超音波画像を入力する多入力畳み込みニューラルネットワークによる生体牛の脂肪交雑基準の推定

専門家が牛の脂肪交雑を判断するときに注目する、ロース部・腸肋筋部・肩部の超音波画像を利用します。複数部位の情報を多入力の畳み込みニューラルネットワークに取り込み、生体牛の脂肪交雑基準を推定します。

牛肉に細かく入り込んだ脂肪は「サシ」と呼ばれ、その入り方は肉の価値に関わります。本研究では、牛が生きている段階で撮影した超音波画像から、サシの程度を表す牛脂肪交雑基準（BMS）を推定する方法を調べます。超音波画像は、体の内部の様子を画像として見るためのものです。

まず、専門家がどこを見てBMSを判断しているかを現地で調べました。その結果、ロース部、腸肋筋部、肩部など、複数の部位の超音波画像を見ていることが分かりました。そこで、一つの部位だけを見るのではなく、これらの画像をまとめて扱う学習モデルを作りました。

このモデルには、画像の模様などを学習するニューラルネットワークを使っています。複数部位の情報を組み合わせる仕組みに、専門家の見方を取り入れた形です。実験では、この方法でBMSを高い精度で推定できることを示しました。

• Toshiki Katayama, Hirohumi Kawada, Masashi Nishiyama, Yoshio Iwai,
  Estimation of beef marbling standard for live cattle using multi-input convolutional neural network with ultrasound images, Proceedings of 15th International Conference on Quality Control by Artificial Vision (QCAV), GT3-9, Vol. 11794, pp. 309 - 316, May 2021. [Short movie]