猪用B超机可无损伤预测猪肌内脂肪含量降低选育成本

摘要［目的］研究在无损情况下猪肌内脂肪含量的估测方法，以提高预测模型的准确性。［方法］以229份硒都黑猪性能测定数据及超声波图像数据为研究对象，利用BioSoftToolboxForSwine软件中感兴趣区域（regionofinterest，ROI）模块分割超声波图像，确定最佳感兴趣区域像素框大小（ROISize）和个数，并通过逐步回归分析，以猪肌内脂肪含量为因变量，图像读取参数、体尺指标为自变量构建猪活体肌内脂肪含量估测模型。［结果］肌内脂肪含量与图像读取参数、宰前活重、胸围、腹围具有显著相关性，运用逐步回归分析得到脂肪含量估测模型，IMF＝0.2495＋0.1752×P＋0.0070×W－0.0055×B＋0.0159×A，模型拟合度R2为0.7252。［结论］运用超声波技术可以较准确地测定猪活体肌内脂肪含量，为实现种猪性能改良提供了技术支撑。背景随着人们生活质量的提升，快长瘦肉型猪肉产品已经无法满足人们对优质猪肉的需求。然而，肌内脂肪的含量极大程度上影响了肉质嫩度、多汁性和风味。随着现代科学技术的快速发展，部分学者利用超声波技术识别动物活体的背膘厚、眼肌面积以及眼肌深度等指标图像，进一步采用相关软件分析后，能够对肌内脂肪含量、大理石花纹等级等指标作出相应评估。为了更准确地实现对地方优质培育猪种肌内脂肪含量性状的选育，本研究通过超声波图像结合体尺指标数据进行线性拟合，构建硒都黑猪肌内脂肪含量超声波估测模型，提升选择效率，降低选育成本，实现优质地方猪种高效开发利用。结果与分析1、不同耦合剂的影响本研究选择了普通色拉油和菜籽油作为耦合剂，用于采集猪眼肌超声图像，由表1可知，菜籽油作为耦合剂所采集的图像较清晰，且所得IMF估测值与实测值之间的相关性较高，故选其作为活体超声耦合剂。表1不同耦合剂所得图像及IMF估测值与实测值的相关性2、ROISize及ROI个数的影响如图1B所示的方框即为ROI，可选取1~3个像素框进行肌内脂肪含量的估测，ROISize即方框大小（66，80，100），每个ROISize选取1~3个ROI。方差分析（表2）结果表明，ROISize对活体测量肌内脂肪的估测效应极显著，ROI个数及二者之间的交互作用效应不显著。图1肋间横断面图像（A）和纵断面图像（B）表2活体测量肌内脂肪含量双因素方差分析相关性分析（表3）表明，3种ROISize所得肌内脂肪含量之前具有较强的相关性（相关系数R（66/80）、R（66/100）和R（80/100）分别为0.69、0.65和0.69）。当ROISize为80时，BioSoftToolboxForSwine软件读取的肌内脂肪含量与肌内脂肪含量实际测量值的相关性最高，但仅为0.49。因此，在利用软件读取IMF数值时应增加一些性能指标数据以提高肌内脂肪含量预测准确度。表33种ROISize估测与实测肌内脂肪含量间的相关分析3、肌内脂肪含量估测回归模型影响因子的确定以肌内脂肪含量实测值为因变量，由BioSoftToolboxForSwine软件读取图像ROI参数、宰前活重、体长、胸围、腹围、半臀围、背膘厚及眼肌深度等。4、肌内脂肪含量估测回归模型以肌内脂肪含量实测值为因变量，图像ROI参为自变量进行逐步回归分析。表4、表5结果表明，肌内脂肪含量实测值与图像ROI参数、胸围、腹围和体重具有显著的相关性，可用于构建肌内脂肪含量估测模型的因子包括图像ROI参数、胸围、腹围和体重。2.4肌内脂肪含量估测回归模型以肌内脂肪含量实测值为因变量，图像ROI参数、宰前活重、胸围、腹围为自变量构建肌内脂肪含量估测模型，公式为：IMF＝0.2495＋0.1752×P＋0.0070×W－0.0055×B＋0.0159×A（其中，P为图像ROI参数，W为宰前活重，B为胸围，A为腹围），模型拟合度R2为0.7252。表4肌内脂肪含量实测值与各参数之间的相关系数表5逐步回归分析结果讨

论近些年，国内外学者针对IMF活体无损评定技术研发开展了系列探索性工作，开发了利用高光谱成像技术、计算机视觉系统预测等新技术对肌内脂肪含量进行无损评定或预测。然而，超声预测肌内脂肪含量一直被认为是一种有效的方法。本试验是以IMF含量较高的地方猪数据为基础建立的预测模型，因此具有较广泛的适用范围。利用超声波技术来预测肌内脂肪含量具有一定可行性。相比较其他学者的研究结果，本研究构建的IMF预测模型的决定系数（R2=0.7252）相对较高，预测准确性有所提升，并且过程较为简单，易于操作与推广应用。同时，考虑到地方猪皮肤粗糙以及背膘较厚等因素，本研究首先对所使用的耦合剂进行筛选，确定了利用菜籽油作为耦合剂所提取的图像较为清晰，能够较准确地估计图像ROI参数，从而提升模型的拟合度。其次，本研究考虑到ROISize及ROI个数可能会影响图像参数估计，同时引入宰前活重、胸围、腹围等体尺信息，进一步提升IMF预测模型准确性，可以用于硒都黑猪IMF性状的遗传选育。本研究以猪肌内脂肪含量为因变量，以图像读取参数、宰前活重、胸围、腹围为自变量进行线性拟合，构建了猪活体肌内脂肪含量估测模型，公式为：IMF＝0.2495＋0.1752×P＋0.0070×W－0.0055×B＋0.0159×A（其中，P为图像ROI参数，W为宰前活