Predicting loin-eye area from ultrasound and grading probe measurements of fat and muscle depths in pork carcasses
Notice bibliographique
Résumé
The mathematical relationships between loin-eye area (m. longissimus thoracis) and linear measurements of fat and muscle depth were studied on digitalized images from 250 hog loins cut between the 3rd- and 4th-last ribs. Depth measurements were collected using (1) an Ultrascan 50 ultrasound system on immobilized, live animals, (2) a Hennessy grading probe on hanging carcasses under normal slaughtering conditions and (3) image analysis on digitalized images of chops separated between the 3rd- and 4th-last ribs. Loin-eye area was accurately predicted by its depth when the measurement was performed on digitalized images (R2 > 0.86; RSD < 1.87 cm2). The accuracy of the relationship between loin-eye area and muscle depth was reduced using ultrasound (R2 = 0.58, RSD = 3.29 cm2) or the probe (R2 = 0.29, RSD = 4.28 cm2) due to measurement errors on muscle depth. Muscle flatness, the perimeter irregularity or its angle in relation to the midline did not improve prediction accuracy. Consequently, muscle depth as measured by the Ultrascan 50 ultrasound system should be used with caution to predict loin-eye area since the measurement is only moderately accurate. Measurements obtained with the Hennessy probe under normal slaughtering conditions are not recommended for predicting loin-eye area in pork carcasses. Key words: Pork, backfat, muscle depth, loin-area, ultrasound, prediction
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».