猪粮安天下,猪肉安全不仅是中华农耕文明的千年传承,也是我们迈向全面小康征途上不可或缺的“定盘星”。随着人民生活水平的不断改善,对于肉质的需求已经从温饱转向了质量层面。衡量肉质的表型标准主要有PH值、滴水、肉色、大理石纹等指标,随着研究的不断深入,肉质的研究也从宏观逐渐走向微观,从表象研究转向了细胞层面的纤维类型的研究,其可以更好的从微观层面来对肉质进行解析。然而肌纤维类型的统计需要对肌细胞切片染色后观察,为了提高显微镜下细胞计数的精准性,每个样本需要重复计数3次,每张切片在显微镜下的显微视野要重复5次,人工统计极其耗时耗力,且容易出错,极大地限制了该领域的发展。成像技术的飞速发展为肌纤维类型的计算带来了契机。基于机器学习方法构建的图像分型系统可以快速分割图像区域并统计区域面积,极其适合于肌纤维切片后不同肌细胞的识别和计数。本研究拟利用机器学习及传统图像识别算法对经ATPase染色的猪肌纤维切片进行不同纤维细胞识别和计数,为实现肌纤维切片自动化识别、分型和统计提供高度自动化和高准确度的软件和网页。其中肌纤维图片的识别分两步完成,首先是利用机器学习的方法对I型和II型肌纤维细胞进行识别,我们随机从209张肌纤维切片中取出40张,对I型和II型两种类型的细胞进行标识（前景色和背景色）并使用ilastik软件的像素分割机器学习算法进行训练,构建不同类型细胞的特征数据库。随后将剩余的169张图片通过该类数据库进行预测,从而得到I型细胞及II型细胞的数量和面积。其计算结果与人工计算数据进行对比,发现I型细胞的相关性为0.907,II型细胞识别相关性为0.9028,表明该软件对两类细胞的分类准确度极高。第二步是对II型肌纤维细胞进一步分型为IIA型细胞及IIB型细胞,由于IIA型和IIB型两类细胞在RGB色域上差异不显著,本研究将RGB色域转换至HSV色域空间后,再采用聚类算法对IIA型细胞与IIB型细胞分型,其对IIA型与IIB型细胞的识别相关性0.800和0.861,同样证明了对II型细胞分类的可靠性。本研究构建了猪ATPase染色的肌纤维切片的I型和II型细胞的特征数据库,利用该数据库可以自动对猪肌纤维切片的细胞类型和数目进行识别、计数和鉴别,其准确度高达90%。本研究还实现了对IIA型和IIB型细胞的自动识别和鉴定,识别相关性超过80%;我们将这两步的识别、计算过程自动化后,编写了一个对肌纤维自动分型和计数软件;同时,为了方便无编程背景的科研工作者使用,我们还构建了一个自动化分析的网站:http://www.jxau.edu.cn/210.35.128.207/Cellidentification/index.htm,使用者只需要上传猪ATPase染色的肌纤维切片,服务器就会自动返回不同细胞的数目,面积等结果参数。