肌内脂肪（Intramuscular Fat,IMF）含量是猪肉质评价的重要指标，但传统的测定方法成本高、耗时长，且需屠宰，难以开展大规模的测定，而计算机视觉和机器学习的日益普及，为肌内脂肪含量的活体预测提供了可能。本研究选取来自北京地区2个猪场、8个纯系及杂交组合群体的332头猪作为实验对象，屠宰后收集了相应的眼肌纵切面图片，用FoodScan近红外肉类快速分析仪测定每头猪只的肌内脂肪含量；使用图片分割模型对眼肌纵切面图片进行处理，选取处理后的311张图像及相应的肌内脂肪含量作为数据集，使用3种深度学习回归模型ResNet18、ResNet50、VGG16建立眼肌纵切面图片预测肌内脂肪含量的模型。所有个体10次5折交叉验证结果表明，ResNet18模型预测效果最佳，均方根误差和绝对误差为0.326%和0.272%，皮尔逊相关系数为0.76;ResNet50模型预测的均方根误差和绝对误差为0.338%和0.276%，皮尔逊相关系数为0.69;VGG16模型预测的均方根误差和绝对误差为0.359%和0.288%，皮尔逊相关系数为0.64。利用混合群体中的大白单一群体作为训练集，模型预测效...