农场肉牛 3D 影像预测胴体分级性状与冷胴体重：开启精准养殖新篇

当前肉牛屠宰评估多依赖主观方法，致预估不准、经济损失与排放增加。研究人员用农场肉牛 3D 影像测量值，结合其他信息预测 EUROP conformation、fat class 和冷胴体重（CCW）。结果显示模型预测有一定准确性，为精准选牛屠宰提供可能。

　　在肉牛养殖的广袤天地里，如何精准判断肉牛何时该送去屠宰，一直是个让养殖户们头疼不已的难题。传统的主观评估方法，就像是蒙着眼睛射箭，全凭经验和感觉，根本无法准确预估肉牛的目标分级等级。这就导致不少肉牛不是 “养过头”，就是 “火候未到” 就被送去屠宰，不仅让养殖户们钱包受损，还在无形中增加了温室气体排放，给环境添了麻烦。为了攻克这个难题，来自苏格兰的研究人员踏上了探索之旅，他们的研究成果发表在《animal》杂志上。

研究人员的目标很明确，就是要开发一种方法，利用农场中肉牛的活体 3D 影像测量数据，来预测牛肉胴体的 EUROP conformation（即胴体的形状，从优秀的 E 级到较差的 P 级）、fat class（胴体的脂肪覆盖程度，从很瘦的 1 级到过肥的 5 级）和冷胴体重（CCW）。这一研究意义重大，如果成功，就能帮助养殖户们在最佳时机挑选出适合屠宰的肉牛，既能减少养殖成本，又能降低对环境的影响，简直是一举两得。

为了实现这个目标，研究人员采用了多种关键技术方法。他们从四个商业肉牛育肥农场收集了 1861 头肉牛的活体数据，这些数据涵盖了 41 个不同品种，时间跨度从 2021 年 1 月 12 日到 2023 年 7 月 7 日。同时，从五个屠宰场收集了这些肉牛的屠宰数据。在影像采集方面，研究人员利用自动 cattle weigh 系统（Beef Monitor Units，BMU），在其上方 3 米处安装了 Basler Blaze 时间 - 飞行近红外相机。当肉牛进入 BMU，其电子识别（EID）标签被扫描，触发称重和影像采集，由此生成肉牛的 3D 点云数据。之后，对采集到的影像进行处理，从中提取 34 个 3D 测量值。最后，研究人员运用多种分析技术，包括传统的多元线性回归（MLR）和机器学习中的随机森林（RF）模型，对数据进行深入分析。

在研究结果方面，不同模型对各性状的预测表现各有差异：

• Conformation class 结果：MLR 模型预测 conformation class 的拟合优度呈现低 - 中等水平。仅使用固定效应（品种类型、性别和相机编号）的模型拟合度最低（调整 R² = 0.19），而加入 3D 测量值和冷胴体重（CCW）后，拟合度有所提高（调整 R² = 0.52）。在验证时，包含 CCW 的模型预测准确率有所增加（R² = 0.37）。RF 模型预测效果相对较好，使用 3D 测量值、固定效应和 CCW 的最佳模型，预测准确率为 56%，AUC 为 0.75。
• Fat class 结果：MLR 模型预测 fat class 的拟合度普遍较低。仅使用 3D 测量值的模型解释的方差最少（调整 R² = 0.12），结合固定效应和 3D 测量值的模型拟合度稍高（调整 R² = 0.20）。在验证时，该模型预测准确率为 0.24。RF 模型预测 fat class 的准确率为中等水平，使用 3D 测量值、固定效应和 CCW 的最佳模型，预测准确率为 49%，AUC 为 0.72。
• Cold carcass weight 结果：MLR 模型预测 CCW 的拟合度为低 - 中等水平。仅使用固定效应的模型调整 R² = 0.27，结合 3D 测量值后，调整 R²提高到 0.48。在验证时，该模型预测准确率为 0.38。RF 模型预测 CCW 的准确率稍高于 MLR 模型，使用 3D 测量值和固定效应的最佳模型，预测准确率为 0.41。

综合研究结论和讨论部分，利用农场肉牛的 3D 影像测量值结合其他信息，构建的模型能够以中等准确率预测 EUROP fat class、conformation class 和 CCW。这一成果表明，农场成像系统和相关测量数据在预测这些关键胴体性状方面具有潜力。不过，研究也存在一些局限性，如数据集中极端等级样本较少，影响模型对这些等级的预测能力；未纳入活重数据，而是用 CCW 作为替代，可能影响预测准确性。尽管如此，这项研究依然为精准养殖指明了方向，未来若能进一步完善数据集，探索更多可量化的胴体性状预测，有望为肉牛产业带来新的突破，实现经济效益和环境效益的双赢。