Objektiv klassificering av slaktkroppar med digital teknik

En objektiv klassificering vid slakt av nötkreatur och får har varit efterlängtad länge. Med digitala metoder kan det bli möjligt.

För att ge producenten rätt betalning för slaktkroppen och för att ge underlag för prissättning på köttmarknaden klassificeras alla slaktkroppar. Syftet är att så noga som möjligt beskriva slaktkroppens innehåll av kött, ben och fett. Som riktlinje används EUROP-klassificeringen som är gemensam för hela EU. Den personal som utför klassificeringen är anställd av respektive slakteri, men Jordbruksverket ansvarar för utbildning och att de bedömer korrekt och likadant oavsett slakteri.

Många producenter upplever en osäkerhet när det gäller om slaktade djur verkligen klassats rätt. Den ekonomiska betydelsen av klassningen är givetvis viktig, men också möjligheterna att följa upp och utvärdera den produktion man har. Alla är medvetna om att det är oerhört svårt att med bara sina ögon bedöma exakt likadant alla tider i veckan.

Säkrare klassificering med kamera

För att komma ifrån den mänskliga faktorns betydelse pågår ett innovationsprojekt. Målsättningen är att det ska finnas en lösning som innebär en digital klassificering enligt EUROP-skalan. Lösningen innebär att det på slakteriet ska finnas en kamera som ser tvådimensionellt (2D) och som tar bilder av slaktkropparna. Via en databas med ett stort antal bilder som kan hänföras till olika klasser kan varje ny slaktkropp som fotograferas placeras i rätt klass. Det möjliggör i högre grad ett säkrare betalningsunderlag och det ger också, framförallt som bilder kan sparas och studeras i efterhand, bättre möjligheter att följa upp sin produktion.

– Slakteriet ser fram emot ny teknik som förbättrar noggrannhet, spårbarhet och även ger en bättre arbetsmiljö, säger Jens Juul, Agroväst som är projektledare.

– Vi är färdiga att bygga en första prototyp som ska monteras ihop till ett komplett och fungerande system, säger Jens. Systemet kommer att testas i lab-miljö för att senare installeras på ett slakteri. Vi har också påbörjat arbetet med bildbehandling, bland annat för att kunna identifiera och koppla bildmaterial till rätt slaktkropp och producent.

Självlärande digitalt system

Kameran ska placeras direkt före den vanliga klassningen och testas vid full produktionstakt. Den klassning som sedan görs av klassificeraren kommer bli facit och vägledande för maskinträningen. Det bildmaterial som samlas in från kameran skickas till en molntjänst där bildinformationen blir indata till ett självlärande system där slaktkropparnas klass kommer att kunna identifieras.

Integrationen av systemen är en av de större utmaningarna. Kamerainstallationen får inte påverka ordinarie verksamhet. Samtidigt måste den vara både robust och säker med hänsyn till noggrannheten i klassningen. Systemet är självlärande till stor del, men behöver bildmaterial och indata av hög kvalitet för att bygga säkra klassningsbeslut för alla klasser. En utmaning är att få fram tillräckligt med bildmaterial för de minst förekommande klasserna.

– Lösningen kommer inte i dagsläget ersätta klassificeraryrket, säger Jens. Den kommer i stället bli ett digitalt hjälpverktyg som säkerställer spårbara data, bedömning och klassningsbeslut för varje slaktkropp.

– Full automation kommer vi uppnå när vi har utvärderat systemet och samlat ytterligare mängder med bilder för djupare maskinträning. Slaktkropparna kommer ibland ha fysiskt individuella skillnader och avvikelser, och då kommer en människa behöva stötta klassningsbedömningen.

Text: Inger Pehrson

Här kan du läsa mer om projekten: Godkända innovationsprojekt - EIP-Agri Länk till annan webbplats.
Här kan du läsa mer om andra EIP-projekt inom EU: Projects Länk till annan webbplats.