Получение данных для классифицирования туш убойных животных, а также для определения их качеств и количеств

ПОЛУЧЕНИЕ ДАННЫХ ДЛЯ КЛАССИФИЦИРОВАНИЯ ТУШ УБОЙНЫХ ЖИВОТНЫХ, А ТАКЖЕ ДЛЯ ОПРЕДЕЛЕНИЯ ИХ КАЧЕСТВ И КОЛИЧЕСТВ Описано получение данных для классифицирования туш убойных животных, а также для определения их качеств и количеств с помощью неинвазивного способа распознавания комплексно структурированных контуров со стремящейся к нулю нормой ошибочного распознавания, с которой могут отличаться друг от друга и идентифицироваться признаки туши убойного животного, работающего на основе характерного фрагмента туши посредством обработки изображений, в частности, как для определения данных для расчета доли мускульного мяса, торгового класса, а также находящейся в связи с этим торговой стоимости и рыночной стоимости, так и для распределения туш убойных животных по категориям качества, при соблюдении законных требований. Согласно изобретению при ошибочном распознавании различаемых и идентифицируемых комплексно структурированных контуров туши убойного животного оператор на рабочей станции в виде персонального компьютера вступает во взаимодействие с электронно-вычислительной машиной и указывает на нераспознанный или неправильно распознанный искомый контур, в то время как при использовании устройства воспроизведения изображения в представление изображения интересующей области туши убойного животного ставится соответственно по меньшей мере одна опорная точка в одной или нескольких областях, в которых должны устанавливаться данные из измерений. 014627 Изобретение относится к получению данных для классифицирования туш убойных животных, а также для определения их качеств и количеств с помощью неинвазивного способа распознавания комплексно структурированных контуров со стремящейся к нулю нормой ошибочного распознавания при анализе туши убойного животного, позволяющего на основе характерного фрагмента отличать друг от друга и идентифицировать посредством обработки изображений комплексно структурированные контуры, как признаки туши убойного животного, который может использоваться, в частности, для определения данных для расчета доли мышечной ткани, торгового класса, а также находящихся в связи с этим торговой стоимости и рыночной стоимости и для распределения туш убойных животных по категориям качества при соблюдении заданных законом требований, преимущественно для мясокомбинатов и мясообрабатывающих заводов. Из современного состояния техники известен ряд автоматически протекающих способов определения данных туши убойного животного - в плоскости ее разреза вдоль позвоночника - посредством оптической обработки изображений для последующей классификации и распределения по категориям качества. Таким образом, в печатных публикациях DD 298310 A5/DE 4131556 С 2, а также DE 4109345 C2 описываются способы для определения и соответственно анализа половин туш убойных животных посредством обработки изображений, при которых устанавливаются внешний контур, слой подкожного жира, соотношение мяса и подкожного спинного жира, в то время как выполняются съемки всей половины убойного животного с позвоночником и со всеми межпозвонковыми слоями. В качестве контрольной точки для определения параметров для разложения и классификации исходят от крестцовой кости позвоночника, которая определяется так же, как и другие позвонки посредством анализа объекта, причем в реальном процессе обработки необходимые для анализа контуры не всегда могут селектироваться достаточно надежно. Печатная публикация DE 19733216 C1 описывает способ оценки полутуш убойных животных посредством оптической обработки изображений, который, опираясь на классический метод двух точек,должен делать возможной классификацию посредством оптического дешифрирования расширенной области филейной части туши при исключении субъективных источников ошибок. Известен также способ оценки полутуш убойных животных посредством оптической обработки изображений из печатной публикации DE 19847232 C2, при котором для оценки используется фотограмметрический способ как эквивалент обычного метода по двум точкам. В крестцовой и тазобедренной области фотограмметрически устанавливаются две характерных точки, из которых первая - это конец лонной кости таза со стороны туши, а вторая представляет конец средней ягодичной мышцы (MusculusGlutaeus Medius - MGM) со стороны туши и составляет прямую с направлением среднего хода подкожного спинного жира. Для непосредственной оценки используются длины частичных участков, которые получаются на перпендикуляре через толщину подкожного спинного жира к смещенной параллельно лонной кости таза прямой на высоте второй характерной точки. При этом способе, правда, исключаются субъективные погрешности измерения вручную проведенного метода двух точек, однако при условии,что с помощью оптической обработки изображений надежно определены необходимые контуры и структуры. Из печатной публикации DE 19936032 C1 известен следующий способ, который посредством оптической обработки изображений гарантирует автоматическое заключение о качестве полутуш убойных животных, в частности убойных свиней, причем по сравнению с известными методами достигается более высокая, воспроизводимая точность оценки, на которую только несущественно могут влиять погрешности в процессе разрезания туш убойных животных, из-за не абсолютно перпендикулярной к плоскости разреза съемки изображения, причем оптический снимок полутуши убойного животного оценивается в плоскости разреза - в области тазобедренной и филейной части туши фотограмметрически, на основании определенных характерных ориентиров. Как характерные ориентиры используются при этом позвоночник, лонные кости таза, самая тонкая толщина жира на MGM и контуры подкожного спинного жира в выбранной области. Для суждения о качестве определяющая доля мускульного мяса рассчитывается сложением установленных в соотношении друг к другу, перпендикулярных к прямому ходу канала спинного мозга частичных участков в области мясной ткани и слоя жира, включая установленные из регрессионных расчетов константы для каждого уровня и основную константу. В рамках способа устанавливается, правда,результат измерения для меры (S) жира в соответствии с требованиями закона в правильных точках, однако, мера (F) мясной ткани не определяется, вследствие чего расчет доли (MF%) мускульного мяса по официальной формуле не происходит, и, таким образом, не может происходить распределение по категориям в торговые классы. Способ определения торговой стоимости фрагментов свиных убойных туш известен из печатной публикации DE 11952628 A1, причем веса, весовые и мясные доли фрагментов, таких как ветчина, отбивная котлета, отбивная котлета без костей, филе, лопаточная часть, лопатка, грудинка и/или других поступающих в продажу самостоятельно или обрабатываемых далее фрагментов, определяются посредством он-лайн оценки свиных полутуш. Для реализации способа определяются описывающие комплек-1 014627 цию туши прогнозы, которые следуют из хода внешнего контура свиной полутуши и выводимой из этого площади, расположения и хода позвоночного столба, и выводимых из этого длин и площадей подобластей туши убойного животного, а также полученной для свиной полутуши информации о содержании жира, представленной через относительную толщину и ход приближенно общего слоя подкожного жира области спины. Прогнозы ставятся в соотношение друг к другу, учитывая существующие между ними статистические связи, вследствие чего в линии забоя должны в режиме он-лайн определяться веса интересующих фрагментов, их весовые и мясные доли в общем весе сырья. В ходе реализации способа должна происходить видеорегистрация комплектной свиной полутуши, и объект изображения подвергается дорогостоящей обработке, а также оценке, чтобы определять лишь торговую стоимость. На основании большой области изображения - по всей площади разреза - подвергается негативному влиянию скорость оценки, а также и веса фрагментов определяются не достаточно точно, кроме того, ошибочные распознавания контуров и структур в области изображения ведут к нереальным значениям стоимости. Далее способ установления качества и количественных характеристик туши убойного животного, с которыми может определяться ее торговый класс, торговая стоимость, рыночная стоимость и качество и исполняются условия специальных официальных инструкций и предписаний, описывается в заявке на патент DE 10358487.0. При этом полученные в опытах разделки достаточного количества туш убойных животных выходные данные о весовых долях отдельных частей готового продукта соотносятся друг с другом с характерными результатами измерения и параметрами, установленными для обеих половин туши убойного животного в области тазобедренной и филейной части туши при включении полного веса, и из этого получают относительные данные, и в текущем убойном производстве для оценки отдельных частей готового продукта происходит моделированный расчет с имеющимися относительными данными, учитывая полный вес двух половин туши убойного животного и специфические для нее характерные результаты измерения и параметры, установленные в области тазобедренной и филейной части туши. В варианте выполнения оценка отдельных частей готового продукта происходит только на основе специфически установленных в области тазобедренной и филейной части туши характерных результатов измерения и параметров. Общим для всех этих известных методов является то, что использованные при обработке изображений полностью автоматизированные алгоритмы распознавания контуров для распознавания комплексно структурированных контуров имеют определенную норму ошибочного распознавания. При ошибочно распознанных контурах, правда, можно пытаться последующим процессом оптимизации производить коррекцию встреченных погрешностей, причем в отношении определенных по-новому контуров, как правило, снова возникают новые ошибки оценок, вследствие чего имеют место ошибочные или содержащие ошибки данные и, соответственно, стоимости для последующих расчетов. Задачей изобретения является получение данных для классифицирования туш убойных животных, а также для определения их качеств и количеств с помощью неинвазивного способа распознавания комплексно структурированных контуров со стремящейся к нулю нормой ошибочного распознавания, позволяющего отличать друг от друга и идентифицировать признаки туши убойного животного и работающего на основе характерного фрагмента посредством обработки изображений, в частности как для определения данных для расчета доли мускульного мяса, торгового класса, а также находящихся в связи с этим торговой стоимости и рыночной стоимости, так и для распределения туш убойных животных по категориям качества, при соблюдении заданных законом требований и, соответственно, специфических правил. Задача решается посредством признаков, представленных в п.1 формулы изобретения. Предпочтительные усовершенствования отражены в зависимых пунктах формулы изобретения. Основная идея изобретения состоит в том, что при ошибочном распознавании различаемых и идентифицируемых комплексно структурированных контуров туш убойных животных на основании сильных загрязнений в области съемки или из-за физиологических особенностей, таких как плохо различимые фасции в мышцах, срастание или нечеткое образование мышц, посредством используемого на мясокомбинатах и мясообрабатывающих заводах для оценки туш убойных животных, автоматически протекающего способа с помощью обработки изображений, оператор на соответствующей рабочей станции в виде персонального компьютера входит во взаимодействие с электронно-вычислительной машиной и указывает на не распознанный или неправильно определенный искомый контур. Эти указания позволяют вновь задействованному алгоритму распознавания контура надежно регистрировать искомый контур. Указания могут вводиться оператором, в частности, графически с помощью устройства приема изображения в представление изображения интересующей области туши убойного животного, альтернативно - также в аудиовизуальной или текстовой форме. В области изображения оператор ставит по меньшей мере одну опорную точку в одной или нескольких областях, в которых должны происходить измерения. Эти опорные точки, как геометрические заданные величины, могут обозначать исходную точку, конечную точку, центр или любую точку искомого контура. Опорная точка может альтернативно маркировать также допустимую или запрещенную область для контура. При больше чем одной опорной точке можно дополнительно устанавливать тензор-2 014627 ные параметры более высокого порядка, такие как заданные параметры вектора с двумя опорными точками и заданные параметры кривой с тремя опорными точками. Далее из анализа окрестности опорной точки можно получать стартовые параметры для алгоритма распознавания контура. Эти параметры могут существовать, к примеру, в форме минимальных, максимальных или средних яркостей, окрашивающих тонов и контрастностей. Можно, однако, в качестве параметров устанавливать более комплексные признаки, такие как текстуры. В последующем, измеряемые обычным способом характерные величины и параметры устанавливаются как в виде расстояний, углов и площадей, так и в виде имеющихся на изображении сведений о яркости и соответственно цвете, преимущественно в отобранных вручную в области тазобедренной и филейной части туши характерных точках и структурах в области изображения. У свиных убойных туш точные результаты измерения, например, в действующем в рамках Европы двухточечном методе устанавливаются для меры (S) жира и меры (F) мяса, из которых по официальной формуле рассчитывается непосредственно доля (MF%) мускульного мяса и, таким образом, происходит распределение по категориям в торговые классы. На основе установленных длин перпендикулярных отрезков в области прямого участка позвоночника в области снимка, по внешнему контуру, а также ходу жирового слоя и их соотношению друг с другом могут нормироваться отбивные котлеты. По дальнейшим характерным значениям, с учетом результатов опытов разделывания дается оценка выхода отдельных готовых фрагментов. Вместе с предпринимаемой при этом оценкой фрагментов получается, как обычно, торговая стоимость. Исходя из веса убойной туши, происходит оценка весов фрагментов, из суммы которых получается рыночная стоимость. По установленным сведениям о яркости и соответственно цвету происходит распределение убойных туш по категориям качества. Преимущества изобретения состоят, в частности, в сокращенной почти до нуля норме ошибочного распознавания при оценке качественных и количественных характеристик туши убойного животного и из связанных с этим положительных экономических эффектов для производителя и переработчика мяса. Делается возможной обширная оценка и классификация туши убойного животного и ее фрагментов. Осуществление взаимодействия является возможным при всех неинвазивных автоматических способах, которые содержат наглядное представление области с распознаваемыми контурами и структурами, в которой должны устанавливаться результаты измерения. Изобретение как пример выполнения разъясняется подробнее при помощи чертежей. Фиг. 1 - снимок половины туши убойного животного в области тазобедренной и филейной части туши с неясными контурами,фиг. 2 - снимок половины туши убойного животного в области тазобедренной и филейной части туши с представлением ошибочного распознавания характерных измеряемых величин и параметров и фиг. 3 - снимок половины туши убойного животного в области тазобедренной и филейной части туши с представлением опорных точек как маркировок, а также установленных вместе с тем характерных измеряемых величин и параметров. Специальный метод классификации свиных убойных туш, так называемый двухточечный метод,стартует с идентификации Musculus Glutaeus Medius и позвоночного столба. Затем сначала определяется мера жира (S), как самое тонкое место слоя жира (включая жесткую кожу) над Musculus Glutaeus Medius (в миллиметрах), и после этого - мера (F) мяса как самое короткое соединение переднего, краниального конца Musculus Glutaeus Medius с верхней, дорсальной кромкой позвоночного канала (в миллиметрах). Из этой установленной таким образом меры жира и меры мяса получается тогда доля мускульного мяса свиной убойной туши в процентах, согласно приложению 4 к постановлению о торговых классах (HKL-VO). Согласно приложению 1 из HKL-VO затем проводится присвоение торгового класса. Классификация свиных убойных туш происходит при помощи сертифицированного устройства классификации, которое состоит в сущности из устройства приема изображения и компьютерного рабочего места с соответствующим программным обеспечением, обслуживание которого происходит независимыми классификаторами. Они являются, как правило, приведенными к присяге экспертами, которые могут очень точно определять контуры сала, мяса и позвоночника туши убойного животного. Ответственность за правильную оценку и классификацию туши убойного животного остается, таким образом, на классификаторе. В начале процесса известным способом с помощью съемочного метода производится цифровое изображение разрезанной вдоль позвоночника туши убойного животного в области тазобедренной и филейной части туши, которое подвергается анализу, при котором регистрируются контурные линии мясной ткани, и жировой ткани, и костей. Посредством контурных линий измеряются отдельные расстояния и площади, а также усредненные по зоне обработки расстояния, и также получаются значения яркости и/или цветовые оттенки. Получение характерных измеряемых величин и параметров в области тазобедренной и филейной-3 014627 части туши происходит, например, по образцу описанных в печатном издании DE 19936032 C1 и соответственно в заявке на патент DE 10358487.0 методов. Согласно фиг. 1, область 1 изображения тазобедренной и филейной части полутуши убойной свиньи при этом снимается со всеми деталями и затем оценивается фотограмметрическим способом. Область 1 изображения регистрирует в контрасте к темному заднему плану всю ширину расширенной области тазобедренной и филейной части туши с ее внешним контуром 2. Обыкновенным образом посредством анализа гистограмм в области 1 изображения сначала происходит ренормирование пороговых параметров на соответствующую среднюю яркость свиной убойной туши с последующей расчетной селекцией разных партий ткани на основе различий окраски и/или различий яркости. С помощью анализа консистенции примеси из изображения в значительной мере отфильтровываются загрязнения, такие как из-за крови. На следующем шаге светлый жир отделяется от более темного мяса и таким образом производится определение площадей 3 разреза сала и площадей 4 разреза мяса. В пределах площадей 4 разреза мяса контур Musculus Glutaeus Medius (MGM) 5 должен идентифицироваться в том числе алгоритмом прослеживания контура с последующим определением геометрического расположения. Как видно из фиг. 1 а) контур MGM 5 на основании физиологических особенностей ясно не отграничен в площади 4 разреза мяса, причем причинами для этого могут быть, например, срастание или слабое образование фасций MGM 5;b) канал позвоночника 6 может распознаваться не однозначно, так как он был разрублен в процессе разделки не посередине или покрыт кровью, иc) лонная кость 7 таза из-за частичного покрытия жировой тканью или кровью не может идентифицироваться надежно. Проведенный на таком изображении анализ контура, как представлено на фиг. 2, обнаруживает ошибочные распознавания, которые распознает классификатор и/или электронно-вычислительная машина, и выпускаются сигналы ошибки в форме предупреждения и соответственно подачи сигнала. В избранном изображении похожая на MGM 5 площадь 8 разреза мяса идентифицируется автоматически протекающим анализом изображения как MGM 5 и позвонки 9 в дорсальной области ошибочно относятся к позвоночному столбу, а также не найдена лонная кость 7 таза. Если бы определение измеряемых величин и параметров для оценки туши убойного животного происходило на основе результатов этого анализа, то получились бы абсолютно ошибочные оценки. Ошибочное распознавание определяется классификатором, ему это показывают и соответственно сообщают. В области 1 изображения классификатор в качестве оператора затем ставит по меньшей мере одну опорную точку в одной или нескольких областях, в которых должны происходить измерения. Эти опорные точки как геометрические заданные величины могут обозначать исходную точку, конечную точку,центр или любую точку искомого контура. При этом, как правило, достаточно маркировать опорные точки только в области не распознанной структуры, как MGM 5, и/или позвонки 9, и/или лонная кость 7 таза. В данном примере, согласно фиг. 3, будутa) для правильного распознавания контура MGM 5 поставлены первая опорная точка 10 на MGM 5 для нахождения сведений о яркости и вторая опорная точка 11 на краниальном конце MGM 5 как информация о расположении;b) для поддержки поиска позвоночного канала 6 предпочтительно маркируются два смежных позвонка 9 соответственно следующей опорной точкой 12, причем устанавливаются дополнительные сведения о направлении, иc) для определения и распознавания контура лонной кости 7 таза ставится дополнительная опорная точка 13 в ее краниальной конечной области. После вновь проведенного анализа контура с помощью установленных опорных точек будет а) однозначно идентифицирован Musculus Glutaeus Medius (MGM) 5 и его геометрическое расположение, как представлено на фиг. 3. Также был b) точно распознан видимый в области 1 изображения контур нижнего конца позвоночника с позвонками 9 и позвоночный канал 6. То же самое высказывание касается с) лонной кости 7 таза, которая однозначно идентифицировалась и определился ее контур. При определенных популяциях убойных животных, у которых, в частности, MGM 5 как существенный элемент для установления данных и измеряемых величин в области изображения образован очень нечетко, вследствие чего автоматически выполняемые способы посредством анализа изображения преимущественно ведут к ошибочным распознаваниям контуров и структур, альтернативно рационально маркировать опорные точки перед стартом иллюстрированного анализа. В области 1 изображения опционально ставятся первая опорная точка 10 на MGM 5 для нахождения-4 014627 сведений о яркости и/или вторая опорная точка 11 на краниальном конце MGM 5 как информация о расположении, а также для уверенного нахождения позвоночного канала 6 опционально маркируются преимущественно два смежных позвонка 9, соответственно, следующей опорной точкой 12, и также опционально - лонная кость 7 таза - дополнительной опорной точкой 13, и только после этого запускается анализ изображения для распознавания контуров и структур с последующим определением, известным способом, измеряемых величин и данных в области изображения. Как принято, в направлении прямого участка позвоночника по верхней (дорсальной) кромке позвоночного канала 6 прокладывается прямая линия 14 как исходный рубеж для последующих измерений. На этой прямой линии 14 строится перпендикуляр 15 по высоте переднего (краниального) конца MGM 5,длина участка которого как самое короткое соединение от переднего конца MGM 5 до верхней (дорсальной) кромки позвоночного канала 6, соответствует мере (F) мяса - как толщина поясничной мышцы. Продление перпендикуляра 15 вплоть до внешнего контура 2 ограничивает уровень сала над MGM 5 спереди. На высоте самого тонкого слоя сала на MGM 5 определяется соединительная линия 16 от контураMGM 5 к внешнему контуру 2, длина участка которой представляет меру (S) жира. Из обоих уровней (F) и (S), измеренных в миллиметрах, происходит в режиме он-лайн расчет доли(MF%) мускульного мяса по специфической для страны официальной формуле, согласно двухточечному методу, при последующем распределении по категориям торговых классов на основе установленной процентной доли мускульного мяса. С помощью определенного количества следующих устанавливаемых в области 1 изображения расстояний, углов и площадей даются соответственно дальнейшие суждения об анализируемой туше убойного животного. Таким образом, могут замеряться, например, также вес сала, вес мяса и вес костей в области позвоночника и лонной кости 7 таза. Как следующий важный признак, может устанавливаться гистологическое разделение жира перегородкой 17, подобной соединительной ткани, на верхний слой 18 жира и нижний слой 19 жира. Верхний слой 18 жира обозначается как подкожный жир, а нижний слой 19 жира - как норма внутреннего жира туши. Из толщины подкожного жира можно делать выводы о доле мускульного мяса живота. Из расстояний и площадей поверх позвоночника 9 можно получать преимущественно точные данные о сырье для отбивных котлет. Далее для оценивания ветчины привлекается средняя толщина жира над MGM 5 в области площади между продлением перпендикуляра 15 до внешнего контура 2 и другим перпендикуляром 20 на прямую линию 14, которая также используется для определения торговой стоимости. Процентная доля фрагментов, таких как ветчина или отбивные котлеты, в сравнении со всей тушей убойного животного может непосредственно определяться из данных результатов измерения анализа изображения так же, как и процентная доля мускульного мяса соответствующего фрагмента. В дальнейших расчетах, снова как пример, может определяться процентная доля мускульного мяса ветчины без костей и жира. С зачетом зарегистрированного полного веса туши убойного животного после исключения обоих висящих на крюке половин туши дальше может рассчитываться выход отдельных частей, причем из суммы оценок фрагментов получается в итоге торговая стоимость, а также из суммы весов фрагментов рыночная стоимость. С помощью определенных процентных долей тогда на основе полного веса можно рассчитывать весовые параметры для соответствующих частей, таких как ветчина, отбивные котлеты и другие ценные фрагменты. Распределение убойной туши и/или фрагментов по категориям качества происходит с помощью имеющихся следующих характерных сведений об изображении в форме величин яркости и/или цветовых тонов. Использованные обозначения 1 - область изображения 2 - внешний контур 3 - площади сала 4 - площади мяса 5 - Musculus Glutaeus Medius (MGM) 6 - позвоночный канал 7 - лонные кости таза 8 - схожие площади мяса 9 - позвонок 10 - первая опорная точка 11 - вторая опорная точка 12 - следующая опорная точка-5 014627 13 - дополнительная опорная точка 14 - прямая линия 15 - перпендикуляры 16 - соединительная линия 17 - перегородка 18 - верхний слой сала 19 - нижний слой сала 20 - другие перпендикуляры ФОРМУЛА ИЗОБРЕТЕНИЯ 1. Неинвазивный способ распознавания комплексно структурированных контуров со стремящейся к нулю нормой ошибочного распознавания при анализе туши убойного животного, причм упомянутый способ может быть использован для отличия друг от друга и идентификации признаков туши убойного животного, при этом упомянутый способ осуществляют на основе характерного фрагмента туши посредством обработки изображений для определения данных в форме измеряемых величин отдельных участков, частичных участков, усредненных участков и площадей при помощи очертаний контуров областей мышечной ткани, жировой ткани или костной ткани для расчета доли мускульного мяса, торгового класса и связанной с этим торговой стоимости и рыночной стоимости, а также для распределения туш убойных животных по категориям качества с помощью других характерных сведений об изображении в форме информации о яркости и/или цвете, отличающийся тем, что при ошибочном распознавании различаемых и идентифицируемых комплексно структурированных контуров туши убойного животного оператор на рабочей станции в виде персонального компьютера взаимодействует с электронно-вычислительной машиной и обеспечивает надлежащие указания на нераспознанный или неправильно распознанный искомый контур области мышечной ткани, жировой ткани или костной ткани, причм при использовании устройства воспроизведения изображения в представление изображения интересующей области туши убойного животного ставят, соответственно, по меньшей мере одну опорную точку в каждом случае в одной или в каждой из нескольких областей, являющуюся геометрической заданной точкой, обозначающей исходную точку, конечную точку или любую точку в пределах распознаваемого контура, в котором должны устанавливаться данные из измерений, и выполняют второй анализ изображения, приводящий к правильному распознаванию различаемых и идентифицируемых комплексно структурированных контуров туши убойного животного. 2. Неинвазивный способ распознавания комплексно структурированных контуров со стремящейся к нулю нормой ошибочного распознавания, при анализе туши убойного животного, причм упомянутый способ может быть использован для отличия друг от друга и идентификации признаков туши убойного животного, при этом упомянутый способ осуществляют на основе характерного фрагмента туши посредством обработки изображений для определения данных в форме измеряемых величин отдельных участков, частичных участков, усредненных участков и площадей при помощи очертаний контуров областей мышечной ткани, жировой ткани или костной ткани для расчета доли мускульного мяса, торгового класса и связанной с этим торговой стоимости и рыночной стоимости, а также для распределения туш убойных животных по категориям качества с помощью других характерных сведений об изображении в форме информации о яркости и/или цвете, отличающийся тем, что перед распознаванием различаемых и идентифицируемых комплексно структурированных контуров туши убойного животного оператор на рабочей станции в виде персонального компьютера взаимодействует с электронно-вычислительной машиной и обеспечивает надлежащие указания на искомый контур областей мышечной ткани, жировой ткани или костной ткани, причм при использовании устройства воспроизведения изображения в представление изображения интересующей области туши убойного животного перед началом анализа изображения ставят, соответственно, по меньшей мере одну опорную точку в одной или в каждой из нескольких областей, являющуюся геометрической заданной точкой, обозначающей исходную точку, конечную точку или любую точку в пределах распознаваемого контура, в котором должны устанавливаться данные из измерений, и после этого запускают анализ изображения с последующим определением известным способом измеряемых величин. 3. Способ по п.1 или 2, отличающийся тем, что первую опорную точку (10) ставят на среднюю ягодичную мышцу (MGM) (5) для поиска сведений о яркости и/или вторую опорную точку (11) - на краниальный конец средней ягодичной мышцы (MGM) (5) как информацию о расположении. 4. Способ по п.1 или 2, отличающийся тем, что для надежного нахождения позвоночного канала (6) преимущественно маркируют два смежных позвонка (9), соответственно, с помощью следующей опорной точки (12). 5. Способ по п.1 или 2, отличающийся тем, что маркируют лонную кость (7) таза с помощью дополнительной опорной точки (13). 6. Способ по п.1 или 2, отличающийся тем, что опорные точки обозначают недопустимую область для распознаваемого контура.-6 014627 7. Способ по любому из пп.1 или 2, а также 3-6, отличающийся тем, что из анализа окрестности опорной точки получают стартовые параметры для алгоритма распознавания контура. 8. Способ по п.7, отличающийся тем, что как стартовые параметры используют минимальные, максимальные или средние яркости, цветовые тона и контрастности. 9. Способ по п.7, отличающийся тем, что как стартовые параметры устанавливают комплексные признаки, такие как текстура. 10. Способ по п.1 или 2, отличающийся тем, что при задании больше чем одной опорной точки для распознаваемого контура дополнительно устанавливают тензорные параметры более высокого порядка,такие как заданные векторные величины при двух опорных точках и заданные величины кривизны при трех опорных точках. 11. Способ по п.1 или 2, отличающийся тем, что процентные доли фрагментов туши убойного животного определяют непосредственно из данных результатов измерения анализа изображения.