MyoVision: Smartphone-gestützte Echtzeit-Erkennung von Hühnerbrust‑Myopathien

Die Qualität von Geflügelfleisch wird stark durch Myopathien wie Woody Breast (WB) und Spaghetti Meat (SM) beeinträchtigt. Traditionelle Diagnoseverfahren sind entweder subjektiv oder erfordern teure Laborausrüstung. Mit MyoVision wird ein kostengünstiges, zerstörungsfreies Klassifikationssystem für Smartphones entwickelt, das in Echtzeit die drei Zustände Normal, Woody Breast und Spaghetti Meat unterscheiden kann.

Das System nutzt eine mobile Transillumination, bei der 14‑Bit‑RAW‑Bilder aufgenommen und strukturierte Texturmerkmale extrahiert werden, die auf innere Gewebeabnormalitäten hinweisen. Für die Klassifikation wurde ein NEATBoost‑Attention‑Ensemble‑Modell eingesetzt, das die Stärken von LightGBM und attention‑basierten MLP‑Netzen kombiniert. Durch NeuroEvolution of Augmenting Topologies (NEAT) werden Hyperparameter automatisch optimiert, wodurch manuelle Feinabstimmung entfällt und die Modellarchitektur für kleine tabellarische Datensätze diversifiziert wird.

In einer Studie mit 336 Hühnerbruststücken aus einer kommerziellen Verarbeitungsanlage erreichte MyoVision eine Testgenauigkeit von 82,4 % (F1‑Score 0,83). Damit übertrifft es herkömmliche Machine‑Learning‑ und Deep‑Learning‑Ansätze und erreicht gleichzeitig die Leistung von hochpreisigen hyperspektralen Bildgebungssystemen. Darüber hinaus liefert MyoVision einen reproduzierbaren RGB‑D‑Aufnahme‑Workflow, der die Skalierbarkeit der internen Gewebeanalyse mit Konsumenten‑Hardware ermöglicht.