Length measurement system to assist automation in the slaughtering process
Master thesis
Submitted version
![Thumbnail](/nmbu-xmlui/bitstream/handle/11250/2711214/Stokland2020.pdf.jpg?sequence=5&isAllowed=y)
View/ Open
Date
2020Metadata
Show full item recordCollections
- Master's theses (RealTek) [1826]
Abstract
The meat industry sees a development towards more local, sustainable and self-sufficient food. This means the whole process of livestock farming, butchering and distributing. If a slaughtering process were automated, it would replace the hardest work of a butcher and make it easier to produce local meat products. This is the aim of a larger project which this thesis is a part of; the primary task is to develop a system to measure the length of pigs so that a machine can adapt to the biological variation inherent in the raw material. Hence, the goal with this thesis is to make a precise, robust and contactless measurement system.
This thesis begins with addressing the properties of sensors and cameras for measurement purposes. A depth camera had the best potential and was chosen for further usage. Furthermore, the thesis discloses the applications for recognition types, and distinguishes between different detection and segmentation models. Three models were selected for testing and aligned next to each other for comparison. When a pig is located in a picture, it is possible to reduce the amount of data in the depth image and processing it to a 3D point cloud. The point cloud needs filtration due to a rough and noisy surface. At this point, the nose and hind feet can be pinpointed and the distance between them calculated to obtain a carcass length estimation.
To get the results, a depth camera was installed in a pork slaughter-line (Fatland, Oslo). The placement of the camera was adjusted during recording, which led to a consequential measurement error. Unfortunately, it was not possible to get more data as the industry no longer allowed outsiders to visit the plant during the COVID-19 outbreak. As a consequence of the measurement error, the system’s accuracy was unobtainable. However, the precision could be found by adjusting the manual measurement using a calibration ratio. A few comparisons were made of the length differences, and the total error was ±4 cm. The accuracy and precision can be improved by a variety of ways. If the pigs in the production line would stop at the exact place, the error is likely to decline. Additionally, some of the aforementioned operations may be easier to implement as a result of this. Kjøttindustrien har en utvikling som går i retning av mer lokale, bærekraftige og selvforsynte matvarer. Det vil si i hele prosessen fra husdyrhold til slakting til distribusjon. Hvis slakterprosessen var automatisert, ville det kunne erstattet det tyngste arbeidet til en slakter, og gjort det lettere å produsere lokale kjøttprodukter. Dette er målet til det overordnede prosjektet som denne masteravhandlingen er en del av; hovedoppgaven er å utvikle et system som måler lengden på griser, slik at en maskin kan tilpasse seg de biologiske variasjonene i råmaterialet. Målet for denne avhandlingen er derfor å lage et presist, robust og kontaktløst målesystem.
Denne avhandlingen begynner med å adressere egenskapene til sensorer og kameraer som målegrunnlag. Et dybdekamera hadde størst potensial og ble valgt for videre bruk. Oppgaven beskriver deretter bruksområdene for gjenkjenningstyper, og skjelner forskjellen mellom ulike deteksjons- og segmenteringsmodeller. Tre modeller ble valgt ut for testing, og satt opp mot hverandre for sammenligning. Når en gris er lokalisert i et bilde, er det mulig å redusere datamengden i dybdebildet og prosessere det til en 3D-punktsky. Punktskyen trenger filtrering på grunn av en ru og støyet overflate. På dette tidspunktet kan nesen og bakbena bli nøye angitt, og lengden mellom dem beregnes for å estimere kadaverlengden.
For å få resultatene, ble et dybdekamera installert i en svineslakterline (Fatland, Oslo). Plasseringen av kamera ble justert mens det tok bilder, noe som førte til en følgefeil på målingene. Uheldigvis var det ikke mulig å få tilgang på mer data, ettersom industrien ikke tillot utenforstående å besøke anlegget under COVID-19 utbruddet. Som en konsekvens av målefeilen var det umulig å finne systemets nøyaktighet. Imidlertid kunne presisjonen bli funnet ved å justere den manuelle målingen ved å bruke et kalibreringsforhold. Noen få sammenligninger ble gjort av lengdeforskjellene, og den totale feilen var på ±4 cm. Nøyaktigheten og presisjonen kan forbedres på mange måter. Hvis grisene i produksjonslinjen kunne stoppe på nøyaktig det samme stedet, ville feilen sannsynligvis avta. I tillegg kan operasjonene nevnt ovenfor være lettere å iverksette som et resultat av dette.