面向从江香猪选育的肌内脂肪活体超声无损测定

张 雄，张 勇，尚以顺，史开志，张永军，王 婧，陈 怡



面向从江香猪选育的肌内脂肪活体超声无损测定

张 雄1，张 勇2※，尚以顺1，史开志1，张永军3，王 婧1，陈 怡3

（1. 贵州省农业科学院畜牧兽医研究所，贵阳 550005； 2. 贵州大学高原山地动物遗传育种与繁殖省部共建教育部重点实验室，贵州大学动物科学学院，贵阳 550025； 3. 贵州大学计算机科学与技术学院，贵阳 550025）

为探索从江香猪肌内脂肪含量的超声活体预测方法，该文选取110头从江香猪育肥猪开展活体测定，以超声图像为研究对象，利用Matlab R2015b软件提取灰度-梯度共生矩阵（gray gradient cooccurrence matrix, GGCM）及4个角度灰度共生矩阵（gray level cooccurrence matrix, GLCM）图像纹理特征参数。通过逐步回归分析法构建肌内脂肪（intramuscular fat, IMF）含量预测模型，再将此模型应用于另外42头从江香猪，验证模型准确性。逐步回归分析结果表明，背膘厚、灰度平均和梯度熵3个参数指标达到显著水平（<0.05），回归预测模型决定系数2=0.369。线性回归及相关分析得出，估测值与实测值间RMSE为0.686，皮尔逊积矩相关系数（pearson correlation coefficients）和斯皮尔曼相关系数（spearman correlation coefficients）分别为0.592和0.640（<0.001）。该研究所构建的拟合回归模型可应用于从江香猪肌内脂肪活体预测，为后期高肌内脂肪含量从江香猪的选育提供更为便捷有效的手段。

超声图像；无损检测；模型；从江香猪；肌内脂肪；选育

0 引 言

在高度集约化饲养条件下，快速生长的瘦肉型猪肉质和营养已不能满足大众对高品质猪肉的需求。肌内脂肪含量作为猪肉质性状最重要评价指标之一，影响着肉质的嫩度、风味和多汁性[1-2]。长期对瘦肉率和生长速度的过度选育，已造成猪肌内脂肪含量普遍较低，成为影响猪肉品质的重要因素[3-4]。因此，将生猪后期选育方向定位为降低皮下脂肪和肾周脂肪含量，提高肌内脂肪水平具有良好的生产实践意义。

传统选育方法中，生猪肌内脂肪含量测定往往通过屠宰后采样测定，操作难，成本高，周期长。随着计算机技术发展，超声图像处理已逐步应用于现代畜牧业生产中，其可显著提高猪经济性状选育进展，降低测定成本，获得良好育种效果。Hassen等[5-6]最早利用超声波图像检测技术建立了牛肌内脂肪含量活体预测模型，目前该技术已广泛应用于牛肉品质改良研究中。Newcom等[7-8]利用超声图像处理技术成功构建出猪活体肌内脂肪含量预测模型，其中杜洛克群体中预测肌内脂肪含量与实测肌内脂肪含量间相关系数均高于约克夏群体，杜洛克和约克夏猪间肌内脂肪回归模型准确度存在一定差异，表明运用超声图像构建猪肌内脂肪回归模型不具有普适性，不同品种猪间存在各自的最佳回归方程。Jung等[9]运用Newcom所构建的模型预测了4个不同品种猪活体IMF含量（predict lion intramuscular fat, PIMF），同时采用化学分析法测定了猪IMF实测值（carcass lion intramuscular fat, CIMF），发现UIMF与CIMF间遗传和表型相关系数分别为0.75和0.76，得出超声活体预测IMF（intramuscular fat）含量可有效代替实际测定值的结论。

本文以从江香猪这一优良小型地方猪种作为研究对象，通过提取详细的图像纹理参数，更为全面地反映超声图像所包含的信息，相比前人模型验证方法，本研究对从江香猪肌内脂肪含量的预测值与估测值进行了线性回归分析，并结合两者间相关系数，阐明了从江香猪回归模型的准确性，同时，讨论分析了造成现阶段回归模型准确性较低的原因，并首次提出了活体背膘厚性状为不同品种猪肌内脂肪预测模型的关键自变量参数这一观点。

从江香猪是中国稀有优良小型地方特色香猪的一个类型[10]，以体躯矮小、生长发育缓慢、肉质细嫩、性成熟早、抗病力强、遗传多样性低、基因纯合度高而著称[11-14]，主产于贵州从江县宰便和东朗等乡镇。农业部1993年将从江香猪列为国家二级保护畜种，于2000年130号公告将其列入《国家畜禽品种资源保护名录》[15]。本研究通过超声图像处理结合活体检测技术构建从江香猪活体肌内脂肪含量预测模型，为高肌内脂肪含量从江香猪的选育提供更为便捷有效的方法和手段，从而降低选育成本，提高选育效率，缩短高肌内脂肪含量从江香猪选育进程，实现贵州从江香猪种质资源的创新与开发利用，推动香猪特色产业的发展。

1 材料与方法

1.1 试验材料

本试验所用从江香猪育肥猪均来自贵州省绿生源香猪生态福利养殖基地。为避免环境及饲养管理的改变给其生长、屠宰及肉质性能等带来影响，试验猪群均保持在同样的饲养管理条件下进行饲喂和测定。

1.2 超声图像采集与性状活体测定

选取110头达到出栏体质量从江香猪作为肌内脂肪模型构建样品，屠宰前1 d称量体质量后，使试验猪处于自然状态下直立绑定，在猪左侧用手触摸至10～11肋间，距背中线5 cm处，前后间距10 cm范围内用弯剪剔毛，并清除毛渣与污物。于剪毛处均匀涂抹超声耦合剂，探头上也涂抹少许超声耦合剂[16]。

超声图像采集与胴体性状活体测定采用徐州市凯信电子设备有限公司KX5200 B型超声仪进行，设定总增益127，增益在超图像采集过程中保持一致，调节亮度和对比度合适后保持不变。探测深度20 cm，3.5 MHz凸振探头，让探头与超声耦合剂部位紧密接触，力度稍轻，保持直立姿态，当超声图像清晰完整、4根肋骨及肋骨结节处可见时，操作B型超声仪保存2张眼肌纵向图像（图1），并于超声图像上进行背膘厚、眼肌深度性状活体测定。在整个图像采集及性能测定过程中均由同1人操作完成，最大限度降低人为误差。

注：A、B、C和D分别代表4头从江香猪个体超声图像。

1.3 肌内脂肪含量测定

在贵州省绿生源香猪生态福利养殖基地将猪屠宰后，快速采集左侧胴体第10～11肋间眼肌肉样装入塑封带并贴上编号及相关信息。肌肉中肌内脂肪含量测定采用乙醚索氏抽提法，参考国家标准执行[17]，具体测定方法[18]如下：将眼肌肉样剔除外周筋膜，置于55～65℃烘箱中烘干至恒质量，称重烘干前后肉的质量，并根据其差值计算样品游离水分含量（%），游离水分测定后的干肉样，经多功能粉碎机粉碎后，过40目筛，取过筛后的肉粉进行IMF测定。洗净的盛醚瓶置于105±2 ℃烘箱烘30 min；将定量滤纸叠成脂肪包，用电子分析天平称取肉样1～5 g（），精确至0.001 g，将肉样装入脂肪包内，并做好标记，称质量为2；用镊子将脂肪包放入浸提管内，加入乙醚至盛醚瓶2/3处即可，60 ℃水浴锅上持续恒温加热，启动通风及冷凝水装置，使乙醚回流，回流速度控制在1次/min，回流约9 h，其间不得停止冷凝水供应及水浴锅供电；浸提完毕取出脂肪包，置于60 ℃烘箱中干燥10 h后对脂肪包进行称质量（1），间断30 min再次进行称质量，最终至2次质量差小于0.001 g。每份试验肉样测定重复3次，取平均值为IMF含量，计算公式如下：

式中为肉样质量，g；1为抽提后脂肪包质量，g；2为浸提前脂肪包质量，g。

1.4 超声图像纹理特征参数提取

从采集的纵向超声图像中，第10～11肋间接近眼肌最中央处选定一块大小为50*50像素区域为兴趣域（region of interest, ROI）（见图2），输入程序代码，利用Matlab R2015b软件分别提取选定区域灰度-梯度共生矩阵（gray gradient cooccurrence matrix, GGCM）[19-20]、4个角度灰度共生矩阵（gray level cooccurrence matrix，GLCM）图像参数[21-23]。

注：图中白色方框标记处为ROI区域。

1）灰度-梯度共生矩阵参数包括：大梯度优势（H1）、小梯度优势（H2）、灰度分布的不均匀性（H3）、梯度分布的不均匀性（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）、相关（H10）、灰度熵（H11）、梯度熵（H12）、混合熵（H13）、惯性（H14）、逆差矩（H15）。

2）灰度共生矩阵包括：0°、45°、90°、135°共4个方向，每个方向分别提取4个纹理特征参数：对比度、能量、熵和相关。

1.5 数据处理

设定经乙醚索氏抽提法得到的猪肌内脂肪含量实测值为因变量，宰前体质量、背膘厚、眼肌深度及相关图像纹理特征参数等为自变量，通过SPSS18.0统计分析软件中多元线性回归方法建立拟合回归模型。

1.6 预测模型验证

另外选取42头从江香猪作为验证样本集，按照上述方法步骤进行图像采集与活体性能测定、肌内脂肪含量测定、图像纹理特征参数提取。根据回归模型计算得到肌内脂肪含量估测值，利用SPSS 18.0软件对实测值和估测值进行线性回归及相关性分析，验证模型准确性。

2 结果与分析

2.1 从江香猪性状活体测定结果

活体测定达到出栏体质量从江香猪152头（建模集110头，测试集42头），结果均以“平均数±标准差”表示，宰前体质量：56.90±12.87 kg，背膘厚：22.7±4.9 mm，眼肌深度：33.2±6.5 mm。

2.2 肌内脂肪含量测定

测定的152头从江香猪肉样中，最低IMF含量为1.83%，最高IMF含量为5.70%；总体IMF含量平均数±标准差：3.09±0.98%，表明从江香猪的肌内脂肪沉积能力达到国内地方猪标准[15]，但群体内变异性较大（变异系数高达31.71%），需要进一步加强品种选育，提高群体肌内脂肪含量的整齐度。图3为图1中A～D号从江香猪超声图像ROI区域对应的肌内脂肪测定值，通过图像的亮度分布特征及纹理沟纹深浅变化可看出超声图像纹理的差异反映从江香猪个体间肌内脂肪含量的不同。

注：IMF为肌内脂肪。

2.3 构建回归预测模型

以猪肌内脂肪含量实测值为因变量，宰前体质量、背膘厚、眼肌深度及相关图像纹理特征参数为自变量，经多元线性回归分析结果得到，符合相关显著（<0.05）自变量参数有3个，分别为背膘厚、灰度平均H6和梯度熵H12，对应的值分别是0.008、0.001和0.030，系数分别是0.064、0.031和–7.421。其他自变量参数相关不显著（>0.05），因此均被舍弃。模型拟合结果、2分别是0.608、0.369。另外，值为14.826，<0.001，当显著性水平取=0.05，校验差异显著，故拟合结果有效。由此，得出肌内脂肪含量预测的回归方程式为：

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

2.4 回归模型验证

利用42头验证集样本进行从江香猪活体性状测定，将背膘厚、H6和H12代入回归模型得出预测的肌内脂肪含量（PIMF）。为验证PIMF的准确性，以实测IMF作为因变量，PIMF作为自变量，线性回归分析，结果表明（见图4），、2、RMSE分别是0.617、0.381、0.686（=24.61，<0.001），说明PIMF能较好地描述实测IMF的分布情况。相关分析发现，PIMF与实测IMF间存在极显著正相关关系，皮尔逊积矩相关系数（Pearson）和斯皮尔曼相关系数（Spearman）分别为0.592和0.640（<0.001），故采用超声图像无损检测从江香猪活体IMF含量具有可行性。

图4 从江香猪肌内脂肪含量实测值与估测值的比较

3 讨 论

马小军等[24-25]利用超声活体检测技术构建的北京黑猪肌内脂肪活体预测回归模型的决定系数2为0.305 8，预测IMF与实测IMF含量的皮尔逊积矩相关系数和斯皮尔曼相关系数分别为0.5534和0.627 2（<0.000 1）。张金霜等[26]以Duroc猪屠宰后实测IMF含量反推图像分割阈值，以该阈值为因变量，采用逐步线性回归法构建图像分割阈值的回归模型，最后根据预测出的分割阈值计算出超声图像IMF含量，结果发现图像分割得出的IMF值与实测IMF值间皮尔逊积矩相关系数为0.669（<0.001）。袁才珺等[27]运用一种基于反馈学习参数优化系统的超声活体检测手段构建的生猪活体肌内脂肪回归预测模型决定系数2为0.418，预测IMF与实测IMF含量的皮尔逊积矩相关系数和斯皮尔曼相关系数分别为0.65和0.63（<0.001）。结合前人研究报道，本试验所构建从江香猪肌内脂肪含量预测回归模型中预测IMF与实测IMF含量的皮尔逊积矩相关系数和斯皮尔曼相关系数分别为0.592和0.640（<0.001），与上述报道的试验结果类似，且回归模型决定系数（2=0.369）同样具有一致性，均处于0.30～0.42之间，表明后期利用超声图像处理技术构建猪IMF预测回归模型拟合程度具有较大上调空间。分析现阶段造成猪IMF预测模型准确度不高的主要影响因素包含2个方面：一方面，B超探头探测灵敏度低，地方猪皮肤粗糙、毛鬃坚硬，技术人员耦合剂涂抹或探头放置不正确等内外因素均会导致B超图像模糊不清，成像不均匀，信息含量少，进而降低超声图像质量；另一方面，猪肌内脂肪含量实测值需屠宰采样，操作繁琐，耗时长。针对这一特殊性，增大了大批量基础数据测定的困难度，影响回归模型的构建及验证工作[28]。

本研究构建的从江香猪IMF含量预测回归模型，背膘厚、灰度平均和梯度熵3个参数指标达到显著水平（<0.05），其中以背膘厚和灰度平均值最低，梯度熵值最高。马小军等[24]与Ragland等[29]研究报道分别指出，北京黑猪与外三元猪IMF预测回归模型中背膘厚这一参数指标均为最佳自变量数据集，而在从江香猪IMF含量回归模型中背膘厚参数指标也表现为最佳自变量（=0.008），推测猪IMF预测回归模型中活体背膘厚性状可能为极其重要的一个参数自变量，需在后期对不同地区、不同品种猪肌内脂肪预测回归模型构建试验中进一步印证。

4 结 论

1）本文采用超声纹理图像结合活体测定方法构建了从江香猪IMF含量预测模型，背膘厚、灰度平均和梯度熵参数指标均达到显著水平（<0.05），回归预测模型决定系数2为0.369。

2）从江香猪肌内脂肪含量预测值与实测值间决定系数2为0.381，RMSE为0.686，皮尔逊积矩相关系数和斯皮尔曼相关系数分别为0.592和0.640。

运用超声活体检测手段，配合分子遗传标记技术对从江香猪群体肉质性状进行遗传改良，其肌内脂肪含量定会呈现出上升趋势。虽然本文所构建模型的精确度不是很高，但作为一种实用性无损检测手段，模型仍可为后期从江香猪肌内脂肪选育提供有效地技术支持，本课题组仍将进行不断研究，以提高超声图像质量，完善图像处理算法，增加试验样本数量，优化回归预测模型，提高预测模型的准确率及鲁棒性。

[1] 祁云霞，吴江鸿，何小龙，等. 肌内脂肪含量测定技术综述[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] 黄练，骆璐，董春霞. 猪肌内脂肪调控研究进展[J]. 中国猪业，2014，11：36－39.

[3] 付敏. 猪肌内脂肪沉积的营养调控[J]. 猪业科学，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] 刘建华，贾光强，冯定远，等. 猪肌内脂肪代谢与调控研究[J]. 饲料研究，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] 申学林，杨秀江，韦胜权. 从江香猪生长发育繁殖性能测定[J]. 中国畜禽种业，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] 姚绍宽，张勤，刘培琼，等. 利用微卫星标记分析7品种(类群)小型猪的遗传多样性[J]. 遗传，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] 刘荣辉. 中国小型猪SLA微卫星的遗传多样性研究[D]. 雅安：四川农业大学，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] 陈祥，丁玫，许厚强，等. 贵州5个地方猪品种微卫星标记的遗传多样性[J]. 中国畜牧杂志，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] 刘培琼，刘若余，张依裕，等. 中国香猪[M]. 北京：中国农业出版社，2010.

[16] 何道领, 王金勇. 超声波在猪育种中应用的研究进展[J].中国畜牧杂志, 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，中华人民共和国国家标准《肉与肉制品-游离脂肪含量的测定》[S].

[18] 陈亚静，雷明刚，刘望宏，等. 猪肌肉肌内脂肪测定方法的比较[J]. 华中农业大学学报，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] 洪继光. 灰度梯度共生矩阵纹理分析方法[J]. 自动化学报，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] 丛蕊，高光甫，乔磊，等. 基于灰度-梯度共生矩阵和模糊核聚类的振动图形识别方法[J]. 振动与冲击，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，刘丽娟，等. 灰度共生矩阵纹理特征提取的Matlab实现[J]. 计算机技术与发展，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] 张建勋，李涛，孙权，等. 猪眼肌B超图像纹理特征提取与分类[J]. 重庆理工大学学报(自然科学)，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] 谭春超，杨洁明. 煤与矸石图像灰度信息和纹理特征的提取研究[J]. 工矿自动化，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] 马小军，程笃学，王立刚，等. 利用超声波图像活体预测北京黑猪肌内脂肪含量[J]. 畜牧兽医学报，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] 马小军. 猪肌内脂肪含量候选基因研究及预测模型构建[D]. 北京：北京畜牧兽医研究所研究生院，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] 张金霜，张明武，曾庆怡，等. 生猪肌内脂肪含量超声预测方案[J]. 广东农业科学，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，刘东权，等. 一种猪肌内脂肪含量测定的方法及其改进[J]. 现代计算机，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] 钱荣，李庆岗，王重龙. B超活体预测猪肉肌内脂肪含量研究进展[J]. 畜牧与兽医，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

张 雄，张 勇，尚以顺，史开志，张永军，王 婧，陈 怡. 面向从江香猪选育的肌内脂肪活体超声无损测定[J]. 农业工程学报，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

贵州省生猪现代农业产业技术体系（GZCYTX2016-0902）；贵州省科技支撑计划项目（黔科合支撑［2016］2510号）；贵州省科技厅农科院联合基金（黔科合LH字［2015］7063号）

张 雄，男（汉族），研究实习员，硕士，主要从事地方猪遗传改良与种质资源创新研究。Email：1318704989@qq.com

张 勇，男（汉族），副教授，博士，主要从事动物遗传育种教学与科研工作。Email：13618506188@139.com

10.11975/j.issn.1002-6819.2018.07.024

S828; S813.3

A

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