《Meat Science》：A large-scale visual survey of beef carcass lean and fat colors for digital beef quality management
编辑推荐：
基于sRGB标准的牛肉 carcass 颜色数字化评估研究显示，传统B.C.S.与B.F.S.分级标准经40年仍有效，感知色值 lean为8.1R3.1/8.5，fat为7.5YR7.9/1.9，数据可用于优化标准或建立新数字管理体系。
本山道代|赤田加琳|小林淳二|田中康希|木村惠|市川正典|飯塚信也|石田翔太|小林信二|佐佐木圭介
日本农业食品研究机构（NARO）畜牧草地科学研究所，茨城县筑波市池之台2，305-0901
摘要
为了应对数字化转型，本研究使用专为sRGB色彩空间设计的标准方法评估了牛肉胴体中瘦肉和脂肪的感知颜色。专业牛肉分级员和一位色彩管理师在七个批发市场进行了视觉色彩评估，使用了参考色彩标准和便携式D65光源。同时，也按照《牛肉颜色标准》（B.C.S.）和《牛肉脂肪颜色标准》（B.F.S.）进行了传统的颜色分级。由此获得了适合数字化处理的大规模数据。以孟塞尔色度表示的平均色彩感知属性为：瘦肉为8.1R 3.1/8.5（样本量n=3279），脂肪为7.5YR 7.9/1.9（样本量n=3254）。对数字化再现颜色的分析表明，尽管肌肉中脂肪（大理石纹）含量丰富，但其对瘦肉感知颜色的影响微乎其微。因此，确定当前现场评估方法适用于牛肉胴体的评估。通过对色彩分布的分析以及与传统颜色分级方法的对比发现，尽管由于品种改良和饲养技术的发展可能导致牛肉颜色发生变化，《牛肉颜色标准》（B.C.S.）和《牛肉脂肪颜色标准》（B.F.S.）在问世40年后仍然有效。本研究获得的基础数据可以为改进这些标准或开发新的数字肉质评估色彩管理框架提供支持。
引言
在日本，食用肉的文化根深蒂固，人们喜欢将切片的生肉直接摆上餐桌，既用于烹饪也用于欣赏，例如在“寿司烧”和“涮涮锅”等菜肴中（图1）。消费者非常重视生肉的颜色变化，尤其是和牛肉特有的红色和白色大理石纹（Motoyama等人，2016年）。因此，视觉色彩是牛肉胴体分级的重要因素。
由于分级过程需要快速完成，目前采用简单的视觉评估方法而非基于分光光度法的仪器方法。具体来说，使用七级分的《牛肉颜色标准》（B.C.S.）和《牛肉脂肪颜色标准》（B.F.S.）来客观评估瘦肉和脂肪的颜色（图2）（日本肉类分级协会，2014年）。这些颜色标准由日本农业食品研究机构与日本肉类分级协会合作在20世纪80年代共同制定（Nakai等人，1986年），由于肉类贸易的全球化，这些标准至今仍在广泛使用。
自这些标准制定以来已经过去了大约40年，但由于以下因素，日本牛肉的颜色可能已经发生变化：（1）基因改良和饲料成分的变化；（2）为了经济利益，将乳用牛（主要是荷斯坦弗里斯兰牛）与和牛进行杂交；（3）缩短育肥周期以减少环境影响；（4）肉类生产技术的进步。研究表明，饲料成分和生产技术会影响牛肉的颜色变化（Gómez等人，2022年；Lima等人，2023年）。鉴于这些变化，重新评估这些标准对于保持分级准确性至关重要，而分级准确性是日本牛肉价值的关键因素（Motoyama等人，2016年）。
近年来，使用数字图像的电子商务交易越来越普遍，肉类行业也不例外——甚至牛肉胴体也在网上拍卖。计算机视觉技术在肉类加工中的应用也在不断进步（Leighton等人，2022年；Modzelewska-Kapitula & Jun，2022年；Stewart等人，2024年）。随着数字化的推进，RGB系统（特别是IEC定义的sRGB系统，国际电工委员会，1999年，国际电工委员会，2003年）中的色彩管理变得越来越重要。sRGB系统是标准的色彩空间，与用于显示数字图像的互联网连接设备（如计算机和显示器）兼容。换句话说，在sRGB系统中准确再现牛肉颜色变得至关重要。然而，传统评估方法与数字化之间存在显著差距，因为现有方法并未设计用于以sRGB格式呈现评估结果。
在sRGB系统中，颜色通过红色（R）、绿色（G）和蓝色（B）值来定义。传统上，使用分光光度仪对牛肉颜色进行仪器评估，并通常用CIE LAB色彩系统（L*a*b*）表示，也可以将其转换为sRGB系统。然而，基于仪器的牛肉颜色评估存在局限性，例如当肌肉中脂肪含量丰富时，难以单独评估瘦肉的颜色。相比之下，视觉评估依赖于人类的色彩感知属性：色调（H）、明度（V）和色度（C）。根据ASTM D1535–14（2023年），色调（H）是指颜色被感知为红色、橙色、黄色、蓝色、紫色或这些颜色相邻对之间的颜色的属性；明度（V）是指非自发光物体反射光量的多少；色度（C）是指颜色偏离相同明度下的中性颜色的程度。孟塞尔色度系统使用标准色卡为这些色彩感知属性分配值（ASTM International，2023年），广泛应用于农业和食品相关领域，如土壤分析、植物研究和饮料评估（Berndt & Gaussoin，2023年；Fairchild，2023年；Nodi等人，2023年）。此外，孟塞尔色度系统支持颜色的文字描述（日本标准协会，2020年；Kelly & Judd，1976年），这对于有效的数字交流至关重要。
孟塞尔色度系统最初是根据C光源下的色彩感知设计的（国际照明委员会，2018年）。然而，将其转换为使用D65光源的sRGB系统需要额外的转换步骤（ASTM International，2023年）。同样，对于色度观察者（国际标准化组织/国际照明委员会，2019a）也是如此。由于不同的光源和观察者大小会影响色彩感知，因此在转换过程中考虑这些因素至关重要。为了解决色彩数字化中的这些问题，已经开发了新的标准和软件来促进将感知颜色转换为sRGB系统。
本研究旨在使用与数字化兼容的标准化视觉评估方法评估牛肉胴体颜色，收集大规模数据以用于数字色彩管理，并确定《牛肉颜色标准》（B.C.S.）和《牛肉脂肪颜色标准》（B.F.S.）是否仍适用于当代牛肉胴体的分级。
研究地点
这项描述性横断面调查在东京及其周边的七个批发肉市场进行，其中包括接收来自日本各地牛肉的中央市场。视觉色彩评估在通常进行胴体分级的冷藏区域进行。尽管环境光对狭窄的肋间切口间隙处的视觉评估影响很小（图1a），但仍记录了照明条件以供参考（表1）。
结果与讨论
共评估了3283个牛肉胴体。虽然由于皮下脂肪过薄或数据记录错误，有几十个胴体的瘦肉或脂肪颜色数据缺失，但每种颜色的数据点超过3250个（表2）。该样本约占日本年牛肉产量的0.3%，品种构成与全国平均水平相当：和牛（46.8%）、乳用品种（28.5%）和杂交品种（23.8%）（农业与畜牧业产业协会）
结论
尽管计算机视觉在色彩评估方面的技术正在进步，但由于物理限制，人类的传统视觉评估方法可能仍然必不可少。尽管过去40年牛肉胴体质量发生了变化，但本研究表明，使用《牛肉颜色标准》（B.C.S.）和《牛肉脂肪颜色标准》（B.F.S.）仍可以对调查中的牛肉胴体进行准确的分级。本研究获得的高精度、大规模数据可以通过改进这些标准来支持视觉评估。
CRediT作者贡献声明
本山道代：撰写 – 审稿与编辑、初稿撰写、方法论、调查、数据管理、概念化、项目管理。赤田加琳：撰写 – 审稿与编辑、初稿撰写、方法论、调查、概念化。小林淳二：撰写 – 审稿与编辑、方法论、调查、项目管理。田中康希：撰写 – 审稿与编辑、方法论、调查。木村惠：撰写 – 审稿与编辑、方法论
伦理批准
本研究使用的数据来自采用国际公认的人道方法处理的商业胴体；未进行任何活体动物实验。
资助
本研究得到了日本赛马协会[“提升国内牛肉竞争力研究项目”，2020–2023年]的支持。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
