猪肉作为我国居民的首选肉类食品,其品质一直是生猪养殖、屠宰以及食品加工行业最为关心的问题。目前公认的猪肉品质评价指标有猪胴体中瘦肉率、肌内脂肪含量。CT技术作为一种有效的无损检测技术在猪胴体组成检测方面具有广阔的应用前景。随着深度学习的快速发展,将深度学习技术结合CT无损检测技术实现猪胴体组成的测定成为一个研究热点。本文尝试将卷积神经网络应用于猪胴体组成测定,提出了一种结合Inception模块和MSVR算法的卷积神经网络预测模型。本文的具体工作如下:(1)实验数据的获取和处理。为构建完整的用于猪胴体组成测定的CT图像数据集,首先采集了体重在20-50kg之间的活体公猪CT图像数据以及对应的标签数据(猪胴体肌内脂肪含量和瘦肉率)。为了便于后续模型的训练与学习,对原始CT图像进行了数据预处理,包括格式转换、图像去噪和图像数据增强。(2)基于CNN的猪胴体组成预测模型的构建。利用卷积神经网络自动提取图像特征的特点,基于传统CNN构建了4种不同深度的CNN模型,通过在已构建的数据集上进行实验,验证了利用卷积神经网络在CT图像上预测猪胴体组成的可行性。(3)结合Inception模块和MSVR算法的CNN优化模型。改进了传统CNN的网络结构,将网络中部分卷积层改进为Inception模块,从而加深加宽网络模型的结构。并且结合MSVR算法同时对肌内脂肪含量和瘦肉率进行回归预测。将优化的CNN模型作为特征提取器,并结合MSVR建模,不仅提高了两种猪胴体组成预测的准确度,而且实现了预测结果的多维输出。