Validação de instrumento de medida de composição de carcaça, composição tecidual de cortes comerciais e qualidade de carne a partir de vídeo image analisys de carcaças de cordeiros.

CNPQ

Objetivou-se com este trabalho investigar se a Vídeo Image Analisys (VIA) de carcaças resfriadas, fornecem uma descrição consistente da qualidade de carne, considerando ainda as composições teciduais da carcaça e dos cortes comerciais. Informações de 67 carcaças frias de cordeiros machos castrados foram submetidas à correlação canônica regularizada generalizada (RGCCA) e à modelagem de equações estruturais via modelagem de quadrados mínimos parciais – modelagem de caminho (PLS-PM), avaliando blocos de variáveis manifestas (VM) de: forma da carcaça (SHAPE), qualidade da carne (QUALI_MEAT), composição tecidual da carcaça (TISSUE_CARCASS) e dos cortes comerciais (TISSUE_PRIMALCUTS); sendo cada bloco tratado como variável latente (VL). Foram avaliados três modelos teóricos que divergiam quanto a obtenção dos caracteres de forma: por morfometria (SHAPE_MPH) e por VIA (SHAPE_VIA1 e SHAPE_VIA2). Os modelos foram capazes de predizer características de qualidade de carne somente nos aspectos de cocção e força de cisalhamento. Todos os modelos atenderam aos critérios de validade convergente, confiabilidade composta, validade discriminante, validade preditiva e tamanho dos efeitos, mostrando altas acurácias na predição das VL’s, especialmente de QUALI_MEAT: 0,77; 0,82 e 0,78, em SHAPE_MPH, SHAPE_VIA1 e SHAPE_VIA2, respectivamente. Os modelos de VIA promoveram maiores coeficientes de determinação que a avaliação da morfometria da carcaça in situ (SHAPE_MPH), exceto para TISSUE_PRIMALCUTS. Os coeficientes de caminho da relação SHAPEQUALI_MEAT não foram significativos para todos os modelos. SHAPE_MPH e SHAPE_VIA1 foram considerados adequados e validados pelos procedimentos de qualidade de ajustes para modelagem de equações estruturais. O modelo SHAPE_VIA1 demonstrou correlações positivas e altas entre as VL’s: SHAPE_VIA1 e TISSUE_CARCASS (r =0,88), SHAPE_VIA1 e TISSUE_PRIMALCUTS (r = 0,81) e TISSUE_CARCASS e TISSUE_PRIMALCUTS (r = 0,81); e altamente negativas 6 entre QUALI_MEAT e TISSUE_PRIMAL CUTS (r = -0,86), QUALI_MEAT e TISSUE_CARCASS (r = -0,87). Altos escores de SHAPE_VIA1, TISSUE_CARCASS e TISSUE_PRIMAL CUTS representam, individualmente: carcaça ampla, maciça e circular; carcaça pesada com grande porção comestível, conformação e acabamento superiores; maior peso e porção comestível de cortes comerciais; respectivamente. Menores escores para QUALI_MEAT correspondem a carne suculenta e macia. Foi realizada uma Análise de Agrupamento Latente a partir das pontuações das VL’s, formando quatro clusters, onde o Cluster 1 (N=19) foi o que apresentou maiores escores de SHAPE_VIA1, TISSUE_CARCASS, TISSUE_PRIMALCUTS e menores escores para QUALI_MEAT e; Cluster 4 (N=15) – grupos com os menores escores de SHAPE_VIA1, TISSUE_CARCASS, TISSUE_PRIMALCUTS e maiores escores para QUALI_MEAT. Os Clusters 2 (N=17) e 3 (N=16) foram os grupos com escores intermediários para todas as VL’s. O instrumento proposto e validado permitiu, por meio dos perfis geométricos obtidos por processamento de imagem, obter associações mais eficientes com características quantitativas, teciduais e qualitativas da carcaça, demonstrando inter-relações entre os grupos de descritores de forma e composição, permitindo, por meio dos escores de variáveis latentes, estabelecer categorias para classificação de carcaça. Dessa forma, apresenta-se como uma metodologia consistente para ser incorporada em sistemas de visão computacional capazes de operacionalizar tais mensurações na imagem da carcaça de forma instantânea, fornecendo categorias de interesse à cadeia produtiva da ovinocultura de corte.

The mean of the paper it was investigate if the vídeo image analisys (VIA) from cold carcass, provide a consistent description of the meat quality, whereas conposition tissues from carcass and primal cuts. Information of 67 cold carcass from lambs male nesteres was submited on the regularized generalizeted canonical correlation (RGCCA) and the structural modeling equation by PLS-PM, assessing blocks of the manifest variables (MV’s) of: SHAPE from carcass (SHAPE), meat quality (QUALI_MEAT), tissue carcass composition (TISSUE_CARCASS), and the primal cuts (TISSUE_PRIMALCUTS), where it block was trated by a latent variable (LV’s). The teoric models diverged from the getting of the form characthers: by morphometric (SHAPE_MPH) and By VIA (SHAPE_VIA1 and SHAPE_VIA2). The models it was availabels to predict the of characteristic of the loss cooking and the Shearing force. All the models attended the criterion of convergente validity, composite realibity, predictivy validity and size of effect, demostrating high aacuracy on the prediction of the LV’s specialy of the QUALI_MEAT: 0.77, 0.82 and 0.78, and SHAPE_MPH, SHAPE_VIA1 and SHAPE_VIA2 respectivily. The models of VIA promoted biggers coeficientes of determination from the morphometric avaliation on the carcass in situ, except for the TISSUE_PRIMACUTS. The path coeficientes of the relation Shape relation SHAPEQUALI_MEAT, were not significantily for the models SHAPE_MPH AND SHAPE_VIA1 was considerated suitable and validated by the procedures of quality of adjustment for the structural equation modelation. The model SHAPE_VIA1 demostrated positive and high correlation between the LV’s: SHAPE_VIA1 and the TISSUE_CARCASS (r = 0.88), SHAPE_VIA1 and TISSUE_PRIMALCUTS (r= 0.81) and negative batween QUALI_MEAT and TISSUE_PRIMALCUTS (r=-0.86), QUALI_MEAT and TISSUE_CARCASS (r=-0.87), represented meat and fatness, greater weight and edible portion of comercial cuts, respctively. Lower scores for QUALI_MEAT corresponding to juicy and tender meat. A latente grouping analisys was performed from the LV’s scores, forming four cluster, where cluster 1 presented the higher scores of SHAPE_VIA1, TISSUE_CARCASS, TISSUE_PRIMALCUTS and lower scores for QUALI_MEAT. Cluster 4 groups with the lower scores of SHAPE_VIA1, TISSUE_CARCASS, TISSUE_PRIMALCUTS and higher scores for QUALI_MEAT. Cluster 2 and 3 where the groups with intermediate scores for all LV’s. The proposed and validated instrument allowed, through the geometric profiles obtained by image processing, to obtain more efficient associations with quantitative, tissue and qualitative characteristics of the carcass, 33 demonstrating interrelations between the groups of descriptors of form and composition, allowing, through the latent variable scores, establish categories for carcass classification. Thus, it is presented as a consistent methodology to be incorporated into computer vision systems capable of operationalizing such measurements in the carcass image in an instantaneous way, providing categories of interest to the production chain of the cutting sheep.