使用基于深度学习和机器学习的X射线图像在肉中预测乳腺肌肉重量

科学领域:

• 禽畜科学 禽畜科学 禽畜科学
• 动物科学动物科学
• 生物医学工程 生物医学工程

背景情况:

• 准确估计肉乳腺肌肉重量对于家禽生产效率至关重要.
• 目前估计乳腺肌肉重量的方法通常是手动的,耗时的,缺乏自动化.

研究的目的:

• 开发一种高效和自动化的方法来预测肉乳腺肌肉重量.
• 在过程复杂性和自动化方面克服现有方法的局限性.

主要方法:

• 一个多阶段的注意力增强融合细分网络 (MAEFNet) 旨在从X射线图像中细分胸肌面具.
• MAEFNet使用了一种经过修剪的MobileNetV3编码器和一种新型解码器,以实现高效的特征提取和融合.
• 使用支持向量回归 (SVR) 模型,利用提取的形状特征和活体重量预测乳腺肌肉重量.

主要成果:

• MAEFNet在低参数数 (1.51M) 的情况下实现了96.35%的高交叉与联合 (IoU),优于其他细分模型.
• 与其他预测模型相比,SVR模型在五倍交叉验证中表现出卓越的性能,R2值为0.8810.
• 开发的方法成功地自动获取胸部肌肉口罩和预测乳腺肌肉重量.

结论:

• 拟议的MAEFNet和SVR模型提供了一个高效和自动化的解决方案,用于估计肉的乳腺肌肉重量.
• 这项研究为肉生产和繁殖提供了有价值的工具,从而降低了测量成本并提高了繁殖效率.