葉南偉，李順，韋偉，俞汶賽，羅武，劉宏程，陳杰

(南京農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院，江蘇 南京 210095)

肌內(nèi)脂肪(intramuscular fat, IMF)含量與肉的口感、風(fēng)味和嫩度密切相關(guān)，是影響豬肉品質(zhì)的關(guān)鍵因素之一[1]。研究發(fā)現(xiàn)當(dāng)IMF含量<2.0%時(shí)，肉的嫩度低、口感差，而IMF含量提高時(shí)，肉的嫩度明顯提高，風(fēng)味體驗(yàn)也較為理想，容易被消費(fèi)者接受[2]。IMF是一個(gè)遺傳力中等偏上的性狀(h2=0.5)[3]。加強(qiáng)對(duì)IMF性狀的選育，對(duì)豬肉品質(zhì)提升有重要的意義。

超聲波技術(shù)在畜牧生產(chǎn)中的應(yīng)用，為豬IMF性狀的選育帶來了新的途徑。運(yùn)用超聲波的特性可以分析動(dòng)物組織的形態(tài)、大小、位置等特征。超聲波技術(shù)最早被運(yùn)用于人類醫(yī)學(xué)，隨后在上個(gè)世紀(jì)五六十年代，該技術(shù)被運(yùn)用于家畜的活體測(cè)量中[4]。Hassen等[5]收集牛的超聲掃描圖像的參數(shù)，并建立活體IMF預(yù)測(cè)模型，并進(jìn)行深入研究和改進(jìn)，使該技術(shù)運(yùn)用于牛肉質(zhì)改良中。Ragland等[6]以豬的超聲掃描圖像參數(shù)、性別和第10根肋處背膘厚建立IMF預(yù)測(cè)模型，模型的確定性系數(shù)(R2)值為0.380，均方誤差為1.04，證明通過實(shí)時(shí)超聲波測(cè)量活體豬的IMF含量是可行的。Schwab等[7-8]在豬的第10至13根肋骨中間7 cm的處采集超聲圖像，預(yù)測(cè)豬的IMF含量，并估計(jì)IMF的育種值，進(jìn)行遺傳選育。通過6代的選育，IMF含量與對(duì)照組相比有顯著的提高，并且得出超聲預(yù)測(cè)IMF含量呈中等遺傳(0.38)。

二花臉豬，具有性成熟早、產(chǎn)仔率高、繁殖壽命長(zhǎng)、耐粗飼、性情溫順、肉質(zhì)品質(zhì)優(yōu)異等優(yōu)良特征[9]。二花臉豬IMF含量較高，但該性狀在個(gè)體間變異大，有較大選育空間。本研究運(yùn)用超聲波技術(shù)，建立預(yù)測(cè)活體二花臉豬IMF含量模型，以期為二花臉豬的IMF性狀選育提供更為便捷有效的方法和手段，降低選育成本，提高選育效率，縮短二花臉豬IMF性狀的選育進(jìn)程，有助于推動(dòng)二花臉豬種質(zhì)資源的創(chuàng)新與開發(fā)利用，夯實(shí)中國(guó)地方特有種質(zhì)資源的保護(hù)和開發(fā)利用的基礎(chǔ)，促進(jìn)二花臉豬特色產(chǎn)業(yè)的發(fā)展。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)動(dòng)物為94頭純種二花臉豬，由常州市焦溪二花臉豬專業(yè)合作社提供，試驗(yàn)豬群在相同的飼養(yǎng)條件和環(huán)境下生長(zhǎng)。屠宰前1 d稱量豬的體重，并使用探頭頻率為3.5 HZ盛諾維V5+獸用B超儀采集B超掃描圖，使試驗(yàn)豬自然站立，用手去摸到豬左側(cè)軀體的最后1根肋骨，沿著肋骨向上距背中線4～6 cm處(第12至13根肋骨處)涂抹適量菜籽油(提高圖像清晰度和潤(rùn)滑作用，優(yōu)于耦合劑)，B超探頭垂直放置于此部位，微調(diào)探頭得到清晰、完整的掃描圖像。試驗(yàn)豬在江蘇省江陰市澄記肉食屠宰場(chǎng)屠宰后，測(cè)量左側(cè)胴體第12至第13根肋骨處背膘厚度并迅速采集相同部位背最長(zhǎng)肌樣品，液氮保存并送至南京農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院測(cè)定IMF含量。

1.2 B超掃描圖像分析

1.3 IMF含量測(cè)定

1.4 統(tǒng)計(jì)與分析

背膘預(yù)測(cè)模型的建立：選擇圖像中白色豎線所測(cè)量表皮到第3根亮線的深度UF為自變量，以屠宰后測(cè)量的背膘厚度為因變量，建立背膘厚預(yù)測(cè)模型。

IMF含量預(yù)測(cè)模型的建立：選取64頭二花臉豬的數(shù)據(jù)，利用回歸分析法在SPSS V20軟件中進(jìn)行分析，設(shè)定回歸系數(shù)為95%的置信區(qū)間，以索氏抽提法測(cè)定IMF含量實(shí)際值為因變量，屠宰前重量、圖像白線深度UF、預(yù)測(cè)參數(shù)X及相關(guān)圖像灰度值作為自變量進(jìn)行逐步回歸分析，建立預(yù)測(cè)模型。

模型驗(yàn)證：另選30頭二花臉豬的數(shù)據(jù)，根據(jù)模型計(jì)算得到的IMF含量(UIMF)，利用SPSS V20軟件以實(shí)測(cè)值作為因變量，模型預(yù)測(cè)值作為自變量進(jìn)行線性回歸分析，并分析實(shí)測(cè)值與預(yù)測(cè)值的相關(guān)性。

結(jié)果均以“平均值±標(biāo)準(zhǔn)差”表示。

2 結(jié)果與分析

2.1 二花臉豬活體測(cè)定及IMF含量測(cè)定

對(duì)94頭二花臉豬進(jìn)行測(cè)定，屠宰前體重為(76.19±11.66)kg；背膘厚為(22.29±4.28)cm；實(shí)測(cè)CIMF為(4.76±2.02)%，其中最高CIMF含量為11.18%，最低CIMF含量為1.85%。

2.2 活體背膘厚測(cè)量分析

將活體預(yù)測(cè)結(jié)果與胴體測(cè)量結(jié)果進(jìn)行相關(guān)性分析，結(jié)果得到兩者之間的皮爾遜相關(guān)系數(shù)為0.872(P<0.01)，斯皮爾曼相關(guān)系數(shù)為0.822(P<0.01)，說明活體測(cè)量背膘厚與胴體測(cè)量背膘厚呈強(qiáng)相關(guān)系。再以活體預(yù)測(cè)結(jié)果為自變量，胴體測(cè)量結(jié)果為因變量，進(jìn)行回歸分析并建立線性模型，結(jié)果如圖1所示，可以看出模型的決定系數(shù)為0.760。

圖1 B超測(cè)量背膘厚與胴體測(cè)量背膘厚的線性回歸方程

2.3 活體IMF含量預(yù)測(cè)模型構(gòu)建

逐步回歸分析結(jié)果表明自變量屠宰前體重被剔除，有3個(gè)自變量符合相關(guān)顯著(P<0.05)，分別為預(yù)測(cè)參數(shù)X(P<0.01)、圖像白線深度UF(P<0.01)和掃描區(qū)的平均灰度值N2(P<0.01)。模型的分析結(jié)果，可得模型決定系數(shù)R2和調(diào)整后R2分別為0.421、0.392，F(xiàn)值為14.533(P<0.01)，校驗(yàn)差異極顯著，表明擬合結(jié)果有效。

得到的預(yù)測(cè)回歸模型為：預(yù)測(cè)UIMF=0.826X+0.178UF-0.096N-0.371。

2.4 預(yù)測(cè)回歸模型的驗(yàn)證

為驗(yàn)證模型的準(zhǔn)確性，另選30頭二花臉豬的數(shù)據(jù)，根據(jù)建立的模型計(jì)算UIMF值，計(jì)算CIMF與UIMF之間的相關(guān)性并以CIMF為因變量，UIMF為自變量進(jìn)行線性回歸分析，結(jié)果如圖2所示，R2和調(diào)整后R2分別為0.412、0.391。CIMF與UIMF之間的皮爾遜相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)分別為0.642、0.594，屬于強(qiáng)相關(guān)。結(jié)果表明利用B超預(yù)測(cè)活體二花臉豬IMF含量具有可行性。

圖2 二花臉豬IMF含量實(shí)測(cè)值與預(yù)測(cè)值的分析

3 討論

人們普遍認(rèn)為，IMF對(duì)豬肉的風(fēng)味，多汁性，嫩度以及整體可接受性產(chǎn)生積極影響[10]。提高IMF含量能有效提升肉品質(zhì)，更好地滿足人們對(duì)于肉質(zhì)的追求，對(duì)于IMF性狀的選育非常關(guān)鍵。而超聲活體預(yù)測(cè)方法，能夠無損、便捷地測(cè)量豬IMF含量，這對(duì)于豬IMF性狀的選育有重要的意義。Suzuki等[11]利用實(shí)時(shí)超聲預(yù)測(cè)，對(duì)杜洛克豬的生長(zhǎng)速率，背膘厚度和IMF等進(jìn)行了七代選擇，結(jié)果顯示生長(zhǎng)速率、背膘厚度的選育未達(dá)到預(yù)期效果，而第七代豬IMF的平均育種值超過了預(yù)期，IMF含量平均水平達(dá)到了5.0%，說明超聲活體預(yù)測(cè)能夠有效促進(jìn)豬IMF性狀的選育。

本試驗(yàn)以二花臉豬為研究對(duì)象，根據(jù)實(shí)驗(yàn)室前期構(gòu)建的B超預(yù)測(cè)活體二花臉豬IMF含量的方法，成功構(gòu)建并改進(jìn)二花臉豬IMF含量預(yù)測(cè)模型，模型中的3個(gè)參數(shù)，背膘厚度、預(yù)測(cè)參數(shù)和掃描區(qū)的平均灰度值都達(dá)到顯著水平，得到的預(yù)測(cè)模型決定系數(shù)R2=0.421，皮爾遜相關(guān)系數(shù)r=0.654。經(jīng)檢驗(yàn)得到實(shí)際IMF含量與真實(shí)IMF含量的皮爾遜相關(guān)系數(shù)r=0.642，斯皮爾曼相關(guān)系數(shù)為0.594。Ragland等[6]基于超聲波測(cè)量，利用逐步回歸分析，建立活體豬IMF含量預(yù)測(cè)模型。最終得到最優(yōu)模型以掃描圖獲取的部分參數(shù)、第10根肋骨處的背膘厚和性別作為自變量，模型確定性R2=0.380，均方誤差MSE=1.04。馬小軍等[12]利用超聲波圖像預(yù)測(cè)活體北京黑豬IMF含量，以實(shí)際IMF含量為因變量，背膘厚、體質(zhì)量、眼肌面積、眼肌深度和圖像參數(shù)為自變量，建立回歸預(yù)測(cè)模型，結(jié)果包括背膘厚、眼肌面積和7個(gè)圖像參數(shù)達(dá)到顯著水平，并運(yùn)用于預(yù)測(cè)模型的參數(shù)，得到的預(yù)測(cè)模型的決定系數(shù)R2=0.305 8，均方誤差根MSE=0.006 5，檢驗(yàn)后得到皮爾遜積矩相關(guān)系數(shù)r=0.553 4。張雄等[13]以香江豬為研究對(duì)象，建立IMF預(yù)測(cè)模型，結(jié)果顯示背膘厚度、灰度平均和梯度熵3個(gè)參數(shù)指標(biāo)達(dá)到顯著水平，模型的決定系數(shù)R2=0.369，檢驗(yàn)得到皮爾遜積矩相關(guān)系數(shù)r=0.592。本研究構(gòu)建的IMF預(yù)測(cè)模型決定系數(shù)，預(yù)測(cè)值與實(shí)際值的相關(guān)系數(shù)與Ragland等[6]、馬小軍等[12]和張雄等[13]的試驗(yàn)結(jié)果相比有所提高，說明本研究建立的超聲預(yù)測(cè)活體豬IMF含量的方法準(zhǔn)確性較高，可以運(yùn)用于二花臉豬IMF性狀的遺傳選育。

本研究使用B超儀掃描豬左側(cè)軀體的最后1根肋骨，獲取B超掃描圖，使用Adobe Photoshop CS6軟件處理掃描圖像，直接獲取灰度值信息，選取眼肌輪廓部分平均灰度值，以第3條亮線為內(nèi)參，掃描區(qū)平均灰度值和總體平均灰度值等圖像灰度參數(shù)，并加入背膘厚參數(shù)，運(yùn)用線性回歸分析，建立最佳預(yù)測(cè)模型。相較于前人從超聲圖像種獲取參數(shù)信息時(shí)，需要通過編寫程序代碼，本研究所建立的方法更加直接和簡(jiǎn)便，且效果較好。

Kvam等[14]利用超聲圖像，建立預(yù)測(cè)活體豬IMF的方法，結(jié)果顯示當(dāng)個(gè)體IMF含量中等或較低時(shí)(<6%)，預(yù)測(cè)結(jié)果與實(shí)際測(cè)量值的相關(guān)性r=0.820，而當(dāng)個(gè)體IMF含量較高時(shí)(>6%)，其相關(guān)性降低至r=0.142。說明該超聲預(yù)測(cè)方法在中低等IMF含量的預(yù)測(cè)上表現(xiàn)優(yōu)異，但不適用于高IMF含量的預(yù)測(cè)。Newcom等[3]運(yùn)用開發(fā)的模型來分別預(yù)測(cè)杜洛克豬、約克夏豬和2種豬混群的IMF含量，結(jié)果顯示對(duì)于3種豬群體的IMF含量預(yù)測(cè)準(zhǔn)確度不同，準(zhǔn)確度最高的是IMF含量均值最高的杜洛克豬。侯明俸等[15]分別選取皮杜長(zhǎng)大和皮杜長(zhǎng)藍(lán)2種四元雜交商品豬進(jìn)行超聲預(yù)測(cè)模型分析，得到2種豬群IMF含量測(cè)定值與實(shí)際值之間的相關(guān)系數(shù)分別為0.627和0.672，而相關(guān)系數(shù)較高的皮杜長(zhǎng)藍(lán)品種豬的IMF含量均值也是相對(duì)較高。以上的研究表明，針對(duì)不同品種、不同IMF含量的豬，所建立的IMF含量預(yù)測(cè)模型的準(zhǔn)確度也不同，表現(xiàn)為在一定范圍內(nèi)，IMF含量較高的群體，預(yù)測(cè)模型的準(zhǔn)確性也會(huì)相對(duì)較高。本試驗(yàn)是以IMF含量差異較大的二花臉豬數(shù)據(jù)為基礎(chǔ)建立的模型，具有較廣范的適用范圍，預(yù)測(cè)準(zhǔn)確性較高。

張金霜等[16]根據(jù)B超掃描圖中不同的灰階，將實(shí)際IMF含量看作白色像素和黑色區(qū)域2個(gè)值分割后的比值，從實(shí)際IMF推測(cè)得到圖像的分割閾值，并以此代替實(shí)際IMF作為因變量，建立預(yù)測(cè)活體杜洛克豬IMF回歸模型，結(jié)果得到預(yù)測(cè)IMF含量與實(shí)際值的皮爾遜相關(guān)系數(shù)r=0.669。由此可以看出，使用圖像的分割閾值作為因變量，能使模型對(duì)圖像特征參數(shù)更加敏感，可以降低參數(shù)選取的難度。隨著圖像分析技術(shù)的進(jìn)步和選育工作的推進(jìn)，IMF含量的預(yù)測(cè)模型需要不斷的更新、優(yōu)化，以提高預(yù)測(cè)的準(zhǔn)確性。