基于豬胴體影像分級儀的我國商品豬瘦肉率預測方程的建立

尹 佳，周光宏*，徐幸蓮

(南京農(nóng)業(yè)大學 國家肉品質量安全控制工程技術研究中心，江蘇 南京 210095)

基于豬胴體影像分級儀的我國商品豬瘦肉率預測方程的建立

尹 佳，周光宏*，徐幸蓮

(南京農(nóng)業(yè)大學 國家肉品質量安全控制工程技術研究中心，江蘇 南京 210095)

為了能夠準確預測我國商品豬的胴體瘦肉率，完成生豬的在線快速分級、快速結算，最終實現(xiàn)優(yōu)質優(yōu)價，研究運用CSB-Image-Meater豬智能化影像分級儀，挑選436頭不同類型的商品豬測定其瘦肉率、熱胴體質量、背膘厚度和肌肉厚度等指標。通過多元線性逐步回歸建立基于CSB-Image-Meater的預測商品豬瘦肉率的回歸方程。結果表明：瘦肉率預測方程y=61.264-0.583xl+0.173x2(xl為豬胴體臀中肌處的最薄膘厚度(F值)，x2為臀中肌末端到脊髓管邊緣處垂直距離(R值)，校正決定系數(shù)R2為0.87，殘差標準差RSD為2.31%)，作為CSB-Image-Meater豬智能化影像分級儀的瘦肉率測定模型，擬合程度較好。方程預測值與實際值差異不顯著，方程預測準確率較高，效果良好，完全可以應用于實際生產(chǎn)中。

Image-Meater；豬胴體；瘦肉率；預測方程

我國雖然是世界第一產(chǎn)豬肉大國，但不是豬肉強國。年產(chǎn)豬肉占世界豬肉總量的50%左右，而豬肉的產(chǎn)量主要依靠龐大的屠宰量，我國商品豬的平均瘦肉率只有50%，與一些畜牧業(yè)比較發(fā)達的國家相比還存在很大差距[1]。其中很重要的原因是沒有一個全面、完整、系統(tǒng)的豬胴體分級技術和評定體系，在一定程度上制約了養(yǎng)豬業(yè)、屠宰業(yè)和肉食產(chǎn)業(yè)的發(fā)展。而在《豬胴體分級標準》中瘦肉率指標是豬胴體等級的主要決定因素，因此建立一套準確、適用的瘦肉率預測模型就顯得尤為重要[2-3]。

Image-Meater豬智能化影像分級儀是德國CSB集團生產(chǎn)的豬胴體分級設備。工作原理是運用醫(yī)用高清晰度攝像頭對宰后豬半胴體的部分性狀進行取像，通過CSB系統(tǒng)的圖形處理軟件識別胴體結構、找出關鍵參考值(臀中肌處的最薄膘厚和臀中肌末端到脊髓管邊緣處垂直距離)，帶入公式，從而計算出胴體瘦肉率及各分割肉塊的瘦肉含量，并對后續(xù)的分割環(huán)節(jié)進行優(yōu)化。然而，不同的豬種和形體狀況對儀器的預測結果影響較大，使用該設備的不同國家的瘦肉率預測方程也不相同[4-6]，本

實驗通過對436頭商品豬的脂肪厚度和肌肉厚度的測量，旨在建立一個能運用于CSB-Image-Meater并適合于我國部分地區(qū)甚至是全國范圍內商品豬的瘦肉率預測方程。

1 材料與方法

1.1 材料

1.1.1 豬胴體樣品

隨機挑選436頭商品豬(來源于河南、湖北、山東、山西、四川、江蘇等地)，類型為外三元(杜長大)、內三元(杜長嘉)以及浙江嘉興本地土豬，六月齡左右，不考慮性別、體質量、肥瘦狀況。

1.1.2 分級儀器

德國CSB集團生產(chǎn)的Image-Meater豬智能化影像分級儀。

1.2 方法

1.2.1 指標定義

1.2.1.1 機測瘦肉率

CSB-Image-Meater豬智能化影像分級儀機測瘦肉率是根據(jù)豬胴體臀中肌處的最薄膘厚度(F值)和臀中肌末端到脊髓管邊緣處垂直距離(R值)兩個指標進行預測，獲得的瘦肉率指標。測量方法是在胴體進入預冷庫前設CSB-Image-Meater瘦肉率測量點。共測量436頭熱胴體的瘦肉率。

1.2.1.2 實測瘦肉率

實測瘦肉率指分割肉，包括肩腳肉(I號肉)、前腿肉(II號肉)、通脊肉(III號肉)、后腿肉(IV號肉)、小里脊(V號肉)、肋腹肉(五花肉)，頸肉及頸前排等上的瘦肉。白條經(jīng)過預冷后，進行精細分割。分割人員為固定人員，且具備分割技能教練的資格，以保障分割標準的一致性。分割后對每一種分割產(chǎn)品都進行精確計量。瘦肉質量和瘦肉率的計算按照公式(1)、(2)進行。

1.2.2 各種指標的測定方法

1)熱胴體質量：指去頭、蹄、尾、內臟、板油及修整后的兩片熱鮮胴體質量。

2)冷胴體質量：指熱胴體經(jīng)過0～4℃冷卻24h的質量，入庫前電子稱自動記錄。

3)瘦肉率：按照現(xiàn)有的商業(yè)分割法把預冷后的胴體進行皮、骨、脂肪分離后，按照1.2.1.2節(jié)公式計算所得的百分數(shù)。

4)背膘厚度和瘦肉厚度：稱質量后的熱胴體打入胴體車間，用游標卡尺(10分度)測量左半胴體6～7肋、最后一肋處的肌肉厚度和膘厚度，使用Image-Meater豬智能化影像分級儀測量F、R處的背膘厚度及肉厚度。F表示臀中肌處垂直背中線的最薄膘厚度，R指臀中肌末端到脊髓管邊緣處距離，此兩個位置為機測的位置。

1.3 數(shù)據(jù)處理

數(shù)據(jù)用SPSS13.0統(tǒng)計軟件中描述分析、相關分析和逐步回歸分析程序處理。

2 結果與分析

2.1 豬胴體性狀統(tǒng)計分析

表l 豬胴體性狀基本統(tǒng)計量Table 1 Descriptive statistics of pig carcass characters

由表1可知，商品豬胴體平均瘦肉率為(57.22±7.03)%，與以前的報道[7]相比我國商品豬瘦肉率已有部分提高，表明我國在瘦肉型豬的飼養(yǎng)上已經(jīng)取得了一些進步。平均熱胴體質量為(59.46±10.62)kg，由此可見本次實驗所選取的商品豬的個體體質量變異程度比較明顯，這是由于我國的豬種依然比較復雜，尤其是土豬與良種豬的個體差異比較明顯。商品豬的平均膘厚為(20.63± 8.29)～(35.61±7.32)mm。各測量點中6～7肋的背膘最厚，最薄處為末肋膘厚。背膘厚度從第1肋到末肋有逐漸變薄的趨勢，此后到臀部又開始逐漸增厚。R點肉厚度的平均值為(62.69±8.54)mm，與國外相比其值偏小，表明中國商品豬胴體此處的肉較薄，臀部豐滿程度不夠好，對豬胴體的商業(yè)價值有所影響。所有性狀的變異程度較大，這與中國商品豬類型復雜多樣、飼養(yǎng)管理水平差異較大有關。

2.2 實驗豬胴體各性狀間的相關性分析

表2表明，所測各點的膘厚與胴體瘦肉率之間呈極顯著負相關(P＜0.0001)，這與龐勇等[8]的報道一致。其中，與胴體瘦肉率相關性最強的是F處膘厚(相關系數(shù)達-0.91323)，其次是6～7肋的背膘膘厚與末肋膘厚 (相關系數(shù)分別為-0.89072和-0.82926)。這與大多數(shù)關于瘦肉率預測的研究報導中將膘厚作為預測方程的主要參數(shù)是相吻合的[9-10]。所測各點肉厚與瘦肉率之間呈極顯著正相關關系，其中相關性最強的點為R處，其肉厚與瘦肉率之間的相關系數(shù)為0.58480；熱胴體質量與瘦肉率呈顯著負相關(P＜0.05 )，與各測量點均呈極顯著正相關關系(P＜0.0001)，其中與R處的相關性最強，達0.59817。各點背膘厚度之間存在極強的正相關(P＜0.0001)，

背膘厚度與肉厚之間呈顯著相關關系(P＜0.05)，但相關系數(shù)的絕對值不大。由相關性分析可以看出F值與瘦肉率之間有最強的相關性而R值可以作為其一個很好的補充，這與捷克的豬胴體瘦肉率預測方程中所采用的兩個關鍵參數(shù)是相一致的[11]，Image-Meater豬智能化影像分級儀選取其作為關鍵參數(shù)是有根據(jù)且合理實用的。

2.3 CSB-Image-Meater商品豬胴體瘦肉率預測方程的建立不考慮品種與體形因素，通過對436頭商品豬的胴體實測瘦肉率及相關性狀的分析，利用多元線性逐步回歸建立瘦肉率預測方程：y=61.264-0.583xl+0.173x2(y為瘦肉率預測值，xl為F值，x2為R值)。該方程的決定系數(shù)(R2)為0.87，校正決定系數(shù)為0.87，估測值標準誤為2.21，因此方程具有較高的預報準確率，也說明了在胴體瘦肉率的變異中，有87%的偏差可以用F處的脂肪厚度和R肌肉厚度來解釋，有13%的偏差屬于目前無法解釋的隨機誤差。而消除自變量個數(shù)和樣本量大小的校正R2也為0.87，這表明預測方程具有很高的準確性，預測效果良好。為確證方程的可靠性和應用價值，需要用F檢驗來對方程進行顯著性檢驗，進而判斷回歸方程整體的顯著性。方差分析結果表明(表3)，回歸方程顯著性概率小于0.01，預測方程極顯著?；貧w系數(shù)t檢驗結果顯示(表4)，脂肪厚度、肌肉厚度系數(shù)的顯著性概率小于0.01，具有顯著意義。殘差分析(表5)顯示，方程的殘差標準差(RSD)為2.31%。由此可見該預測方程已達到了歐盟所規(guī)定的要求(R2＞0.80，RSD ＜ 2.50%)[12]，具有較高的預報準確性。

表2 商品豬胴體指標的表型相關系數(shù)Table 2 Pearson correlation coefficients among pig carcass characters

表3 豬胴體瘦肉率預測方程方差分析Table 3 Analysis of variance for the established prediction model for lean meat percentage of pig carcasses

表4 豬胴體瘦肉率預測方程回歸系數(shù)及t檢驗Table 4 Regression coefficients and significant t-test of the established prediction model for lean meat percentage of pig carcasses

表5 豬胴體瘦肉率預測方程殘差統(tǒng)計(n=436)Table 5 Residual error statistics of the established prediction model for lean meat percentage of pig carcasses (n=436)

2.4 預測方程在實際生產(chǎn)中的準確性驗證

為了驗證本預測方程在實際生產(chǎn)中的準確性以及可靠程度，又隨機抽取350頭商品豬進行了分級實驗。

表6 預測瘦肉率與實測瘦肉率的基本統(tǒng)計量(n=350)Table 6 Descriptive statistics of actual and predicted values of lean meat percentage of pig carcasses (n=350)

表7 綜合情況瘦肉率相關性分析Table 7 Correlation analysis between actual and predicted values of lean meat percentage of pig carcasses

由表6可知，機測瘦肉率和實測瘦肉率還是有一定偏差的，前者比后者平均要低1.60%，從兩組數(shù)據(jù)的標準差來看，實測瘦肉率的偏差要比機器測量瘦肉率的稍大，說明要么是工人在進行分割時的人為誤差比較大，要么是中國生豬的實際瘦肉率的個體差異變化比較大(豬品種太雜)，而瘦肉率預測方程對這種差異的反映稍弱。但是，兩組數(shù)據(jù)的相關性達0.92000(表7)，機器測定的數(shù)字完全可以作為實際屠宰生產(chǎn)的胴體級別判斷的依據(jù)。

3 結 論

本研究發(fā)現(xiàn)我國商品豬胴體平均瘦肉率為(57.22± 7.03)%，平均熱胴體質量為(59.46±10.62) kg，與國外肉類發(fā)達國家相比我國商品豬胴體質量較小，胴體瘦肉率也普遍較低，體型差異程度大。本實驗的分析結果與國內外研究相一致，所測各點的膘厚與胴體瘦肉率之間呈極顯著負相關(P＜0.0001)，其中與胴體瘦肉率相關性最強的是F處膘厚(相關系數(shù)達-0.91323)，且膘厚因素對于瘦肉率的影響要大于肌肉厚因素，肌肉厚因素起到的只是補充和校正的作用。

有關瘦肉率預測的研究表明，豬胴體瘦肉率預測的最主要因素為豬胴體不同部位的脂肪厚度[13-20]。李強等[21]曾對120頭商品豬的研究結論為：所有的胴體性狀中，與胴體瘦肉率相關性最強的是那些與背膘厚有關的性狀，且兩者間呈強烈的負相關，表明背部膘厚在胴體瘦肉率估測過程中起著至關重要的作用。也有研究表明不同部位的肌肉厚度能夠增加瘦肉率預測的準確性[22]。本研究結果顯示CSB-Image-Meate豬智能化影像分級儀瘦肉率測定方程為y=61.264-0.583xl+0.173x2(xl為F值，x2為R值，R2為0.87，RSD為2.31%)。方程準確性驗證結果表明，預測值與實際值差異不顯著，方程預測準確率較高，效果良好，作為瘦肉率預測方程達到了歐盟規(guī)定要求(R2＞0.80，RSD＜2.50%)。實際生產(chǎn)中的準確性驗證也證明預測方程的準確度較高，完全能應用于實際生產(chǎn)中。

[1]戴瑞彤, 陳斌. 世界肉類工業(yè)生產(chǎn)現(xiàn)狀及發(fā)展方向[J]. 食品科學, 2000, 21(5): 6-8.

[2]張楠, 徐幸蓮, 周光宏. 國內外豬胴體分級標準體系的現(xiàn)狀與發(fā)展[J]. 食品與發(fā)酵工業(yè), 2005, 31(7): 86-89.

[3]高莉, 鄭麗敏, 尹健玲, 等. 我國屠宰企業(yè)豬胴體分級技術的研究進展與建議[J]. 肉類研究, 2009(4): 3-6.

[4]張楠, 周光宏, 李業(yè)國, 等. 應用PG-100只能化豬胴體分級儀和人工分級方法建立豬胴體瘦肉率預測模型的研究[J]. 食品科學, 2006, 27(9): 58-62.

[5]李業(yè)國, 湯曉艷, 高峰, 等. 商品中胴體性狀分析及瘦肉率最優(yōu)預測模型篩選研究[J]. 吉林農(nóng)業(yè)大學學報, 2007, 29(2): 213-218.

[6]胡鐵軍, 孫永海, 張學強, 等. 吉林雜交豬瘦肉率的主成分回歸分析估算[J]. 吉林大學學報: 工學版, 2006, 36(2): 161-164.

[7]楊再, 楊自立. 我國生豬和豬胴體分級沿革[J]. 肉質與加工, 2008(1): 8-9.

[8]龐勇, 胡鐵軍, 王占博, 等. PIC豬胴體瘦肉率的回歸預測研究[J]. 肉類工業(yè), 2004(4): 28-31.

[9]程文新. 基于瘦肉率儀器測定的生豬胴體等級評定標準體系的建立[D]. 楊凌: 西北農(nóng)林科技大學, 2007.

[10]李業(yè)國, 湯曉艷, 高峰, 等. 中國商品豬胴體瘦肉率預測模型的建立[J]. 西北農(nóng)林科技大學學報: 自然科學版, 2006, 34(10): 27-31.

[11]KIRTON A H. Current methods of on-line carcass evaluation[J]. Journal of Animal Science, 1999, 67(8): 2155-2163.

[12]Official Journal of the European Union. Council Regulation (EEC) No 3220/84 of 13 November 1984 determining the Community scale for grading pig carcasses as am ended by Commission Regulation (EEC) No 3530/86 of 24 November 1986 and No 3513/93 of 14 December 1993 [EB /OL]. (1994-07-01)[2005-10-01]. http//:europa. eu. Int/smartapi/ cgi/sga. doc smartapi! celexdoc! Prod! CEL EXnum doc&lg=EN&num doc=31984R 3220&m odel=gu icheti.

[13]SATHER A P. The prediction of pork carcass composition using the Hennessy Grading Probe and the Aloka SSD-210DXII Echo Camera[J]. Canadian Journal of Animal Science, 1991, 71: 993-1000.

[14]Commission of the European Communities. Commission Decision of 16 December 1992 authorizing methods for grading pig carcasses in Portugal[J]. Official Journal of the European Communities, 1993, 16: 37-38.

[15]Commission of the European Communities. Commission Decision of 5 September1996 authorizing methods for grading pig carcasses in Finland [J]. Official Journal of the European Communities, 1996, 236: 47-48.

[16]DIESTRE A. The estimation of pig carcass composition from different measurements with special reference to classification and grading[J]. Animal Production, 1985, 41: 383-391.

[17]KEMPSTER A J, EVANS D G. A comparison of different predictors of the lean content of pig carcasses.1.Predictors for use in commercial classification and grading[J]. Anim Prod, 1979, 28(1): 87-96.

[18]SWATLAND H J. Real-time ultrasound image analysis for the estimation of carcass yield and park quality[J]. Canadian Journal of Animal Science, 1996, 76: 55-62.

[19]GOLDENBERG A A, ANANTHANARAYANAN S P. An approach to automation of pork grading[J]. Food Res Int, 1994, 27(2): 191-193.

[20]GOLDENBERG A A, LU Z. Automation of meat pork grading process [J]. Computers and Electronics in Agriculture, 1997, 16: 125-135.

[21]李強, 李學偉. 商品肉豬胴體性狀的測定及其相關性分析[J]. 四川畜牧獸醫(yī)科技, 2004(2): 28-30.

[22]KINTS C. Aspects of the classification of pig carcasses[J]. Praktijkonderzoek Warkenshoulderij, 1993, 7(3): 23-27.

CSB Image Meater Use based Predictive Modeling Lean Meat Percentage of Commercial Pig Carcasses in China

YIN Jia，ZHOU Guang-hong*，XU Xing-lian
(National Center of Meat Quality and Safety Control, Nanjing Agricultural University, Nanjing 210095, China)

To accurately predict lean meat percentage of commercial pig carcasses in China and to achieve grading on line and fast accounting so as to optimize price and quality, CSB image meater was employed to analyze lean meat percentages, hot carcass weights, back-fat thicknesses and muscle thicknesses of 436 different types of commercial pig carcasses. A regression equation for predicting lean meat percentage of commercial pig carcasses was established based on the data from CSB image meater through multiple linear regression as follows: y = 61.264-0.583x1 + 0.173x2, where x1 was the thickness of the thinnest back fat, and x2was the vertical distance between the end of gluteus medius muscle and the edge of spinal column, with a determination coefficient R2of 0.87 and a standard residual error of 2.31%, indicating good degree of fitness. No significant difference between the actual and model-predicted values was observed. Therefore, the established equation has a high accuracy and is suitable to be applied in practice.

image meater；pig carcass；lean meat percentage；prediction

TS251.1

A

1002-6630(2010)23-0084-04

2010-05-11

國家公益性行業(yè)科研專項 (200903012)

尹佳(1984—)，男，碩士，研究方向為肉品加工與質量控制。E-mail：yjzealot@gmail.com

*通信作者：周光宏(1960—)，男，教授，博士，研究方向為肉品加工及質量控制。E-mail：ghzhou@njau.edu.cn