I arbetet att ta fram denna sammanställning av olika mättekniker och metoder för att bedöma kvalitet på lamm- och nötkött efter slakt, har vi främst baserat oss på sökningar i databaser över vetenskaplig litteratur. Utöver detta är den ett resultat av diskussioner med branschfolk och kollegor.
Begreppet köttkvalitet är mångfasetterat och inte så lätt att definiera. Samtidigt känner de flesta som uppskattar en god köttbit till att man gärna vill undvika ett segt kött, så en egenskap som ofta har fokuserats på i litteraturen är mörhet. En annan egenskap som brukar framhävas som positiv är marmorering, bland annat eftersom det finns studier som visar att köttets marmorering har ett samband med både smak, saftighet och mörhet, vilka är viktiga egenskaper för en positiv ätupplevelse. Fler egenskaper som rönt uppmärksamhet är bland annat fettsyresammansättning, vattenhållande förmåga, pH, och färg.
De första försöken att finna en objektiv metod för att mäta mörhet byggde på mekaniska mätmetoder, i stort sett ett spjutliknande föremål som sköts in i köttet, samtidigt som en kraft uppmättes. Mätning av andra parametrar, så som pH, byggde på liknande sätt på mer eller mindre traditionell analog teknik. De senaste decennierna har det dock tagit fart med studier på mätmetoder som gynnats av den exponentiella utvecklingen av digitala tekniker och halvledarteknik. Den utvecklingen har bland annat lett till enklare sätt att generera, mäta och analysera elektromagnetiska, optiska och akustiska signaler.
Vanligt angreppssätt i enklare mätmetoder är att försöka finna en algoritm som bygger på analys av frekvensresponsen vid mätningar av impedans, ultraljud eller ljus. Särskilt lovande bland den typen av mätmetodik har NIR varit. Exempel på NIR-utrustning är NitFomTM som används för kvalitetsbedömning av fett hos gris efter slakt. Även metoder baserade på mätning av elektrisk impedans har åtminstone periodvis funnit etablering på marknaden.
I andra änden finns mer avancerade angreppssätt, med försök att erhålla rumslig upplösning av mätobjektet. Vid mätning i 3D är det främst datortomografi och MRI (Magnetic Resonance Imaging – magnetisk resonansavbildning) som är aktuella, men även ultraljud. Som exempel på tillverkare av ultraljudsutrustning kan nämnas Hitachi-Aloka, som bland annat säljer utrustning för skanning av levande djur. Ett annat utrustningsexempel är ECM EXAGO. MRI och datortomografi framstår dock ännu som för dyra, avancerade och långsamma för att i närtid vara realistiska alternativ för online-mätning inom industrin.
MRI och datortomografi är egentligen utvecklingar av NMR (Nuclear Magnetic Resonance – kärnmagnetisk resonans) och röntgen. Medan även NMR fortfarande verkar vara lite för kostsam för industriella tillämpningar, och främst ett labb-verktyg, så har röntgen däremot ända sedan 70-talet använts inom slaktindustrin, bland annat för att mäta fettinnehåll – exempel på kommersiell produkt är Anyl-Ray Oystar.
Utvecklingen av digitalkameran öppnade för avancerad bildbehandling. Det finns flera studier baserade på den typ av information som finns i vanliga RGB-bilder, s.k. vision-teknik, men även på information i form av avbildningar med mycket mer detaljerat spektralt innehåll, s.k. multi- eller hyperspektral bildanalys. Att analysera all information som samlas in med den senare typen av teknik kräver dock stora beräknings- och datahanteringsresurser, så där är utvecklingen mot alltmer lättillgänglig dator- och beräkningskraft välkommen.
Medan bildbehandling baserad på RGB-information har haft framgång att mäta sådant som uppfattas av mänskliga ögat, så som marmorering och färg, så har hyperspektral bildanalys visat på potential att nå ett steg längre. Utöver visuella egenskaper har tekniken givit lovande resultat att mäta sådant som kemisk sammansättning (andel fett, protein, vatten etc.), pH och mörhet. Mycket resurser har satsats på att ta fram fungerande system för klassificering av kött inom industrin, resultat har varit lovande, och företag startats för ändamålet, men ännu har inte det definitiva genombrottet skett.
Som framgår ovan så har det gjorts åtskilliga försök att finna objektiva mätmetoder för att bedöma, och potentiellt klassificera, köttkvalitet. Många lovande resultat har rapporterats i litteraturen, ändå är det svårt att enbart utgående från den landa i klara rekommendationer om en enda saliggörande teknik. Kanske är den teknik som just nu tilldrar sig mest uppmärksamhet och förhoppningar hyperspektral bildanalys, och särskilt om man tänker sig att tekniken ska utgöra grund för ett klassificeringssystem. Det är en teknik som uppfyller många positiva kriterier: den är beröringsfri, den har rumslig upplösning, den kombinerar fördelar hos både vision och NIR, det finns flera studier som visar på lovande resultat, och det finns fortfarande gott hopp om att tekniken kommer utvecklas i närtid både pris- och prestandamässigt hand i hand med digitaliseringstrenden (d.v.s. utvecklingen av artificiell intelligens, bättre och billigare sensorer, ökad tillgång till datorkraft etc.) i samhället.