[目的]嫩度是肉品质量的首要指标,其影响牛肉的消费和商业价值;寻找合适的嫩度指标,快速、无损、客观地预测牛肉嫩度一直是肉品学研究的热点之一。[方法]本文基于机器视觉技术和图像处理方法,分割牛肉图像的肌间结缔组织区域,提取肌间结缔组织的特征参数,运用统计学方法关联该特征参数和熟肉剪切力值,结合经过专门训练的评级小组的分级,采用Stepwise多元线性回归(Stepwise-MLR)建模,对牛肉嫩度进行预测和分级。[结果]70个样本图像的结缔组织特征数据全部用于训练模型,采用留一法交叉验证(Leave-one-out cross validation)测试模型,验证模型的牛肉嫩度判别系数(R^2)为0.857,剩余标准误差(residual standard error,RSEC)为6.453;将牛肉分为嫩、中等、老3个等级,全部预测集的总体等级预测正确率为88.57%。[结论]肌间结缔组织特征是预测牛肉嫩度的重要指标,本文所用的软硬件方法对牛肉嫩度的快速、无损、客观预测和分级具有一定的实用价值及指导意义。
[目的]行为是评价动物健康和福利状况的重要指标之一。针对动物穿戴设备的低功耗和体积小等功能需求,研究一种用于监测围产期母猪运动的低功耗无线加速度采集设备,并将其与RFID标签集成为一个耳标设备以方便佩戴。[方法]将耳标设备的工作模式与母猪行为类型相关联。首先测量耳标设备在1个数据采集周期中休眠、读加速度和无线发送3种工作状态的电流消耗,确定无线发送是最耗电能的阶段;然后分析母猪休息、活动和采食3种类型行为的加速度数据波动特征,提出当数据波动小于阈值(0.088 g)时,使耳标设备处于深度休眠状态,反之,则采集20组数据后进行一次性传输的方法;最后利用8头母猪进行加速度数据采集试验,计算耳标设备的功耗。[结果]研究了一种体积小功耗低的耳标设备及方法,该设备的平均电流功耗为0.014 5 m A,利用1个电压为3 V容量230 m A·h的纽扣电池供电可连续工作663 d。[结论]该方法相比传统的固定周期性采集方法降低了95%的功耗,能够长期稳定地采集母猪加速度数据。
在利用视频监控技术对群养猪只进行自动行为监测时,对猪只准确定位并辨别其头尾位置对提高监测水平至关重要,基于此提出一种基于YOLO v3(You only look once v3)模型与图结构模型(Pictorial structure models)的猪只头尾辨别方法。首先,利用基于深度卷积神经网络的YOLO v3目标检测模型,训练猪只整体及其头部和尾部3类目标的检测器,从而在输入图像中获得猪只整体及头尾部所有的检测结果;然后,引入图结构模型,描述猪只的头尾结构特征,对每个猪只整体检测矩形框内的头尾部位组合计算匹配得分,选择最优的部位组合方式;对部分部位漏检的情况,采取阈值分割与前景椭圆拟合的方法,根据椭圆长轴推理出缺失部位。在实际猪场环境下,通过俯拍获得猪舍监控视频,建立了图像数据集,并进行了检测实验。实验结果表明,与直接利用YOLO v3模型相比,本文方法对头尾定位的精确率和召回率均有一定提高。本文方法对猪只头尾辨别精确率达到96.22%,与其他方法相比具有明显优势。
