Bestemmelse av kjøttprosent, og automatisk multivariat klassifisering av vevstyper i levende svin og svinekjøtt

Gjennomføring av prosjektet "Bestemmelse av kjøttprosent, og automatisk multivariat klassifisering av vevstyper i levende svin og svinekjøtt (PIGCOMP)". Innsamling av rådata (WP1) ble gjennomført uten vesentlige avvik fra planen. Dette innebærer at det er samlet inn data for 240 halve norske griseslakt. Slaktene er stratifisert i 16 ulike grupper etter vekt og fettfylde. For alle slaktene er de vanlige slaktedata (dvs. de data som registreres for alle griser slaktet på norske slakteri) samlet inn. Alle disse 240 slaktene er i tillegg scannet med 2 ulike CT-scannere, en Dansk og en Norsk. I den norske scanneren med tre ulike spenningsnivå. Disse CT-dataene er hovedmaterialet som det skal jobbes videre med. 20 av slaktene er også manuelt dissekert. Stipendiaten, Lars Erik Gangsei (LEG), fullførte sin doktorgradsavhandling ved Norges miljø- og biovitenskapelige universitet den 24. mai 2016. I LEG sin avhandling var innarbeidelse av CT resultat som en «støttende» disseksjonsmetode en sentral del av arbeidet, dette er grundig redegjort for i artikkelen publisert i Acta Agriculturae Scandinavica, Section A - Animal Science (jmf. «Publikasjoner»). Problemstillingen initierte også de to mer teoretiske artiklene i PhD-tesen innsendt til Communucation in Statistics. Metodikken utviklet i disse artiklene har et langt større bruksområde enn prediksjon av kjøttprosent av gris. I disse artiklene ble en forventningsskjev estimator, kjent som James-Stein estimatoren, analysert for et problem med manglende data. Hvert år CT-scanner selskapet Topigs Norsvin ca. 3 500 norske hanngriser som er aktuelle å benytte i avlen. CT gir svært verdifull kunnskap for avlsarbeidet, men verdien vil øke betydelig dersom man finner en effektiv metode for identifisere ulike organer, stykningsdeler etc. i CT bildene. Atlas segmentering er en slik metode. Atlaset kan ses på som en gjennomsnittsgris. Den underliggende ideen er at man kan transformere ("skvise") de enkelte individene inn i atlaset (atlas-formen), hvor organer, stykningsdeler etc. er definert på forhånd. Dermed identifiserer man de ulike organene/ stykningsdelene i individet. Transformasjonen er en multivariat linær prediksjon, hvor de predikerte verdiene består av koordinater i atlas-rommet og forklaringsvariablene er basert på basis funksjoner av koordinatene i individ-rommene. For å konstruere atlaset, og transformasjonene, baserte vi oss på landmerker (landmarks). Dette er punkter med kjente koordinater både i atlas-rommet og i individ-rommene. Skjelettstrukturen, samt overflaten (skinnet), ble benyttet for å identifisere disse punktene. Paper IV (publisert i Computers and Electronics in Agriculture) beskriver utelukkende en algoritme for automatisk segmentering og identifisering av de største knoklene i skjelettet. Denne algoritmen er viktig for paper V (innsendt til Computers and Electronics in Agriculture) hvor vi beskriver hvordan atlaset konstrueres og benyttes til segmentering. Hele paper V er basert på standard bildeanalyse teknikker.

PIGCOMP will address challenges regarding online classification of pork and the establishment of dissection by CT as reference method. The aim is to update the fundamental premises for valuation of pork by developing a new model for classification of lean meat, fat and bone in the carcasses. It is a great challenge to improve the routines for analysis of CT pictures. Both for CT-dissection of carcasses and CT-analysis of live animals for breeding purposes, are there a need for improved and faster readings based on sound statistical analyses and as automatized as possible. Algorithms for segmentation and classification of tissue in digital pictures will be developed. The project will be a collaboration between Norwegian, Swedish and Danish partners, and th e project is also linked up to the activities in the COSTaction FAIM.Industrial end-users are well integrated in the consortium and will imidiately put the results into action. The results will have great impact on producer's, industry's and breeding comp any's economy and improvement of routines. PIGCOMP tar for seg utfordringer innen områdene online klassifisering av svineslakt og etablering og anvendelse av CT-disseksjon som referansemetode. Målet er å oppdatere grunnforutsetningene for verdisetting a v svineslakt ved å utvikle ny modell for å bestemme innholdet av kjøtt, fett og ben i slaktene. Det er en stor utfordring å forbedre analyserutinene av CT-bilder. Både til CT-disseksjon av slakt og til CT-analyse av levende dyr i avlsformål det behov for bedre og raskere avlesning basert på sunne statistiske analyser og mest mulig automatiske rutiner.Det skal derfor utvikles nye algoritmer for segmentering og klassifisering av vev i digitale bilder. Prosjektet skal gjennomføres i samarbeid med svenske og danskefagmiljøer, og bygger på aktivitetene i COSTaction FAIM. Industrien er godt integrert i konsortiet og vil sikre at resultatene raskt tas i bruk.Reultatene vil ha stor betydning for økonomien i verdikjeden.