Exportar registro bibliográfico

Avaliação da qualidade da carne bovina utilizando imagem hiperespectral no infravermelho próximo (2017)

  • Authors:
  • USP affiliated authors: BALAGE, JULIANA MONTEIRO - FZEA
  • Unidades: FZEA
  • Sigla do Departamento: ZAZ
  • Subjects: CARNES E DERIVADOS; ESPECTROSCOPIA INFRAVERMELHA; ANÁLISE DISCRIMINANTE
  • Keywords: Distribution maps; Maciez; Mapas de distribuição; NIR; NIR; PLS-DA; PLS-DA; Tenderness
  • Language: Português
  • Abstract: Cada vez mais, a indústria requer métodos em tempo real para o controle de qualidade da carne fresca, a fim de melhorar a eficiência produtiva, garantir homogeneidade dos produtos e atender expectativas do consumidor. No presente trabalho, a imagem hiperespectral foi empregada para avaliação da qualidade da carne de bovinos Nelore com ênfase para a maciez e características relacionadas, e, ainda, a construção de mapas de distribuição das características para observação da variabilidade dessas entre e dentro de amostras. Para investigar se o uso de diferentes grupos musculares aumenta a variabilidade dos valores de referência, promovendo melhora nos modelos de predição e classificação da maciez, foram utilizadas amostras do músculo Longissimus(94) e B. femoris (94) de bovinos Nelore. Para investigar se a seleção da região de interesse (ROI) na imagem no exato local onde foi coletado o cilindro para determinação da força de cisalhamento melhora os modelos de predição e classificação da maciez, foram utilizadas amostras do músculo Longissimus (50). Após a aquisição da imagem (1.000 - 2.500 nm), cada amostra foi avaliada seguindo metodologia tradicional para força de cisalhamento, matéria seca, proteína bruta, lipídios e comprimento de sarcômero. Os dados espectrais e espaciais foram analisados por técnicas quimiométricas e modelos PLSR e PLS-DA foram construídos. Em relação à abordagem com diferentes músculos, os dados foram modelados separadamente para evitar que fenômenosdevidos às diferenças musculares fossem equivocadamente atribuídos às características investigadas. Ainda assim, amostras de Longissimus com maciez inaceitável foram classificadas com sensibilidade = 87% e amostras macias de B. femoris com sensibilidade = 90%, ambas na validação externa. Com relação à forma de seleção da ROI, os modelos de classificação utilizando ROI local apresentaram melhor desempenho do que os modelos com ROI de toda a amostra (sensibilidade na validação externa para a classe dura = 33% e 70%, respectivamente). Entretanto, o modelo mais geral tem desempenho melhor na construção de mapas de distribuição da maciez, com de 72% das imagens preditas corretamente classificadas
  • Imprenta:
  • Data da defesa: 14.11.2017

  • How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      BALAGE, Juliana Monteiro; SILVA, Saulo da Luz e. Avaliação da qualidade da carne bovina utilizando imagem hiperespectral no infravermelho próximo. 2017.Universidade de São Paulo, Pirassununga, 2017. Disponível em: < http://www.teses.usp.br/teses/disponiveis/74/74131/tde-23022018-092054/ >.
    • APA

      Balage, J. M., & Silva, S. da L. e. (2017). Avaliação da qualidade da carne bovina utilizando imagem hiperespectral no infravermelho próximo. Universidade de São Paulo, Pirassununga. Recuperado de http://www.teses.usp.br/teses/disponiveis/74/74131/tde-23022018-092054/
    • NLM

      Balage JM, Silva S da L e. Avaliação da qualidade da carne bovina utilizando imagem hiperespectral no infravermelho próximo [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/74/74131/tde-23022018-092054/
    • Vancouver

      Balage JM, Silva S da L e. Avaliação da qualidade da carne bovina utilizando imagem hiperespectral no infravermelho próximo [Internet]. 2017 ;Available from: http://www.teses.usp.br/teses/disponiveis/74/74131/tde-23022018-092054/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2020