肌內脂肪 (Intramuscular Fat, IMF%)：呈現白色或乳白色的細緻紋路，如大理石花紋般分佈，而被稱為大理石花紋，是指肌肉纖維中脂肪的分佈和含量，是影響牛肉和羊肉食用體驗的關鍵因素。它在決定提升肉品的嫩度﹑多汁性﹑增加風味和口感等方面起著至關重要的作用。大理石花紋會影響牛肉的風味，並且與消費者對牛排的偏好密切相關。其中，肋眼牛排是一種以大理石花紋聞名的珍貴肉類。通常透過煎、煎鍋烤或燒烤等方法在高溫下快速烹調。

圖一﹑影像處理過程的概要說明

這項研究開發了一種利用機器學習演算法開發的大理石花紋評分預測模型，結合從牛肉切塊的數位影像中提取的顏色和紋理特徵，用於預測衣索比亞牛肉的大理石紋評分，預測模型的決定係數R²達到0.83 。透過改進預測模型，資料分析和機器學習方法的新發現使得創建更可靠、更準確的預測模型成為可能。

研究團隊針對衣索比亞三個主要牛品種進行了系統分析，並透過20位經訓練的官能品評成員進行定量描述性分析來評估牛肉特性。三個主要牛品種：一﹑博蘭牛(Boran)：原產於衣索比亞南部博蘭地區，屬於瘤牛品種（Zebu type），肉質嫩度較佳，風味濃郁，肌內脂肪分佈較均勻；二﹑森加牛(Senga)：衣索比亞本土牛種，中等體型，適應高原環境，抗病能力強，耐粗飼，肉質相對精瘦，品質穩定性較高；三﹑謝科牛(Sheko)：衣索比亞西南部特有品種，體型較小，適應熱帶氣候，具有較強的環境適應性，肉質較精瘦，脂肪含量少。

使用 XGBoost 機器學習演算法建立預測模型，該模型的主要優點之一是它由於變數重要性圖具有可解釋性。用於表徵大理石花紋的圖像特徵包括小大理石花紋數 (SMN)、小大理石花紋面積 (SMA)、大理石花紋總數 (TMN)、大理石花紋總面積 (TMA) 和大理石花紋率 (MR)，後者用 TMA 除以牛肉所佔面積計算得出。最後，以小大理石花紋數 (SMN) 除以牛肉面積計算出細度指數 (F)。

圖二、變數重要性圖顯示影像特徵對所獲得的預測效能的貢獻

品種差異分析：博蘭牛(Boran)的大理石紋評分最高(4.28±1.43和3.68±1.21)，森加牛(Senga)次之(2.88±0.69和2.83±0.98)，而謝科牛(Sheko)相對較低(2.73±1.28和2.90±1.52) 。在脂肪含量方面，博蘭牛在牛腰肉和肩胛部位的脂肪含量最高，分別為12.68%和12.40%，森加牛為11.59%和11.56%，謝科牛為11.40%和11.17% 。脂肪含量是影響肉製品風味和質地的另一個重要因素。較高的脂肪含量通常與風味和嫩度的改善以及多汁性有關。不同部位的肉以及不同動物或品種的肉的脂肪含量可能有顯著差異。例如，草飼牛肉通常比穀飼牛肉更瘦。

此研究在開發衣索比亞牛肉品種大理石紋評分預測數位化工具方面為傳統的人工肉質評級提供了客觀、快速、標準化的替代方案，有助於提高肉類分級的準確性和效率。為開發中國家的畜牧業現代化提供了重要的技術支撐，特別是在建立客觀化肉質評價系統方面有重要的實用價值和推廣前景。

參考文獻：
Erena, T., Belay, A., Hailu, D., Asefa, B. G., Geleta, M., & Deme, T. (2024). Modeling of Ethiopian beef meat marbling score using image processing for rapid meat grading. Journal of Imaging, 10(6), 130. https://doi.org/10.3390/jimaging10060130