用于評估牛肉胴體和活體動物成分的3D相機(jī)

對高質(zhì)量、營養(yǎng)肉類的追求促使肉類加工商尋求更快、更準(zhǔn)確、更具成本效益的評估方法。消費(fèi)者現(xiàn)在優(yōu)先考慮感官屬性和營養(yǎng)價值，使胴體評估比單純的定價更為重要。

然而，傳統(tǒng)的分級方法雖然有效，但耗時、成本高、侵入性強(qiáng)，從而推動了對非破壞性、精確技術(shù)的探索。便攜性、準(zhǔn)確性和機(jī)器學(xué)習(xí)方面的新創(chuàng)進(jìn)展促進(jìn)了該領(lǐng)域的研究。

胴體分類系統(tǒng)對于了解牲畜產(chǎn)品和市場趨勢至關(guān)重要，但它們對人工分級的依賴在保持衛(wèi)生和生產(chǎn)速度的同時提供精確的肉類產(chǎn)量預(yù)測方面帶來了挑戰(zhàn)。

這種需求加速了使用傳感器預(yù)測胴體成分和肉質(zhì)的實(shí)時、非侵入性技術(shù)的開發(fā)，從而能夠準(zhǔn)確預(yù)測詳細(xì)的產(chǎn)品屬性。

用于預(yù)測胴體成分的技術(shù)

計(jì)算機(jī)斷層掃描 (CT)：該技術(shù)通過區(qū)分三維組織，準(zhǔn)確測量牛胴體的瘦肉、脂肪和骨骼，顯示出精確預(yù)測身體成分的潛力。

雙能 X 射線吸收法 (DXA)： DXA 具有成本效益和減少輻射暴露的特點(diǎn)，可有效預(yù)測胴體成分，有助于精準(zhǔn)營養(yǎng)和詳細(xì)組織分析。

超聲波：盡管在牛評估方面遇到挑戰(zhàn)，但超聲波可以探索原始切割估計(jì)并通過高強(qiáng)度治療來提高肉質(zhì)，提供實(shí)時、非侵入性的評估。

計(jì)算機(jī)視覺系統(tǒng) (CVS) 和 3D 視覺技術(shù)：它們采用算法和機(jī)器學(xué)習(xí)來準(zhǔn)確評估肉質(zhì)、脂肪分布和成分。

激光攝像機(jī)和掃描系統(tǒng)可以非侵入式地測量牛的尺寸，用于監(jiān)測生長情況和評估健康狀況，這對于評估胴體成分和預(yù)測肉質(zhì)特征（例如嫩度和大理石花紋）至關(guān)重要。

這些新創(chuàng)技術(shù)在肉類行業(yè)擁有巨大潛力，能夠確保產(chǎn)品質(zhì)量優(yōu)良，并改進(jìn)加工方法。預(yù)測活體動物胴體成分對養(yǎng)殖戶至關(guān)重要，這能幫助他們判斷其是否適合上市，并優(yōu)化飼養(yǎng)策略。

CT掃描和雙能X射線吸收儀(DXA)等方法通常用于死后分析，而超聲波和3D視覺技術(shù)則能提供實(shí)時、非侵入式的評估，使其更適用于活體動物。

超聲波和3D視覺系統(tǒng)在活體動物的實(shí)際現(xiàn)場應(yīng)用中各有優(yōu)勢。超聲波技術(shù)以其非侵入性而著稱，可以進(jìn)行實(shí)時評估而不會對動物造成傷害。

其便攜性使其非常適合現(xiàn)場使用，并且可以輕松操作以評估動物的不同身體部位。此外，它還能提供即時數(shù)據(jù)，幫助農(nóng)場快速制定關(guān)于飼養(yǎng)策略和上市準(zhǔn)備的決策。

相比之下，3D視覺系統(tǒng)提供了更全面的評估。這些系統(tǒng)提供復(fù)雜的三維數(shù)據(jù)，能夠精確估算胴體成分、肉產(chǎn)量和各種質(zhì)量參數(shù)。

它們擅長準(zhǔn)確預(yù)測肉質(zhì)屬性，例如嫩度、大理石花紋和顏色一致性，從而確保生產(chǎn)出高質(zhì)量的肉制品。激光攝像機(jī)和3D掃描系統(tǒng)的集成可以非侵入式地測量牛的體型，有助于監(jiān)測其生長情況并評估其健康狀況。

用于預(yù)測活體動物組成的技術(shù)

在收獲前預(yù)測活體動物胴體性狀的技術(shù)發(fā)展可能會重塑農(nóng)民的動物分組和管理決策，并可能提高市場價格。

超聲波可以記錄活體動物的胴體性狀，但其實(shí)施需要動物約束、專業(yè)人員和設(shè)備，這會給動物帶來壓力，并增加生產(chǎn)者的勞動力和成本。

為了解決這些局限性，研究人員提出了基于計(jì)算機(jī)視覺的方法，利用3D圖像評估牛肉行業(yè)的體成分和體重，為動物提供更安全、更準(zhǔn)確、壓力更小的替代方案。

然而，這些方法主要側(cè)重于估算體重、背膘厚度、脂肪百分比和肌肉深度，而對預(yù)測活體動物的特定性狀（例如肋眼面積或圓度）的關(guān)注有限。

許多此類研究采用計(jì)算機(jī)視覺技術(shù)進(jìn)行體積、面積、長度和寬度等生物特征身體測量，以預(yù)測體重或體質(zhì)等期望結(jié)果。

然而，研究表明，使用這些方法在準(zhǔn)確預(yù)測肌肉深度、背膘厚度和體脂百分比方面存在不足。一些研究探索了深度學(xué)習(xí)策略，例如采用卷積神經(jīng)網(wǎng)絡(luò) (CNN)來以可接受的精度預(yù)測體重，但它們在肌肉深度和背膘厚度估計(jì)方面仍然有困難。

具體而言，CNN 專為視覺數(shù)據(jù)分析而設(shè)計(jì)，它們處理圖像，使其成為分析牲畜 3D 體表圖像等任務(wù)的理想選擇。

CNN 由卷積層、池化層和全連接層組成，擅長提取對估計(jì)胴體性狀（如肋眼面積和圓度）至關(guān)重要的圖像特征。圓度是指用來描述肋眼形狀的幾何度量，量化肋眼形狀與無暇圓形的相似程度。

活體動物研究

Caffarini 等人 (2022) 最近在一項(xiàng)研究中探索了活體動物胴體性狀預(yù)測方面的進(jìn)展，特別側(cè)重于估算肋眼面積和圓度。

這項(xiàng)研究采用了基于 3D 體表圖像的深度學(xué)習(xí)框架。該方法結(jié)合了兩個神經(jīng)網(wǎng)絡(luò)：一個是嵌套金字塔場景解析網(wǎng)絡(luò) (nPSPNet)，用于通過圖像分割提取特征；另一個是卷積神經(jīng)網(wǎng)絡(luò) (CNN)，用于根據(jù) nPSPNet 提取的特征預(yù)測肋眼面積和圓度。

nPSPNet 執(zhí)行的圖像分割包括將圖像劃分為不同的部分，旨在識別和分類圖像中的各個組成部分。此過程有助于提取準(zhǔn)確預(yù)測肋眼面積和圓度等性狀所需的關(guān)鍵特征。

該研究評估了不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)，以衡量其性能、特征空間效用、可解釋性和訓(xùn)練時間，從而確定估算肋眼面積和圓度的高效模型。

深度圖像比 RGB 或灰度圖像更受歡迎，因?yàn)樗鼈兡軌驕y量每個像素與相機(jī)的距離，從而提供有關(guān)動物大小和形狀的更詳細(xì)信息。

這項(xiàng)實(shí)驗(yàn)展示了深度學(xué)習(xí)在自動化測量牲畜3D圖像中的肋眼面積和圓度方面的潛力，從而提供了高效且可擴(kuò)展的評估方法。它有助于根據(jù)所需的肋眼特征對牛肉雜交品種進(jìn)行分類，并有助于監(jiān)測不同牛種的這些特征，從而有望在早期優(yōu)化動物生產(chǎn)性能和胴體質(zhì)量。

由于體型差異，僅使用體重進(jìn)行分組可能無法確保胴體特征的一致性，因此需要探索其他特征，以制定更優(yōu)的分組策略，從而提高飼料效率、胴體質(zhì)量和繁殖力。

Miller 等人 (2019) 采用 3D 成像和機(jī)器學(xué)習(xí)算法，尤其是人工神經(jīng)網(wǎng)絡(luò)，來預(yù)測活體閹牛和小母牛的活重 (LW)和胴體特征。

使用自動攝像系統(tǒng)，在屠宰前（無論是在農(nóng)場還是進(jìn)入屠宰場），被動地收集這些動物的三維圖像和活重?cái)?shù)據(jù)。算法自動從這些 3D 圖像中提取 60 個潛在的預(yù)測變量，涵蓋長度、高度、寬度、面積、體積和比例等測量值。

然后，這些變量被用于創(chuàng)建活重和胴體特征的預(yù)測模型。屠宰場提供冷胴體重量，并在屠宰后確定可銷售肉的產(chǎn)量、脂肪和體型等級。使用 R 平方 (R2) 值評估模型的性能，R 平方 (R2) 表示預(yù)測變量解釋數(shù)據(jù)變異的比例。

活重的 R2 值為 0.7，冷胴體重量的 R2 值為 0.88，可售肉產(chǎn)量的 R2 值為 0.72。此外，這些模型在預(yù)測脂肪和形態(tài)等級方面的準(zhǔn)確率 (R2) 分別達(dá)到了 54% 和 55%。

這項(xiàng)研究展示了 3D 成像與機(jī)器學(xué)習(xí)相結(jié)合在預(yù)測活體動物活重、可售肉產(chǎn)量和傳統(tǒng)胴體特征方面的潛力。該系統(tǒng)可以通過自主監(jiān)控農(nóng)場的育肥牛并優(yōu)化動物的上市時間，顯著提高牛肉生產(chǎn)效率。

實(shí)際應(yīng)用：3D相機(jī)案例

3D攝像機(jī)在牲畜管理中的應(yīng)用不只用于胴體性狀的監(jiān)測，更是一種提升動物福利和生產(chǎn)力的整體方法。這些攝像機(jī)具有多方面的優(yōu)勢，尤其是在體重測定、體況評分和跛行檢測方面。

它們能夠捕捉詳細(xì)的3D體況圖像，通過分析體況隨時間的變化來準(zhǔn)確估算體重，從而為優(yōu)化飼養(yǎng)策略和健康管理提供關(guān)鍵的洞見。

此外，該技術(shù)還有助于評估體況評分，這對于了解動物的整體健康和營養(yǎng)狀況至關(guān)重要，有助于制定更有針對性和更有效的飼養(yǎng)方案。

此外，3D攝像機(jī)還能識別步態(tài)異常和不對稱，從而實(shí)現(xiàn)跛行的早期發(fā)現(xiàn)，從而及時采取干預(yù)措施，減輕不適并預(yù)防進(jìn)一步的并發(fā)癥。

這種全面的數(shù)據(jù)收集不僅可以增強(qiáng)對個體動物的護(hù)理，還能促進(jìn)畜群整體健康和生產(chǎn)力的提升，展現(xiàn)了3D攝像機(jī)技術(shù)在牲畜管理實(shí)踐中的廣泛應(yīng)用。

總而言之，深度學(xué)習(xí)框架在通過3D體表圖像預(yù)測肉眼面積和圓度方面的高效性能超越了基于生物特征測量的傳統(tǒng)回歸方法。

這種能力有望擴(kuò)展到自動估算其他重要指標(biāo)，例如胴體產(chǎn)量和背膘厚度。這些進(jìn)步為肉牛雜交品種和各種牛種的廣泛表型分析開辟了道路，為優(yōu)化商業(yè)環(huán)境下的牲畜管理提供了寶貴的工具。