Matematiske modeller i svineindustrien

Matematiske modeller benyttes til å predikere kjøttprosenten i griseslakt, og modeller for vevsgjenkjenning basert på CT-bilder er et nyttig redskap i arbeidet med avl og god dyrehelse.

Matematiske modeller i svineindustrien

Lars Erik Gangsei disputerer 24. mai 2016 for graden ph.d. ved NMBU – Norges miljø- og biovitenskapelige universitet med avhandlingen «Linear Multiresponse Models - Theoretical Developments and Applications in Porcine».

I doktorgradsarbeidet sitt har Lars Erik Gangsei jobbet med modeller som skal brukes i svineindustrien. God dataanalyse er viktig for mattrygghet, dyrehelse, avlsfremgang og effektiv produksjon.

Formålet med arbeidet har vært todelt:
Et mål var å finne en metode som reduserer prediksjonsfeilen for kjøttprosenten i griseslakt ved norske slakterier.

Det andre målet var å utarbeide automatiske metoder for å gjenkjenne ulike typer vev både i levende griser og slakt ved hjelp av Computed Tomography (CT).

Redusere prediksjonsfeil
Gangsei har arbeidet med å finne metodikk som kan redusere prediksjonsfeil i multirespons lineære modeller. Med utgangspunkt i praktiske problemstillinger fra svineproduksjonen, har han utviklet en metode som kan beregne kjøttprosenten mer nøyaktig.

Virtuell segmentering av levende griser
Selskapet Topigs Norsvin CT-skanner hvert år omlag 3 500 norske hanngriser som kan være aktuelle i avlen. Dette gir verdifull kunnskap til bruk i avlsarbeidet, men verdien vil øke betydelig dersom det er mulig å finne en effektiv metode for å identifisere ulike organer og stykningsdeler i CT-bildene. Atlassegmentering er en slik metode hvor atlaset kan betraktes som en gjennomsnittsgris. Den underliggende ideen er at de enkelte individene kan transformeres («skvises») inn i atlaset, hvor organer og stykningsdeler er definert på forhånd. Dermed identifiseres de ulike delene i individet.

Under konstruksjon av atlaset, og transformasjonene, ble det benyttet «landmerker». Dette er punkter med kjente koordinater både i atlasrommet og i individrommene. Skjelettstrukturen og overflaten (huden) ble benyttet for å identifisere disse punktene.

Både metoden for å redusere prediksjonsfeil i kjøttprosenten og den virtuelle segmenteringen er utarbeidet på generelt grunnlag og kan derfor ha bruksområder også utenfor kjøttindustrien.

Published 31. oktober 2016 - 18:10 - Updated 23. mai 2017 - 19:13