面向從江香豬選育的肌內脂肪活體超聲無損測定

張 雄，張 勇，尚以順，史開志，張永軍，王 婧，陳 怡

?

面向從江香豬選育的肌內脂肪活體超聲無損測定

張 雄1，張 勇2※，尚以順1，史開志1，張永軍3，王 婧1，陳 怡3

（1. 貴州省農業科學院畜牧獸醫研究所，貴陽 550005； 2. 貴州大學高原山地動物遺傳育種與繁殖省部共建教育部重點實驗室，貴州大學動物科學學院，貴陽 550025； 3. 貴州大學計算機科學與技術學院，貴陽 550025）

為探索從江香豬肌內脂肪含量的超聲活體預測方法，該文選取110頭從江香豬育肥豬開展活體測定，以超聲圖像為研究對象，利用Matlab R2015b軟件提取灰度-梯度共生矩陣（gray gradient cooccurrence matrix, GGCM）及4個角度灰度共生矩陣（gray level cooccurrence matrix, GLCM）圖像紋理特征參數。通過逐步回歸分析法構建肌內脂肪（intramuscular fat, IMF）含量預測模型，再將此模型應用于另外42頭從江香豬，驗證模型準確性。逐步回歸分析結果表明，背膘厚、灰度平均和梯度熵3個參數指標達到顯著水平（<0.05），回歸預測模型決定系數2=0.369。線性回歸及相關分析得出，估測值與實測值間RMSE為0.686，皮爾遜積矩相關系數（pearson correlation coefficients）和斯皮爾曼相關系數（spearman correlation coefficients）分別為0.592和0.640（<0.001）。該研究所構建的擬合回歸模型可應用于從江香豬肌內脂肪活體預測，為后期高肌內脂肪含量從江香豬的選育提供更為便捷有效的手段。

超聲圖像；無損檢測；模型；從江香豬；肌內脂肪；選育

0 引 言

在高度集約化飼養條件下，快速生長的瘦肉型豬肉質和營養已不能滿足大眾對高品質豬肉的需求。肌內脂肪含量作為豬肉質性狀最重要評價指標之一，影響著肉質的嫩度、風味和多汁性[1-2]。長期對瘦肉率和生長速度的過度選育，已造成豬肌內脂肪含量普遍較低，成為影響豬肉品質的重要因素[3-4]。因此，將生豬后期選育方向定位為降低皮下脂肪和腎周脂肪含量，提高肌內脂肪水平具有良好的生產實踐意義。

傳統選育方法中，生豬肌內脂肪含量測定往往通過屠宰后采樣測定，操作難，成本高，周期長。隨著計算機技術發展，超聲圖像處理已逐步應用于現代畜牧業生產中，其可顯著提高豬經濟性狀選育進展，降低測定成本，獲得良好育種效果。Hassen等[5-6]最早利用超聲波圖像檢測技術建立了牛肌內脂肪含量活體預測模型，目前該技術已廣泛應用于牛肉品質改良研究中。Newcom等[7-8]利用超聲圖像處理技術成功構建出豬活體肌內脂肪含量預測模型，其中杜洛克群體中預測肌內脂肪含量與實測肌內脂肪含量間相關系數均高于約克夏群體，杜洛克和約克夏豬間肌內脂肪回歸模型準確度存在一定差異，表明運用超聲圖像構建豬肌內脂肪回歸模型不具有普適性，不同品種豬間存在各自的最佳回歸方程。Jung等[9]運用Newcom所構建的模型預測了4個不同品種豬活體IMF含量（predict lion intramuscular fat, PIMF），同時采用化學分析法測定了豬IMF實測值（carcass lion intramuscular fat, CIMF），發現UIMF與CIMF間遺傳和表型相關系數分別為0.75和0.76，得出超聲活體預測IMF（intramuscular fat）含量可有效代替實際測定值的結論。

本文以從江香豬這一優良小型地方豬種作為研究對象，通過提取詳細的圖像紋理參數，更為全面地反映超聲圖像所包含的信息，相比前人模型驗證方法，本研究對從江香豬肌內脂肪含量的預測值與估測值進行了線性回歸分析，并結合兩者間相關系數，闡明了從江香豬回歸模型的準確性，同時，討論分析了造成現階段回歸模型準確性較低的原因，并首次提出了活體背膘厚性狀為不同品種豬肌內脂肪預測模型的關鍵自變量參數這一觀點。

從江香豬是中國稀有優良小型地方特色香豬的一個類型[10]，以體軀矮小、生長發育緩慢、肉質細嫩、性成熟早、抗病力強、遺傳多樣性低、基因純合度高而著稱[11-14]，主產于貴州從江縣宰便和東朗等鄉鎮。農業部1993年將從江香豬列為國家二級保護畜種，于2000年130號公告將其列入《國家畜禽品種資源保護名錄》[15]。本研究通過超聲圖像處理結合活體檢測技術構建從江香豬活體肌內脂肪含量預測模型，為高肌內脂肪含量從江香豬的選育提供更為便捷有效的方法和手段，從而降低選育成本，提高選育效率，縮短高肌內脂肪含量從江香豬選育進程，實現貴州從江香豬種質資源的創新與開發利用，推動香豬特色產業的發展。

1 材料與方法

1.1 試驗材料

本試驗所用從江香豬育肥豬均來自貴州省綠生源香豬生態福利養殖基地。為避免環境及飼養管理的改變給其生長、屠宰及肉質性能等帶來影響，試驗豬群均保持在同樣的飼養管理條件下進行飼喂和測定。

1.2 超聲圖像采集與性狀活體測定

選取110頭達到出欄體質量從江香豬作為肌內脂肪模型構建樣品，屠宰前1 d稱量體質量后，使試驗豬處于自然狀態下直立綁定，在豬左側用手觸摸至10～11肋間，距背中線5 cm處，前后間距10 cm范圍內用彎剪剔毛，并清除毛渣與污物。于剪毛處均勻涂抹超聲耦合劑，探頭上也涂抹少許超聲耦合劑[16]。

超聲圖像采集與胴體性狀活體測定采用徐州市凱信電子設備有限公司KX5200 B型超聲儀進行，設定總增益127，增益在超圖像采集過程中保持一致，調節亮度和對比度合適后保持不變。探測深度20 cm，3.5 MHz凸振探頭，讓探頭與超聲耦合劑部位緊密接觸，力度稍輕，保持直立姿態，當超聲圖像清晰完整、4根肋骨及肋骨結節處可見時，操作B型超聲儀保存2張眼肌縱向圖像（圖1），并于超聲圖像上進行背膘厚、眼肌深度性狀活體測定。在整個圖像采集及性能測定過程中均由同1人操作完成，最大限度降低人為誤差。

注：A、B、C和D分別代表4頭從江香豬個體超聲圖像。

1.3 肌內脂肪含量測定

在貴州省綠生源香豬生態福利養殖基地將豬屠宰后，快速采集左側胴體第10～11肋間眼肌肉樣裝入塑封帶并貼上編號及相關信息。肌肉中肌內脂肪含量測定采用乙醚索氏抽提法，參考國家標準執行[17]，具體測定方法[18]如下：將眼肌肉樣剔除外周筋膜，置于55～65℃烘箱中烘干至恒質量，稱重烘干前后肉的質量，并根據其差值計算樣品游離水分含量（%），游離水分測定后的干肉樣，經多功能粉碎機粉碎后，過40目篩，取過篩后的肉粉進行IMF測定。洗凈的盛醚瓶置于105±2 ℃烘箱烘30 min；將定量濾紙疊成脂肪包，用電子分析天平稱取肉樣1～5 g（），精確至0.001 g，將肉樣裝入脂肪包內，并做好標記，稱質量為2；用鑷子將脂肪包放入浸提管內，加入乙醚至盛醚瓶2/3處即可，60 ℃水浴鍋上持續恒溫加熱，啟動通風及冷凝水裝置，使乙醚回流，回流速度控制在1次/min，回流約9 h，其間不得停止冷凝水供應及水浴鍋供電；浸提完畢取出脂肪包，置于60 ℃烘箱中干燥10 h后對脂肪包進行稱質量（1），間斷30 min再次進行稱質量，最終至2次質量差小于0.001 g。每份試驗肉樣測定重復3次，取平均值為IMF含量，計算公式如下：

式中為肉樣質量，g；1為抽提后脂肪包質量，g；2為浸提前脂肪包質量，g。

1.4 超聲圖像紋理特征參數提取

從采集的縱向超聲圖像中，第10～11肋間接近眼肌最中央處選定一塊大小為50*50像素區域為興趣域（region of interest, ROI）（見圖2），輸入程序代碼，利用Matlab R2015b軟件分別提取選定區域灰度-梯度共生矩陣（gray gradient cooccurrence matrix, GGCM）[19-20]、4個角度灰度共生矩陣（gray level cooccurrence matrix，GLCM）圖像參數[21-23]。

注：圖中白色方框標記處為ROI區域。

1）灰度-梯度共生矩陣參數包括：大梯度優勢（H1）、小梯度優勢（H2）、灰度分布的不均勻性（H3）、梯度分布的不均勻性（H4）、能量（H5）、灰度平均（H6）、梯度平均（H7）、灰度均方差（H8）、梯度均方差（H9）、相關（H10）、灰度熵（H11）、梯度熵（H12）、混合熵（H13）、慣性（H14）、逆差矩（H15）。

2）灰度共生矩陣包括：0°、45°、90°、135°共4個方向，每個方向分別提取4個紋理特征參數：對比度、能量、熵和相關。

1.5 數據處理

設定經乙醚索氏抽提法得到的豬肌內脂肪含量實測值為因變量，宰前體質量、背膘厚、眼肌深度及相關圖像紋理特征參數等為自變量，通過SPSS18.0統計分析軟件中多元線性回歸方法建立擬合回歸模型。

1.6 預測模型驗證

另外選取42頭從江香豬作為驗證樣本集，按照上述方法步驟進行圖像采集與活體性能測定、肌內脂肪含量測定、圖像紋理特征參數提取。根據回歸模型計算得到肌內脂肪含量估測值，利用SPSS 18.0軟件對實測值和估測值進行線性回歸及相關性分析，驗證模型準確性。

2 結果與分析

2.1 從江香豬性狀活體測定結果

活體測定達到出欄體質量從江香豬152頭（建模集110頭，測試集42頭），結果均以“平均數±標準差”表示，宰前體質量：56.90±12.87 kg，背膘厚：22.7±4.9 mm，眼肌深度：33.2±6.5 mm。

2.2 肌內脂肪含量測定

測定的152頭從江香豬肉樣中，最低IMF含量為1.83%，最高IMF含量為5.70%；總體IMF含量平均數±標準差：3.09±0.98%，表明從江香豬的肌內脂肪沉積能力達到國內地方豬標準[15]，但群體內變異性較大（變異系數高達31.71%），需要進一步加強品種選育，提高群體肌內脂肪含量的整齊度。圖3為圖1中A～D號從江香豬超聲圖像ROI區域對應的肌內脂肪測定值，通過圖像的亮度分布特征及紋理溝紋深淺變化可看出超聲圖像紋理的差異反映從江香豬個體間肌內脂肪含量的不同。

注：IMF為肌內脂肪。

2.3 構建回歸預測模型

以豬肌內脂肪含量實測值為因變量，宰前體質量、背膘厚、眼肌深度及相關圖像紋理特征參數為自變量，經多元線性回歸分析結果得到，符合相關顯著（<0.05）自變量參數有3個，分別為背膘厚、灰度平均H6和梯度熵H12，對應的值分別是0.008、0.001和0.030，系數分別是0.064、0.031和–7.421。其他自變量參數相關不顯著（>0.05），因此均被舍棄。模型擬合結果、2分別是0.608、0.369。另外，值為14.826，<0.001，當顯著性水平取=0.05，校驗差異顯著，故擬合結果有效。由此，得出肌內脂肪含量預測的回歸方程式為：

肌內脂肪含量（PIMF）=6.443+0.064×背膘厚+0.031× H6–7.421×H12

2.4 回歸模型驗證

利用42頭驗證集樣本進行從江香豬活體性狀測定，將背膘厚、H6和H12代入回歸模型得出預測的肌內脂肪含量（PIMF）。為驗證PIMF的準確性，以實測IMF作為因變量，PIMF作為自變量，線性回歸分析，結果表明（見圖4），、2、RMSE分別是0.617、0.381、0.686（=24.61，<0.001），說明PIMF能較好地描述實測IMF的分布情況。相關分析發現，PIMF與實測IMF間存在極顯著正相關關系，皮爾遜積矩相關系數（Pearson）和斯皮爾曼相關系數（Spearman）分別為0.592和0.640（<0.001），故采用超聲圖像無損檢測從江香豬活體IMF含量具有可行性。

圖4 從江香豬肌內脂肪含量實測值與估測值的比較

3 討 論

馬小軍等[24-25]利用超聲活體檢測技術構建的北京黑豬肌內脂肪活體預測回歸模型的決定系數2為0.305 8，預測IMF與實測IMF含量的皮爾遜積矩相關系數和斯皮爾曼相關系數分別為0.5534和0.627 2（<0.000 1）。張金霜等[26]以Duroc豬屠宰后實測IMF含量反推圖像分割閾值，以該閾值為因變量，采用逐步線性回歸法構建圖像分割閾值的回歸模型，最后根據預測出的分割閾值計算出超聲圖像IMF含量，結果發現圖像分割得出的IMF值與實測IMF值間皮爾遜積矩相關系數為0.669（<0.001）。袁才珺等[27]運用一種基于反饋學習參數優化系統的超聲活體檢測手段構建的生豬活體肌內脂肪回歸預測模型決定系數2為0.418，預測IMF與實測IMF含量的皮爾遜積矩相關系數和斯皮爾曼相關系數分別為0.65和0.63（<0.001）。結合前人研究報道，本試驗所構建從江香豬肌內脂肪含量預測回歸模型中預測IMF與實測IMF含量的皮爾遜積矩相關系數和斯皮爾曼相關系數分別為0.592和0.640（<0.001），與上述報道的試驗結果類似，且回歸模型決定系數（2=0.369）同樣具有一致性，均處于0.30～0.42之間，表明后期利用超聲圖像處理技術構建豬IMF預測回歸模型擬合程度具有較大上調空間。分析現階段造成豬IMF預測模型準確度不高的主要影響因素包含2個方面：一方面，B超探頭探測靈敏度低，地方豬皮膚粗糙、毛鬃堅硬，技術人員耦合劑涂抹或探頭放置不正確等內外因素均會導致B超圖像模糊不清，成像不均勻，信息含量少，進而降低超聲圖像質量；另一方面，豬肌內脂肪含量實測值需屠宰采樣，操作繁瑣，耗時長。針對這一特殊性，增大了大批量基礎數據測定的困難度，影響回歸模型的構建及驗證工作[28]。

本研究構建的從江香豬IMF含量預測回歸模型，背膘厚、灰度平均和梯度熵3個參數指標達到顯著水平（<0.05），其中以背膘厚和灰度平均值最低，梯度熵值最高。馬小軍等[24]與Ragland等[29]研究報道分別指出，北京黑豬與外三元豬IMF預測回歸模型中背膘厚這一參數指標均為最佳自變量數據集，而在從江香豬IMF含量回歸模型中背膘厚參數指標也表現為最佳自變量（=0.008），推測豬IMF預測回歸模型中活體背膘厚性狀可能為極其重要的一個參數自變量，需在后期對不同地區、不同品種豬肌內脂肪預測回歸模型構建試驗中進一步印證。

4 結 論

1）本文采用超聲紋理圖像結合活體測定方法構建了從江香豬IMF含量預測模型，背膘厚、灰度平均和梯度熵參數指標均達到顯著水平（<0.05），回歸預測模型決定系數2為0.369。

2）從江香豬肌內脂肪含量預測值與實測值間決定系數2為0.381，RMSE為0.686，皮爾遜積矩相關系數和斯皮爾曼相關系數分別為0.592和0.640。

運用超聲活體檢測手段，配合分子遺傳標記技術對從江香豬群體肉質性狀進行遺傳改良，其肌內脂肪含量定會呈現出上升趨勢。雖然本文所構建模型的精確度不是很高，但作為一種實用性無損檢測手段，模型仍可為后期從江香豬肌內脂肪選育提供有效地技術支持，本課題組仍將進行不斷研究，以提高超聲圖像質量，完善圖像處理算法，增加試驗樣本數量，優化回歸預測模型，提高預測模型的準確率及魯棒性。

[1] 祁云霞，吳江鴻，何小龍，等. 肌內脂肪含量測定技術綜述[J]. 食品科技，2012，37(12)：115－120. Qi Yunxia, Wu Jianghong, He Xiaolong, et al. Detection of intramuscular fat content[J]. Food Science and Technology, 2012, 37(12): 115－120. (in Chinese with English abstract)

[2] 黃練，駱璐，董春霞. 豬肌內脂肪調控研究進展[J]. 中國豬業，2014，11：36－39.

[3] 付敏. 豬肌內脂肪沉積的營養調控[J]. 豬業科學，2014，28(3)：407－412. Fu Min. Nutritional regulation of intramuscular fat content in pigs[J]. Swine Industry Science, 2014, 28(3): 407－412. (in Chinese with English abstract)

[4] 劉建華，賈光強，馮定遠，等. 豬肌內脂肪代謝與調控研究[J]. 飼料研究，2011，2：13－18.

[5] Hassen A, Wilson D.E, Amin V.Z, et al. Repeatability of ultrasound-predicted percentage of intramuscular fat in feedlot cattle[J]. Journal of Animal Science, 1999, 77(6): 1335－1340.

[6] Hassen A, Wilson D.E, Amin V.Z, et al. Predicting percentage of intramuscular fat using two types of real-time ultrasound equipment [J]. Journal of Animal Science, 2001, 79(1): 11－18.

[7] Newcom D.W, Baas T.J, and Lampe J.F. Prediction of intramuscular fat percentage in live swine using real-time ultrasound[J]. Journal of Animal Science, 2002, 80(12): 3046－3052.

[8] Newcom D.W, Baas T.J, Stalder K.J, et al. Comparison of three models to estimate breeding values for percentage of loin intramuscular fat in Duroc swine[J]. Journal of Animal Science, 2005, 83(4): 750－756.

[9] Jung J.H, Shim K.S, Choe H.S, et al. Study on intramuscular fat percentage in live swine using real-time ultrasound to determine pork quality[J]. Asian Australas. J. Anim.Sci, 2015, 28(3): 318－322.

[10] 申學林，楊秀江，韋勝權. 從江香豬生長發育繁殖性能測定[J]. 中國畜禽種業，2007，11：39－41.She Xuelin, Yang Xiujiang, Wei Shengquan. Characterization of growth and reproductive performance in congjiang pigs[J]. The Chinese Livestock and Poultry Breeding, 2007, 11: 39－41. (in Chinese with English abstract)

[11] 姚紹寬，張勤，劉培瓊，等. 利用微衛星標記分析7品種(類群)小型豬的遺傳多樣性[J]. 遺傳，2006，28(4)：407－412. Yao Shaokuan, Zhang Qin, Liu Peiqiong, et al. Genetic diversity of seven miniature pig breeds (strains) analyzed by using microsatellite markers[J]. Hereditas(Beijing), 2006, 28(4): 407-412. (in Chinese with English abstract)

[12] 劉榮輝. 中國小型豬SLA微衛星的遺傳多樣性研究[D]. 雅安：四川農業大學，2010. Liu Ronghui. The Study of Microsatellites Diversities of SLA in Chinese Miniature Pigs[D]. Yaan: Sichuan Agricultural University, 2010. (in Chinese with English abstract)

[13] 陳祥，丁玫，許厚強，等. 貴州5個地方豬品種微衛星標記的遺傳多樣性[J]. 中國畜牧雜志，2015，51(7)：1－5. Chen Xiang, Ding Mei, Xu Houqiang, et al. Genetic diversity of microsatellite markers in five domestic pig breeds in guizhou province[J]. Chinese Journal of Animal Science, 2015, 51(7): 1－5. (in Chinese with English abstract)

[14] Ran M L, Wang M F, Yang A Q, et al. The complete mitochondrial genome of Congjiang miniature pig (Susscrofa) [J]. Mitochondrial DNA, 2016, 27(3): 1787－1788.

[15] 劉培瓊，劉若余，張依裕，等. 中國香豬[M]. 北京：中國農業出版社，2010.

[16] 何道領, 王金勇. 超聲波在豬育種中應用的研究進展[J].中國畜牧雜志, 2008, 44(9)：57－60. He Daoling, Wang Jinyong. Reserach advances in the application of ultrasonic in swine genetic improvement [J]. Chinese Journal of Animal Science, 2008, 44(9): 57－60. (in Chinese with English abstract)

[17] GB9695.1-1988，中華人民共和國國家標準《肉與肉制品-游離脂肪含量的測定》[S].

[18] 陳亞靜，雷明剛，劉望宏，等. 豬肌肉肌內脂肪測定方法的比較[J]. 華中農業大學學報，2015，34(4)：84－88.Chen Yajing, Lei Minggang, Liu Wanghong, et al. Comparison of test method of intramuscular fat in porcine muscle[J]. Journal of Huazhong Agricultural University, 2015, 34(4): 84－88. (in Chinese with English abstract)

[19] 洪繼光. 灰度梯度共生矩陣紋理分析方法[J]. 自動化學報，1984，10(1)：22－25. Hong Jiguang. Gray level-gradient cooccurrence matrix texture analysis method[J]. Acta Automatica Sinica, 1984, 10(1): 22－25. (in Chinese with English abstract)

[20] 叢蕊，高光甫，喬磊，等. 基于灰度-梯度共生矩陣和模糊核聚類的振動圖形識別方法[J]. 振動與沖擊，2012，31(21)：73－76. Cong Rui, Gao Guangfu, Qiao Lei, et al. Vibration image recognition method based on gray-gradient cooccurrence matrixand kernel-based fuzzy clustering[J]. Journal of Vibration and Shock, 2012, 31(21): 73－76. (in Chinese with English abstract)

[21] 焦蓬蓬，郭依正，劉麗娟，等. 灰度共生矩陣紋理特征提取的Matlab實現[J]. 計算機技術與發展，2012，22(11)：169－171.Jiao Pengpeng, Guo Yizheng, Liu Lijuan, et al. Implementation of gray level co-occurrence matrix texture feature extraction using Matlab[J]. Computer Technology and Development, 2012, 22(11): 169－171. (in Chinese with English abstract)

[22] 張建勛，李濤，孫權，等. 豬眼肌B超圖像紋理特征提取與分類[J]. 重慶理工大學學報(自然科學)，2013，27(2)：74－78. Zhang Jianxun, Li Tao, Sun Quan, et al. Texture feature extraction and classification of pork loin ultrasonography images[J]. Journal of Chongqing University of Technology (Natural Science), 2013, 27(2): 74－78. (in Chinese with English abstract)

[23] 譚春超，楊潔明. 煤與矸石圖像灰度信息和紋理特征的提取研究[J]. 工礦自動化，2017，43(4)：27－31. Tan Chunchao, Yang Jieming. Research on extraction of image gray information and texture feature of Coal and gangue image[J]. Industry and Mine Automation, 2017, 43(4): 27－31. (in Chinese with English abstract)

[24] 馬小軍，程篤學，王立剛，等. 利用超聲波圖像活體預測北京黑豬肌內脂肪含量[J]. 畜牧獸醫學報，2012，43(10)：1511－1518. Ma Xiaojun, Cheng Duxue, Wang Ligang, et al. Prediction of intramuscular fat percentage in live beijing black pig using real-time ultrasound image[J]. Acta Veterinaria et Zootechnica Sinica, 2012, 43(10): 1511－1518. (in Chinese with English abstract)

[25] 馬小軍. 豬肌內脂肪含量候選基因研究及預測模型構建[D]. 北京：北京畜牧獸醫研究所研究生院，2012. Ma Xiaojun. Candidate GeneStudy and Predicting Model Constrution for Porcine Intramuscular Fat Percentage[D]. Beijing: Institution of Animal Science of CAAS, 2012. (in Chinese with English abstract)

[26] 張金霜，張明武，曾慶怡，等. 生豬肌內脂肪含量超聲預測方案[J]. 廣東農業科學，2012，(21)：128－131. Zhang Jinshuang, Zhang Mingwu, Zeng Qingyi, et al. Prediction of intramuscular fat in live swine using real-time ultrasound[J]. Guangdong Agricultural Sciences, 2012, (21): 128－131. (in Chinese with English abstract)

[27] 袁才珺，石丹，劉東權，等. 一種豬肌內脂肪含量測定的方法及其改進[J]. 現代計算機，2013，(27)：31－36. Yuan Caijun, Shi Dan, Liu Dongquan, et al. An improved algorithm of pig's intramuscular fat detection[J]. Modern Computer, 2013, (27): 31－36. (in Chinese with English abstract)

[28] 錢榮，李慶崗，王重龍. B超活體預測豬肉肌內脂肪含量研究進展[J]. 畜牧與獸醫，2015，47(12)：147－149. Qian Rong, Li Qinggang, Wang Chonglong. Reserach advances in prediction of intramuscular fat in live swine using B-mode ultrasound[J]. Animal Husbandry and Veterinary Medicine, 2015, 47(12): 147－149. (in Chinese with English abstract)

[29] Ragland K D, Christian L L, Baas T J, et al. Efficacy of using Realtime ultrasound to predict intramuscular fat in the longissimus muscle of live swine[J]. Swine Research Report, 1997: 50.

Ultrasonic nondestructive examination of intramuscular fat using ultrasonic for live Congjiang pig

Zhang Xiong1, Zhang Yong2※, Shang Yishun1, Shi Kaizhi1, Zhang Yongjun3, Wang Jing1, Chen Yi3

(1.550005; 2.550025; 3.550025)

As one of the most important evaluating indicators of pork quality traits, the intramuscular fat (IMF) content has an influence on tenderness, flavor and succulence of the meat. Excessive and long-term selective breeding of high lean percentage and fast growth rate has resulted in generally lower IMF content in pigs. For traditional detection method, samples used for determination of IMF content usually come from slaughtering, which is difficult to operate and costs high. Congjiang pigs belongs to the characteristic local small breeds in China, and is well known for its small-sized body, slow growth, early sexual maturity, and low genetic diversity. The IMF percentage of Congjiang pigs reaches the domestic breeds standard level, but the population variation of IMF content is rather larger, with variation coefficient of 31.71%, suggesting efforts should be made to strengthen the breeding and improve group uniformity. The aim of the study was to predict the IMF percentage in longissimus muscle of live Congjiang pig using real-time ultrasound image. In this research, the body weight (BW), backfat thickness (BFT), loin muscle deepness (LMD) and two longitudinal real-time ultrasound images were collected across the 10th to 11th rib and 5 cm off-midline on live pigs from 110 Congjiang pigs. 31 candidate image parameters of gray gradient and 4 direction (0, 45, 90, 135 angle) graylevel cooccurrence matrix within a defined region (50*50 pixel region) located at the center of longissimus muscleacross the 10th to 11th rib for each ultrasound image were obtained using image analysis software (Matlab R2015b). After slaughter, a slice of longissimus muscle from left carcass across the 10th to 11th rib was cut off immediately for determining the IMF percentage by the petroleum ether extraction method. Each test was repeated three times, the mean value as the final IMF content. The model to predict longissimus muscle IMF percentage was developed using multivariatelinear regression analysis with carcass longissimus muscle IMF percentage as dependent variables and BW, BFT, LMD and image parameters as independent variables. 42 Congjiang pigs were anew chosen for model validation by linear regression and correlation analysis of measured IMF and predicting IMF percentage. The result of regression analysis indicated that three independent variables which contained BFT and two image parameters of average gray (H6) and gradient entropy (H12) were significant in last model (<0.05). The predictive equation is PIMF=6.443+0.064BFT+0.031H6–7.421H12, with determinate coefficient2of 0.369. The determinate coefficient2between the predictive value obtained by model and measured valueof the validation set was 0.381. The root mean square error between predictive value and measured value of the validationset was0.686. Correlation analysis showed that the pearson correlation coefficients and spearman correlation coefficients were 0.592 and 0.640 (<0.001), respectively. Therefore,the regression model constructed in this study could be used to predict the living body of Congjiang pigs. Meanwhile, the experimental model provides a more convenient and effective nondestructive detection method for breeding with high IMF percentage of Congjiang pigs, which can reduce the breeding cost and shorten the breeding process, and promote the development of miniature pig’s characteristic industry.

ultrasonic imaging; nondestructive examination; models; congjiang pigs; intramuscular fat; breeding

張 雄，張 勇，尚以順，史開志，張永軍，王 婧，陳 怡. 面向從江香豬選育的肌內脂肪活體超聲無損測定[J]. 農業工程學報，2018，34(7)：187－191. doi：10.11975/j.issn.1002-6819.2018.07.024 http://www.tcsae.org

Zhang Xiong, Zhang Yong, Shang Yishun, Shi Kaizhi, Zhang Yongjun, Wang Jing, Chen Yi. Ultrasonic nondestructive examination of intramuscular fat using ultrasonic for live Congjiang pig[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(7): 187－191. (in Chinese with English abstract)

doi：10.11975/j.issn.1002-6819.2018.07.024 http://www.tcsae.org

2017-09-07

2018-01-31

貴州省生豬現代農業產業技術體系（GZCYTX2016-0902）；貴州省科技支撐計劃項目（黔科合支撐［2016］2510號）；貴州省科技廳農科院聯合基金（黔科合LH字［2015］7063號）

張 雄，男（漢族），研究實習員，碩士，主要從事地方豬遺傳改良與種質資源創新研究。Email：1318704989@qq.com

張 勇，男（漢族），副教授，博士，主要從事動物遺傳育種教學與科研工作。Email：13618506188@139.com

10.11975/j.issn.1002-6819.2018.07.024

S828; S813.3

A

1002-6819(2018)-07-0187-05