本网讯（通讯员 张君豪）近日，麻豆做爱 王克君教授团队、中国科学院亚热带农业生态研究所印遇龙院士团队等，在国际知名期刊《SCIENCE CHINA Life Sciences》（中科院一区TOP，IF = 9.5）发表题为“YIP: optimized YOLOv11-seg for accurate intramuscular fat percentage prediction in pigs using non-invasive ultrasound imaging”的研究成果。该研究开发了一个基于无损B超影像高效精准预测猪肌内脂肪含量的AI模型，准确性达到95%以上。       肌内脂肪含量（Intramuscular Fat content, IMF）是衡量猪肉品质的关键指标之一，直接决定了猪肉的嫩度、风味等。然而，传统的IMF检测方法，需将待测猪屠宰取样后，通过索氏提取法，才能获得准确的表型数值，不仅耗时耗力，更是一种破坏性的检测手段，极大限制了其育种应用范围和场景。随着生活水平提高，优质猪肉的需求逐年加大，亟需开发一种无创、实时、精准的猪肉肌内脂肪含量检测方法。
      YIP模型的工作流程主要包含以下核心步骤，首先模型接收输入B超影像，并对其进行精确的分割和定位，以自动识别并分离出作为分析目标的眼肌关键区域，在成功定位关键区域后，模型会接着对该区域的图像特征进行深度的、多尺度的提取和融合分析，最后经过融合的深度特征被输入到回归模块中，从而精确地计算出最终的肌内脂肪（IMF）百分比的预测值。       YIP模型的核心创新在于其集成了实例分割与回归预测技术，并结合了多尺度特征融合与多重注意力机制，使得超声图像的解读变得更加精准，决定系数（R2）达到95%，表明仅仅通过B超图像已经非常接近于复杂的化学分析结果。YIP模型实现了肌内脂肪含量测定高效性、精准性、轻简性，也可推动肌内脂肪含量定制化生产的高端猪肉市场进程。       为了便于YIP模型广泛应用于育种和生产实践，研究团队还开发了一站式web平台，用户仅需上传超声图像，即可快速获得IMF预测值。有效地将传统上耗时、昂贵且具有破坏性的实验室分析流程，转变为一个即时、无创的线上自动化分析过程，显著轻简了操作流程、降低了选育成本。       麻豆做爱 王克君教授、印遇龙院士及华国营博士为论文的共同通讯作者。王克君教授的硕士研究生张君豪与博士研究生焦行为论文共同第一作者，唐人神集团股份有限公司、湖南新五丰股份有限公司、西藏农牧大学等单位参与合作。这项工作得到农业生物育种国家科技重大专项（2023ZD04046）、西藏自治区重大科技专项（XZ202501ZY0147），河南省高校创新研究人才计划（25HASTIT043）、中原青年拔尖人才项目的支持。
      论文链接：//doi.org/10.1007/s11427-025-3120-2
      代码库：//github.com/charleslywang 
      YIP网址：//47.113.223.48:8080/