５０００画素（＝０．５cm２（≒７mm×７mm））分に相当し、非常に大きな粒子であって、食肉の断面積において存在する数は数個程度である。又、０．５cm２を越える粒子はほとんど存在が認められなかった。
【００５６】
表２ではＰ値（有意確率）が０．００１以下のものが○で示され、Ｐ値（有意確率）が０．００１を越えるものが「×」で示されている。
表３は、表２で示された同じ組合せにおいて、特に、共通の食肉断面に対して、前記実施例と同様に研究員が主観的に付した順位と、コンピュータで付した順位の相関係数が０．５以上となったものに対してその相関係数を入れた表である。
【００５７】
又、検証の結果、表２に示すように脂肪交雑粒子サイズが０．０１〜０．５cm２の場合、処理回数が５回〜８回で、統計的に０．１％水準で有意であり、このときの相関係数は−０．５近傍であることが分かった。従って、脂肪交雑粒子サイズが０．０１〜０．５cm２の場合、前記実施例では処理回数が５回で行ったが、６〜７回で行っても、十分にコザシ数と、コザシ指数が得られることが分かる。
【００５８】
脂肪交雑粒子サイズが０．０１〜０．５cm２以外の脂肪交雑粒子サイズの場合においても、０．１％水準で、あって、かつ、相関係数が０．５以上であったものを表３に示すようにいくつかあることが分かる。すなわち、０．００１〜０．５cm２では３〜５回の処理回数が、０．０５〜０．５cm２では５〜９回の処理回数が、０．１〜０．５cm２では７〜９回の処理回数が、０．００１〜０．１cm２では３〜５回の処理回数が、０．５〜０．１cm２では５〜８回の処理回数が適用可能である。上記に挙げた０．０１〜０．５cm２以外の脂肪交雑粒子サイズは、本発明でいう所定の大きさのコザシであるということができ、これらのコザシにおいても本発明の適用が可能である。
【００５９】
【表２】
【００６０】
【表３】
なお、本発明の実施形態及び実施例は前記実施形態及び実施例に限定されるものではなく、下記のようにしてもよい。
【００６１】
○ 前記実施例では、研究員が主観的に評価した牛肉の順位（1〜４５位）に応じて、平均順位とコザシ指数との相関係数を算出して、その相関係数が統計的に５％水準で有意であり、かつ、使用できるものであることが分かる。従って、この実施例の場合、コザシ指数は数値が小さいほど、評価が高いものを意味する。しかし、順位ではなく、評価が高いものほどポイントを多くするようにした場合、例えば前記実施例の場合、最も評価の高いものを４５ポイントつけ、最も評価低い場合を１ポイントとするようにした場合は、コザシ指数は数値が大きいほど評価が高いものとなる。このようにコザシ指数は、評価の方法に応じて、大小関係が逆転するとに留意されたい。いずれにしても、コザシ指数を客観的な評価の道具として使用することができる。
【００６２】
○ 食肉に対する多様化する消費者ニーズに応える方法の一つとして、旧来の「肉質等級の５段階」に新たに「しもふり状態」を加えることで、食肉に関するより具体的な情報の消費者への提供が期待できる。
【００６３】
○ 前記実施形態では、ＲＯＭ１２に脂肪面積割合、全体の粒子のあらさを格納するようにしたが、ＣＰＵ１１により算出された際、ＲＡＭ１３に格納するようにしてもよい。この場合、ＲＡＭ１３が、記憶手段となる。なお、記憶手段としては、ＣＰＵ１１に接続される記憶装置１５としてもよい。
【００６４】
○ なお、前記実施形態では、牛肉を評価対象としているが、他の食肉に対しても同様にしもふり状態の数値化ができることは勿論のことである。
例えば、前記実施例では、牛肉のロース芯について行ったが、牛肉のバラ、牛肉の内モモ、牛肉の友三角、牛肉の肩バラ、豚肉の豚トロ及び馬肉について、前記実施例と同一の装置及び方法（縮退処理・膨張処理の回数５回、粒子サイズ０．０１〜０．５cm２）で行った結果は下記の表４の通りであった。
【００６５】
【表４】
【図面の簡単な説明】
【００６６】
【図１】一実施形態における食肉のしもふり状態の数値化装置としてのコンピュータの概略図。
【図２】食肉のしもふり状態の数値化プログラムのフローチャート。
【図３】食肉断面画像を示す図。
【図４】図３を２値化した２値画像図。
【図５】５回縮退処理画像図。
【図６】５回膨張処理画像図。
【図７】図４の２値画像と図６の５回膨張処理画像の差分画像図。
【図８】０．０１cm２（＝１mm×１mm）〜０．５cm２（≒７mm×７mm）サイズのコザシ数が表示された差分画像図。
【図９】縮退処理を行う前の画像（２１×３画素の細長い図形）を示す説明図。
【図１０】端点を保持して１回分の縮退処理を行った画像（２１×１画素の細長い図形）の説明図。
【図１１】図１０の状態から膨張処理を行った画像の説明図。
【符号の説明】
【００６７】
１０…コンピュータ
１１…ＣＰＵ（２値画像取得手段、縮退処理手段、膨張処理手段、差分画像取得手段、カウント手段、及びコザシ指数算出手段）、
１２…ＲＯＭ（記憶手段）
１３…ＲＡＭ
１４…バス
１５…記憶装置
１６…キーボード
１７…表示装置 １８…カードリーダ
【技術分野】
【０００１】
本発明は、食肉のしもふり状態の数値化方法、食肉のしもふり状態の数値化装置、及びプログラムに関するものである。
【背景技術】
【０００２】
従来から、食肉の肉質を判別する方法としては、種々の提案がなされている。社団法人日本食肉格付協会では食肉格付における脂肪交雑等級（いわゆる霜降りの度合い）の判定において、格付員が牛脂肪交雑基準（ＢＭＳ）と呼ばれる基準サンプルとの目視比較により判定している。この判定は、目視比較によっているため、複数の格付員間、又は全国に複数設置されている格付市場間において、判定結果に振れやばらつきが生じる虞れがある。また、脂肪交雑は胸最長筋についてのみしか判定されていないが、実際には複数の筋肉部位をみて売買されている。
【０００３】
特許文献１では食肉断面の画像を小領域に分割し、濃度ヒストグラムによる判別２値化法によって各小領域の閾値を求め、これを各小領域の中心点の閾値とし、この閾値に基づいて距離に反比例した線形加重和によりすべての点の閾値を決定し、その閾値に基づいて２値化して、食肉の断面全体の２値画像を得る。そして、２値画像から形状が複雑な脂肪交雑粒子及び面積の狭い脂肪交雑粒子に注目した「形状特徴値」を抽出し、これらの情報を用いて食肉の肉質を判別するようにしている。具体的には、特許文献１では、０．０１cm２〜１．０cm２の脂肪粒子の面積と、脂肪粒子の形状の複雑さから肉質としてＢＭＳナンバーを推定するようにしている。
【０００４】
特許文献２では、牛枝肉切開面の胸最長筋の透過反射率を測定し、特定の波長の吸光度の２次微分値を求め、重回帰式によって「脂肪量含量」を得ることによって食肉の品質を判定するようにしている。
【０００５】
特許文献３では、検査対象の食肉に励起光として紫外線を照射し、その照射部分から発生する光のうち蛍光を受光して該蛍光による画像を作成し、その蛍光画像に基づいて脂肪交雑等級を判定するようにしている。
【０００６】
非特許文献１では、牛肉の断面画像に対して複数回細線化が行われ、残った画像から線幅が１画素である細線が除去された後、残った画素数がカウントされることによりあらい脂肪交雑粒子を反映する数値を得るようにしている。そして、この数値に基づいて、「あらさ指数」を算出することが行われている。又、非特許文献２では、画像解析によって、カットされた牛肉に関して、「水分、粗タンパク質や粗脂肪重量」の推定を行うことが開示されている。
【特許文献１】特開２０００−０９７９２号公報
【特許文献２】特許３０６００５９号
【特許文献３】特開２００５−２３３６３６号公報
【非特許文献１】「画像解析による牛胸最長筋内脂肪交雑粒子のあらさに関する評価法の検討」、口田圭吾、鈴木三義、三好俊三、日本畜産学会報、73（1）：9−17、2002
【非特許文献２】「画像解析によるカット牛肉の水分、粗タンパク質および粗脂肪重量の高精度な推定」、東北農研研報、米丸淳一、上田靖子、川手督也、渡邊彰、篠田満、100：67−73、2002
【発明の開示】
【発明が解決しようとする課題】
【０００７】
ところで、食肉に対する消費者ニーズは多様化しており、食肉の品質、特にしもふり状態についてより具体的に表示することが求められている。そして、食肉のおいしさの要因の一つとして、客観的にしもふり状態を数値化する方法が要望されている。
【０００８】
しかしながら、社団法人日本食肉格付協会の食肉格付けにおける脂肪交雑等級の判定は、肉質等級として脂肪交雑の量と脂肪の質についての評価であり、食肉のしもふり状態（筋肉中の脂肪粒子の分布状態）の評価ではない。又、特許文献１〜３、及び非特許文献１、２についても、しもふり状態を評価するためのものではない。
【０００９】
本発明の目的は、牛肉をはじめとして、豚肉、馬肉等の食肉の食味に多大な影響を及ぼすとされるしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準により具体的な数値で、評価することができる食肉のしもふり状態の数値化方法、装置及びプログラムを提供することにある。
【課題を解決するための手段】
【００１０】
請求項１の発明は、食肉断面の２値画像を原画像として得る段階と、前記原画像に対して、端点を保持するようにして複数回縮退処理して縮退処理画像を得る段階と、該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る段階と、前記食肉断面の原画像と該膨張処理画像との差分画像を得る段階と、前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を得る段階を含む食肉のしもふり状態の数値化方法を要旨とするものである。
【００１１】
ここで、２値画像とは、ある点（画素）の濃度値が閾値よりも高ければその点は「１」（本発明の場合は、脂肪）とし、閾値以下であれぱ「０」（本発明の場合は赤肉）として０又は１のいずれかに２値化された画像である。又、画像処理において、縮退処理（収縮処理ともいう）とは、図形を区画している境界画素を背景図形の画素の濃度と同一濃度にすることをいうが、本発明では、端点を保持した状態で、その図形の連結性を損なわない点を背景図形の画素の濃度と同一濃度にしてこの処理を行う。すなわち、縮退処理が行われる場合は、脂肪部分の図形で画素幅が「１」になった部分は縮退処理は行われず、該図形における画素の連結性を失わないようにする。
【００１２】
従って、本発明においての縮退処理では、端点となる画素は背景図形（すなわち、赤肉部分の図形）の画素の濃度とはならないため、縮退処理後の図形（すなわち、脂肪部分の図形）の画像の長さは変わらないことになる。又、本発明では、１回の縮退処理により図形の境界画素のうち、端点を除いた図形の各境界画素が、背景図形の画素濃度に変換されている（図９及び図１０参照）。図９は縮退処理を行う前の画像（２１×３画素の細長い図形）を表し、図１０は端点を保持して１回分の縮退処理を行った画像（２１×１画素の細長い図形）を示している。同様に、６００画素の領域を持つ３０×２０画素の粒子を１回縮退処理すると、端点を保持した場合、図示はしないが３０×１８画素となる。この場合、５４０画素が最終的な画素数となる。
【００１３】
なお、図形に長手方向（すなわち、長さ方向）と短手方向（すなわち、幅方向）がある場合、端点はその長さ方向の点をいうが、図形において長さ方向と短手方向が判然としない場合、例えば、円形の場合、任意の径方向に位置する点を端点とする。
【００１４】
膨張処理は、図形の境界画素の周囲の画素（４近傍又は８近傍に図形の画素が存在する画素）を該図形の画素と同一濃度に変換する処理であり、端点を保持しないでこの処理が行われる。膨張処理回数を縮退処理回数と同回数とする理由は、後に、差分画像を取得する際に、脂肪の輪郭が残らないようにするためである。
【００１５】
図１１は、図１０から１回分の膨張処理が行われた後の画像を示している。差分画像は、前記食肉断面の原画像から前記膨張処理画像の差を取ることにより得られる。なお、膨張処理画像の図形は、図形の端点が保持されずに膨張処理されているため、原画像の図形の長さよりも長くされているが、原画像から前記膨張処理画像の差を取っても、膨張処理画像において、原画像よりも図形が長くなっている部位は、原画像の画素濃度、すなわち、背景図形の画素濃度となる。
【００１６】
請求項２の発明は、請求項１において、コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化することを特徴とする。
【００１７】
ここで、コザシ指数は、下記の式（１）で与えられる。
コザシ指数（ｆ（ｘ））＝Ａ＊コザシ数＋Ｂ＊脂肪面積割合＋Ｃ＊全体の粒子のあらさ＋Ｄ …（１）
ここで、「脂肪面積割合」は、２値化直後の脂肪領域の画素数を食肉全体の画素数で割り１００を乗じたものである。
【００１８】
「全体の粒子のあらさ」は、食肉全体の脂肪交雑のあらさを表している。「全体の粒子のあらさ」の求め方は、脂肪領域の図形の端点を保持して縮退処理を１５回行い、画素幅が「１」の細線を除去した後の画素数を２値化直後の脂肪領域の画素数で割り、１００を乗じたものである。
【００１９】
なお、Ａ，Ｂ，Ｃ，及びＤは回帰係数である。コザシ指数は、式（１）からも明らかなように、コザシ数、脂肪面積割合、及び全体の粒子のあらさが反映された指数であって、総合的な細かさを示している。
【００２０】
請求項３の発明は、撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段とを備えた食肉のしもふり状態の数値化装置を要旨とするものである。
【００２１】
請求項４の発明は、請求項３において、脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段を備えたことを特徴とする。
【００２２】
請求項５の発明は、コンピュータを、撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段として機能させるためのプログラムを要旨とするものである。
【００２３】
請求項６の発明は、請求項５において、コンピュータを、さらに、脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段として機能させるためのプログラムを要旨とするものである。
【発明の効果】
【００２４】
請求項１及び請求項２の発明によれば、牛肉をはじめとして、豚肉、馬肉等の食肉の食味に多大な影響を及ぼすとされるしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準により具体的な数値、すなわち、コザシ数やコザシ指数で評価することができる。この結果、新しい改良形質として旧来の育種手法に取り込むことが可能である。又、食肉の種類を問わず、食肉全般のしもふり状態についての数値化が可能となる。さらに、食肉に対する消費者ニーズは多様化しており、食味に多大な影響を及ぼすとされるしもふり状態を数値化することによりその数値を流通現場において、広く利用されることが期待できる。
【００２５】
請求項３及び請求項４の発明によれば、前述のコザシ数やコザシ指数を容易に得ることができる食肉のしもふり状態の数値化装置を提供することができる。
又、請求項5及び請求項６の発明によれば、前述のコザシ数やコザシ指数を容易に得ることができる食肉のしもふり状態の数値化することができるプログラムを提供することができる。
【発明を実施するための最良の形態】
【００２６】
以下、本発明を具体化した一実施形態を図１〜８を参照して説明する。
まず、食肉（たとえば、牛肉の断面）を撮像手段にて撮像する。撮像手段としては、ＣＣＤカメラや、デジタルカメラ等を挙げることができ、最終的にデジタル化できるものであれば限定されない。例えば、アナログカメラで撮像した後、フィルムをスキャナーで読みとってデジタル画像としてコンピュータに取り込んでもよい。
【００２７】
図１は食肉のしもふり状態の数値化装置としてのコンピュータ１０の概略図を示している。同図に示すようにコンピュータ１０は、そのＣＰＵ１１（中央処理装置）、ＲＯＭ１２、及びＲＡＭ１３がバス１４を介して接続されている。ＲＯＭ１２には、食肉のしもふり状態の数値化プログラムや、各種制御プログラムが格納されている。ＲＡＭ１３はＣＰＵ１１の作業用メモリである。又、コンピュータ１０は、ハードディスク等からなる記憶装置１５、入力手段としてキーボード１６、表示手段としての表示装置１７、及びコンパクトフラッシュ（登録商標）、ＳＤカード（登録商標）等のメモリの読み出し書き込み可能なカードリーダ１８が接続されている。本実施形態では、ＣＰＵ１１は、２値画像取得手段、縮退処理手段、膨張処理手段、差分画像取得手段、カウント手段、及びコザシ指数算出手段に相当する。又、ＲＯＭ１２は記憶手段に相当する。
【００２８】
本実施形態では、デジタルカメラで撮像した食肉断面画像を、コンパクトフラッシュ（登録商標）、ＳＤカード（登録商標）等のメモリをカードリーダ１８でコンピュータ１０に取り込みし、記憶装置１５に一旦記憶する。
【００２９】
そして、食肉のしもふり状態の数値化プログラムをキーボード１６の入力により起動する。図２は、食肉のしもふり状態の数値化プログラムである。
ＣＰＵ１１は、Ｓ１０において、記憶装置１５に格納された食肉断面画像（図３参照）を読込み、Ｓ２０において、該食肉断面画像を２値化して２値画像を得る。本実施形態での食肉断面画像は、黒毛和種肥育牛のロース芯の断面画像である。この２値画像を以下、原画像という（図４参照）。続くＳ３０では、ＣＰＵ１１は原画像のうち、脂肪部分に相当する図形の端点を保持して縮退処理を複数回行い、縮退処理画像を取得する（図５参照）。なお、本実施形態では、縮退処理の回数は５回である。次にＳ４０において、ＣＰＵ１１は前記縮退処理画像に対して、画素幅が「１」画素である細線を除去し、残った画像に対して縮退処理した回数と同回数の膨張処理を行い膨張処理画像を取得する（図６参照）。
【００３０】
次に、Ｓ５０において、ＣＰＵ１１は原画像と前記膨張処理画像の差分を取り、差分画像を取得する（図７参照）。なお、膨張処理画像の脂肪部分に相当する図形は、図形の端点が保持されずに膨張処理されているため、原画像の図形の長さよりも長くされている。この長くされている部分を以下、付加部分という。そして、原画像から膨張処理画像の差を取って得られた差分画像においては、前記付加部分は原画像の背景図形（すなわち、赤肉部分に相当する部位）の画素濃度となる。この差分を取ることによって種々の大きさの細かい脂肪交雑粒子の画像を得ることができる。
【００３１】
続いて、Ｓ６０において、ＣＰＵ１１は得られた差分画像を使用して、前記脂肪交雑粒子の中から図８に示すように０．０１cm２（＝１mm×１mm）〜０．５cm２（≒７mm×７mm）サイズのものを表示するようにフィルタ処理する。このときに表示されている脂肪交雑粒子を、以下、コザシという。そして、ＣＰＵ１１は、このようにフィルタ処理されて抽出されたコザシの数をカウントし、そのカウントして得られた値を画像解析対象の食肉の断面積で割ることにより、単位面積当たりのコザシ数を算出する。このようにコザシ数は、差分画像の中における単位面積当たりの所定の大きさのコザシ数である。次に、Ｓ７０において、ＣＰＵ１１は下記の重回帰式にてコザシ指数を算出する。
【００３２】
コザシ指数（ｆ（ｘ））＝Ａ＊コザシ数＋Ｂ＊脂肪面積割合＋Ｃ＊全体の粒子のあらさ＋Ｄ …（１）
なお、Ａ，Ｂ，Ｃ，及びＤは回帰係数であり、重回帰分析により予め求めたものである。又、脂肪面積割合及び全体の粒子のあらさは、予めＲＯＭ１２に格納されているものとし、コザシ指数の算出時にＣＰＵ１１により読み出される。上記のようにして、コザシ数と、コザシ指数を得ることができる。
【００３３】
上記実施形態の特徴を下記に説明する。
（１） 本実施形態の食肉のしもふり状態の数値化方法は、食肉断面の２値画像を原画像として取得し（Ｓ２０）、前記原画像に対して、端点を保持するようにして５回縮退処理して縮退処理画像を得た後（Ｓ３０）、該縮退処理画像を、５回膨張処理して膨張処理画像を得た（Ｓ４０）。そして、前記原画像と膨張処理画像との差分画像を得るようにした（Ｓ５０）。そして、その後、該差分画像に基づいて、単位面積当たりの所定の大きさのコザシ数を得るようにした（Ｓ６０）。この結果、食肉のしもふり状態を容易に数値化でき、食肉のしもふり状態を客観的な基準によりコザシ数を容易に得ることができる。そして、コザシ数で食肉を評価することができるため、新しい改良形質として旧来の育種手法に取り込むことが可能となる。又、食肉の種類を問わず、まぐろ等の魚肉を含む食肉全般のしもふり状態についての数値化が可能である。又、食肉に対する消費者ニーズは多様化しており、食味に多大な影響を及ぼすとされるしもふり状態を数値化することによりその数値を流通現場において、広く利用されることが期待できる。
【００３４】
（２） 又、本実施形態の食肉のしもふり状態の数値化方法は、前記コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化するようにした（Ｓ７０）。この結果、総合的なしもふり状態を表すコザシ指数を容易に得ることができる。このコザシ指数が得られることにより、食肉のしもふり状態を客観的な基準により具体的な数値となるので、主観的な場合よりもばらつきなく、総合的なしもふり状態を示すことができる。この結果、コザシ数と同様に新しい改良形質として旧来の育種手法に取り込むことが可能となる。又、食肉の種類を問わず、食肉全般のしもふり状態についての数値化が可能である。又、食肉に対する消費者ニーズは多様化しており、食味に多大な影響を及ぼすとされるしもふり状態を数値化することによりその数値を流通現場において、広く利用されることが期待できる。
【００３５】
（３） 本実施形態のコンピュータ１０は、ＣＰＵ１１が、２値画像取得手段として撮像された食肉断面画像を２値化して２値画像を原画像として得るようにし、縮退処理手段として前記原画像を、端点を保持するようにして５回縮退処理して縮退処理画像を得るようにしている。又、ＣＰＵ１１は、膨張処理手段として前記縮退処理画像を、５回で膨張処理して膨張処理画像を得るようにし、差分画像取得手段として前原画像と該膨張処理画像との差分画像を得るようにした。そして、ＣＰＵ１１はコザシ数算出手段として前記差分画像に基づいて単位面積当たりの所定の大きさのコザシ数を算出するようにした。この結果、コザシ数を容易に得ることができる食肉のしもふり状態の数値化装置を提供することができる。
【００３６】
（４） 又、本実施形態のコンピュータ１０はＲＯＭ１２に脂肪面積割合及び全体の粒子のあらさを記憶させるようにし、ＣＰＵ１１はコザシ指数算出手段として前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するようにした。この結果、コザシ指数を容易に得ることができる食肉のしもふり状態の数値化装置を提供することができる。
【００３７】
（５） 又、本実施形態の食肉のしもふり状態の数値化プログラムは、コンピュータ１０を、撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段とし、又、前記原画像を、端点を保持するようにして５回縮退処理して縮退処理画像を得る縮退処理手段とするようにしている。さらに、前記プログラムは、コンピュータ１０を、該縮退処理画像を５回膨張処理して膨張処理画像を得る膨張処理手段とし、前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段とするようにした。そして、前記プログラムは、コンピュータ１０をコザシ数算出手段として、前記差分画像に基づいて単位面積当たりの所定の大きさのコザシ数を算出するコザシ数算出手段として機能させるようにした。この結果、前記コザシ数を容易に得ることができる食肉のしもふり状態の数値化することができるプログラムを提供することができる。
【００３８】
（６） 又、本実施形態の食肉のしもふり状態の数値化プログラムは、コンピュータ１０のＲＯＭ１２を、脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段とし、ＣＰＵ１１をコザシ指数算出手段として前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するようにした。この結果、コザシ指数を容易に得ることができる食肉のしもふり状態の数値化することができるプログラムを提供することができる。
【実施例】
【００３９】
次に、実施例について説明する。本実施例では、黒毛和種肥育牛（４５頭）についてコンピュータ１０を使用してカウントしたコザシ数及びコザシ指数の評価を行った。なお、縮退処理、膨張処理（回数は除く）、差分画像を得る処理、コザシ数のカウント処理、及びコザシ指数の算出処理の順序は、前記実施形態で説明した通りに、コンピュータ１０の処理で行った。
【００４０】
（１．使用装置類）
４５頭の黒毛和種肥育牛のロース芯の食肉断面画像として、それぞれ枝肉横断画面画像を、１３００万画素数（≒４５３６×３０２４ピクセル）のデジタルカメラにより得、それを前記コンピュータ１０によりコザシ数のカウントと、コザシ指数の算出を行った。
【００４１】
（１−１．脂肪交雑粒子の細かさを評価するための指標）
人間による脂肪交雑粒子の細かさを評価するための指標は、肉質評価に携わる研究員７人に細かさの評価を依頼した。
【００４２】
（２．研究員７人による評価方法）
ある地域に出荷された４５頭の枝肉横断画面画像について、研究員が脂肪交雑粒子の細かさを目視で１〜４５までの順位を決定する。細かい脂肪交雑粒子が多いほど、評価を高くし、最多のものを１位とし、細かい脂肪交雑粒子が少ないものほど評価を低くし、最少のものを４５位とした。そして、各研究員が評価対象の牛肉に付した順位の平均値をその評価対象の牛肉の順位（平均順位）とした（表１参照）。
【００４３】
【表１】
（３．コンピュータ１０によるコザシ数、順位の算出）
４５頭の枝肉横断画面画像を使用して、コンピュータ１０によりそれぞれ縮退処理回数を５回、１０回、１５回をそれぞれ行った。ここで、１５回縮退処理を行った場合は、その後の膨張処理を行うには、十分な画像が得られなかった。又、縮退処理を１０回行った後、１０回膨張処理を行った場合は評価するために十分な画像が得られなかった。
【００４４】
以下には、脂肪交雑粒子サイズを第１〜第５グループに分けて、下記の処理を行うとともに、各評価対象の牛肉について、２値画像と下記膨張処理後の膨張処理画像との差分画像から、下記の脂肪交雑粒子サイズをカウントして単位面積（＝１cm２）当たりのコザシ数を、「脂肪交雑粒子の細かさ」として算出した。そして、この算出した「脂肪交雑粒子の細かさ」に４５頭中の順位を、数値の大きいものから順にコンピュータ１０に付した。
【００４５】
１）第１グループ：５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．００５〜０．５cm２のグループ
２）第２グループ：１０回縮退処理→１０回膨張処理で、脂肪交雑粒子サイズは、０．００５〜０．５cm２のグループ
３）第３グループ：５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．１cm２のグループ
４）第４グループ：１０回縮退処理→１０回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．１cm２のグループ
５）第５グループ：５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．５cm２のグループ
（各グループの相関係数）
研究員が付した各グループの各評価対象の牛肉の順位（平均順位）と、コンピュータ１０が算出した各グループの各評価対象の牛肉の順位との相関係数を算出すると、下記の結果であった。
【００４６】
第１グループ：−０．４９５２９
第２グループ：−０．１２７４３
第３グループ：−０．４９７１５
第４グループ：−０．０１４３０
第５グループ：−０．５０８０８
この結果、第５グループで行った、５回縮退処理→５回膨張処理で、脂肪交雑粒子サイズは、０．０１〜０．５cm２で、脂肪交雑粒子の細かさを評価する場合が、研究員による評価と最も相関が高いことが分かった。表１には、第５グループでの、実際のコンピュータ１０によって付けられた牛肉の順位と研究員による付けられた牛肉の順位（平均順位）が示されている。
【００４７】
（コザシ指数の算出）
又、コンピュータ１０によって、前記コザシ数、脂肪面積割合、全体の粒子のあらさに基づいて、前記式（１）を使用して、各グループの各評価対象の牛肉に対してコザシ指数を算出する。
【００４８】
コザシ指数（ｆ（ｘ））＝Ａ＊コザシ数＋Ｂ＊脂肪面積割合＋Ｃ＊全体の粒子のあらさ＋Ｄ …（１）
なお、脂肪面積割合は、２値化直後の脂肪交雑粒子の画素数をロース芯全体の画素数で割り１００を乗じることによりＣＰＵ１１により予め算出しておくものとする。又、全体の粒子のあらさは、ＣＰＵ１１により脂肪交雑粒子を端点を保持して縮退処理する処理を１５回行い、その後、ＣＰＵ１１により画素幅が「１」の細線を除去した後の画素数を２値化直後の脂肪交雑粒子の画素数で割り、１００を乗じることにより算出しておくものとする。
【００４９】
本実施例では、式（１）中、Ａ＝−７．１４９３６、Ｂ＝−０．８９９０６、Ｃ＝０．９９９８１、Ｄ＝８３．５５９０１である。
このようにして、各グループのコザシ指数を評価対象の牛肉に対して算出することにより各評価対象にコザシ指数を付与することができる。又、このコザシ指数を使用することによりその牛肉の食味に多大な影響を及ぼすとされるしもふり状態が数値化ができ、このコザシ指数によりその牛肉のしもふり状態を客観的に評価することができる。
【００５０】
表１では、牛肉の番号１〜４５において、コザシ指数をコンピュータにより算出した結果が示されている。そして、このコザシ指数の大きさの順位と研究員によって付けられた牛肉の順位との相関係数は０．８２９４６であるとともに、寄与率Ｒ２が０．６８８０１であり、統計的に５％水準で有意であり、かつ、使用できるものであることが分かる。
【００５１】
また、数値化された「しもふり状態」は育種改良形質として扱うことが可能であり、ＤＮＡマーカーとの連鎖解析、遺伝子座の特定ならびにアニマルモデルＢＬＵＰ法を用いた育種価算出等に活用することができる。その結果、和牛の特徴を強く保有する種畜の造成が期待できる。
【００５２】
（縮退処理及び膨張処理回数について）
次に、縮退処理及び膨張処理回数について説明する。前述した実施例では、５回縮退処理→５回膨張処理の場合が、好適なコザシ数のカウントとコザシ指数の算出ができることを説明したが、ここで、５回以外の回数の適用の可能性について説明する。
【００５３】
表２及び表３は、縮退処理及び膨張処理の回数（以下、説明の便宜上、単に処理回数という）が１〜１０回と、種々の大きさの脂肪交雑粒子サイズとの組合せを検証した結果がそれぞれ表されている。
【００５４】
試験条件は、実施例と同様の使用装置を使い、同じく４５頭の黒毛和種肥育牛のロース芯の食肉断面画像を使用した。なお、処理回数が１０回以上も試みたが、統計的及び肉眼的に画像を見た場合に不適当であったため表からは除外されている。これは、膨張処理回数が多くなると、脂肪交雑粒子の密度が高い場合（すなわち、粒子が多い場合）には、隣接した他の粒子に包含されてしまうため、コザシ数としてカウントされなくなってしまうためである。又、脂肪交雑粒子の密度が低い場合（すなわち、粒子が少ない場合）においては、膨張処理された脂肪交雑粒子が、大きくなりすぎて、やはりコザシ数としてカウントできなくなるためである。
【００５５】
脂肪交雑粒子サイズは、０．００１〜０．５、０．００５〜０．５、０．０１〜０．５、０．０５〜０．５、０．１〜０．５、０．００１〜０．１、０．００５〜０．１、０．０１〜０．１及び０．０５から０．１の大きさの範囲である。脂肪交雑粒子サイズの単位はいずれもcm２である。ここで、０．００５cm２は５０画素分に相当し、肉眼的にノイズではないと判断できる最小単位である。０．００５cm２未満では解析結果が非常に不安定であるため、０．００５cm２以上が適当であることが分かった。又、０．５cm２の大きさの粒子は、５０００画素（＝０．５cm２（≒７mm×７mm））分に相当し、非常に大きな粒子であって、食肉の断面積において存在する数は数個程度である。又、０．５cm２を越える粒子はほとんど存在が認められなかった。
【００５６】
表２ではＰ値（有意確率）が０．００１以下のものが○で示され、Ｐ値（有意確率）が０．００１を越えるものが「×」で示されている。
表３は、表２で示された同じ組合せにおいて、特に、共通の食肉断面に対して、前記実施例と同様に研究員が主観的に付した順位と、コンピュータで付した順位の相関係数が０．５以上となったものに対してその相関係数を入れた表である。
【００５７】
又、検証の結果、表２に示すように脂肪交雑粒子サイズが０．０１〜０．５cm２の場合、処理回数が５回〜８回で、統計的に０．１％水準で有意であり、このときの相関係数は−０．５近傍であることが分かった。従って、脂肪交雑粒子サイズが０．０１〜０．５cm２の場合、前記実施例では処理回数が５回で行ったが、６〜７回で行っても、十分にコザシ数と、コザシ指数が得られることが分かる。
【００５８】
脂肪交雑粒子サイズが０．０１〜０．５cm２以外の脂肪交雑粒子サイズの場合においても、０．１％水準で、あって、かつ、相関係数が０．５以上であったものを表３に示すようにいくつかあることが分かる。すなわち、０．００１〜０．５cm２では３〜５回の処理回数が、０．０５〜０．５cm２では５〜９回の処理回数が、０．１〜０．５cm２では７〜９回の処理回数が、０．００１〜０．１cm２では３〜５回の処理回数が、０．５〜０．１cm２では５〜８回の処理回数が適用可能である。上記に挙げた０．０１〜０．５cm２以外の脂肪交雑粒子サイズは、本発明でいう所定の大きさのコザシであるということができ、これらのコザシにおいても本発明の適用が可能である。
【００５９】
【表２】
【００６０】
【表３】
なお、本発明の実施形態及び実施例は前記実施形態及び実施例に限定されるものではなく、下記のようにしてもよい。
【００６１】
○ 前記実施例では、研究員が主観的に評価した牛肉の順位（1〜４５位）に応じて、平均順位とコザシ指数との相関係数を算出して、その相関係数が統計的に５％水準で有意であり、かつ、使用できるものであることが分かる。従って、この実施例の場合、コザシ指数は数値が小さいほど、評価が高いものを意味する。しかし、順位ではなく、評価が高いものほどポイントを多くするようにした場合、例えば前記実施例の場合、最も評価の高いものを４５ポイントつけ、最も評価低い場合を１ポイントとするようにした場合は、コザシ指数は数値が大きいほど評価が高いものとなる。このようにコザシ指数は、評価の方法に応じて、大小関係が逆転するとに留意されたい。いずれにしても、コザシ指数を客観的な評価の道具として使用することができる。
【００６２】
○ 食肉に対する多様化する消費者ニーズに応える方法の一つとして、旧来の「肉質等級の５段階」に新たに「しもふり状態」を加えることで、食肉に関するより具体的な情報の消費者への提供が期待できる。
【００６３】
○ 前記実施形態では、ＲＯＭ１２に脂肪面積割合、全体の粒子のあらさを格納するようにしたが、ＣＰＵ１１により算出された際、ＲＡＭ１３に格納するようにしてもよい。この場合、ＲＡＭ１３が、記憶手段となる。なお、記憶手段としては、ＣＰＵ１１に接続される記憶装置１５としてもよい。
【００６４】
○ なお、前記実施形態では、牛肉を評価対象としているが、他の食肉に対しても同様にしもふり状態の数値化ができることは勿論のことである。
例えば、前記実施例では、牛肉のロース芯について行ったが、牛肉のバラ、牛肉の内モモ、牛肉の友三角、牛肉の肩バラ、豚肉の豚トロ及び馬肉について、前記実施例と同一の装置及び方法（縮退処理・膨張処理の回数５回、粒子サイズ０．０１〜０．５cm２）で行った結果は下記の表４の通りであった。
【００６５】
【表４】
【図面の簡単な説明】
【００６６】
【図１】一実施形態における食肉のしもふり状態の数値化装置としてのコンピュータの概略図。
【図２】食肉のしもふり状態の数値化プログラムのフローチャート。
【図３】食肉断面画像を示す図。
【図４】図３を２値化した２値画像図。
【図５】５回縮退処理画像図。
【図６】５回膨張処理画像図。
【図７】図４の２値画像と図６の５回膨張処理画像の差分画像図。
【図８】０．０１cm２（＝１mm×１mm）〜０．５cm２（≒７mm×７mm）サイズのコザシ数が表示された差分画像図。
【図９】縮退処理を行う前の画像（２１×３画素の細長い図形）を示す説明図。
【図１０】端点を保持して１回分の縮退処理を行った画像（２１×１画素の細長い図形）の説明図。
【図１１】図１０の状態から膨張処理を行った画像の説明図。
【符号の説明】
【００６７】
１０…コンピュータ
１１…ＣＰＵ（２値画像取得手段、縮退処理手段、膨張処理手段、差分画像取得手段、カウント手段、及びコザシ指数算出手段）、
１２…ＲＯＭ（記憶手段）
１３…ＲＡＭ
１４…バス
１５…記憶装置
１６…キーボード
１７…表示装置 １８…カードリーダ
【特許請求の範囲】
【請求項１】
食肉断面の２値画像を原画像として得る段階と、
前記原画像に対して、端点を保持するようにして複数回縮退処理して縮退処理画像を得る段階と、
該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る段階と、
前記食肉断面の原画像と該膨張処理画像との差分画像を得る段階と、
前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を得る段階を含む食肉のしもふり状態の数値化方法。
【請求項２】
前記コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化することを特徴とする請求項１に記載の食肉のしもふり状態の数値化方法。
【請求項３】
撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、
前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、
該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、
前原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、
前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段とを備えた食肉のしもふり状態の数値化装置。
【請求項４】
脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、
前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段を備えたことを特徴とする請求項３に記載の食肉のしもふり状態の数値化装置。
【請求項５】
コンピュータを、
撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、
前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、
該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、
前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、
前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段
として機能させるためのプログラム。
【請求項６】
コンピュータを、さらに、
脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、
前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段として機能させるための請求項５に記載のプログラム。
【請求項１】
食肉断面の２値画像を原画像として得る段階と、
前記原画像に対して、端点を保持するようにして複数回縮退処理して縮退処理画像を得る段階と、
該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る段階と、
前記食肉断面の原画像と該膨張処理画像との差分画像を得る段階と、
前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を得る段階を含む食肉のしもふり状態の数値化方法。
【請求項２】
前記コザシ数、脂肪面積割合、及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出して数値化することを特徴とする請求項１に記載の食肉のしもふり状態の数値化方法。
【請求項３】
撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、
前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、
該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、
前原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、
前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段とを備えた食肉のしもふり状態の数値化装置。
【請求項４】
脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、
前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段を備えたことを特徴とする請求項３に記載の食肉のしもふり状態の数値化装置。
【請求項５】
コンピュータを、
撮像された食肉断面画像を２値化して２値画像を原画像として得る２値画像取得手段と、
前記原画像を、端点を保持するようにして複数回縮退処理して縮退処理画像を得る縮退処理手段と、
該縮退処理画像を、前記縮退処理した回数と同回数で、膨張処理して膨張処理画像を得る膨張処理手段と、
前記原画像と該膨張処理画像との差分画像を得る差分画像取得手段と、
前記差分画像に基づいて、単位面積当たりの所定の大きさのコザシの数（以下、コザシ数という）を算出するコザシ数算出手段
として機能させるためのプログラム。
【請求項６】
コンピュータを、さらに、
脂肪面積割合及び全体の粒子のあらさを記憶する記憶手段と、
前記コザシ数、脂肪面積割合及び全体の粒子のあらさを重回帰式に代入し、総合的なしもふり状態をコザシ指数として算出するコザシ指数算出手段として機能させるための請求項５に記載のプログラム。
【図１】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図３】
【図２】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図３】
【公開番号】特開２００８−３９６１０（Ｐ２００８−３９６１０Ａ）
【公開日】平成２０年２月２１日（２００８．２．２１）
【国際特許分類】
【出願番号】特願２００６−２１４８４４（Ｐ２００６−２１４８４４）
【出願日】平成１８年８月７日（２００６．８．７）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り ２００６年３月２０日 社団法人 日本畜産学会発行の「日本畜産学会 第１０６回大会 講演要旨」に発表
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成１８年度、農林水産省、先端技術を活用した農林水産研究高度化事業委託事業、産業再生法第３０条の適用を受ける特許出願
【出願人】（３９１０１６８４２）岐阜県 (70)
【Ｆターム（参考）】
【公開日】平成２０年２月２１日（２００８．２．２１）
【国際特許分類】
【出願日】平成１８年８月７日（２００６．８．７）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り ２００６年３月２０日 社団法人 日本畜産学会発行の「日本畜産学会 第１０６回大会 講演要旨」に発表
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成１８年度、農林水産省、先端技術を活用した農林水産研究高度化事業委託事業、産業再生法第３０条の適用を受ける特許出願
【出願人】（３９１０１６８４２）岐阜県 (70)
【Ｆターム（参考）】
[ Back to top ]