Predicting lean meat yield in beef cattle using ultrasonic muscle depth and width measurements
Notice bibliographique
Résumé
The value of live ultrasound longissimus dorsi depth and width measurements as predictors of estimated carcass lean meat yield of steers (CARLEAN-S) and bulls (CARLEAN-B) was studied. In trial 1, equations were developed to predict estimated lean meat yield of steers (n = 116) from carcass weight (Eq. 1) or liveweight (Eq. 2), fat depth and l. dorsi area or liveweight, fat depth and l. dorsi depth × width (Eq. 3). Equation 1 was most precise (RSD = 25.6 g kg-1), followed by Eq. 2 (RSD = 27.8g kg-1) and Eq. 3 (RSD = 30.2g kg-1). Equations 2 and 3 predicted CARLEAN-S with similar accuracy (SEP = 23.8 vs. 24.9 g kg-1, respectively) and were highly correlated with each other (r = 0.89) in an independent data set (n = 118). Repeatability and accuracy of pre-slaughter l. dorsi depth and width measurements were studied in yearling bulls (trial 2; n = 191). When ultrasound measurements were expressed as a percentage of the average ultrasound measurement, repeatabilities of l. dorsi depth (SER = 6.2 to 7.8%) and width (SER = 4.2 to 6.1%) measurements were similar to fat depth and l. dorsi area measurements (SER = 17.9 and 4.5%, respectively). When ultrasound measurements were compared to the corresponding carcass measurements, l. dorsi depth (SEP = 10.3 to 13.9%) and width (SEP = 6.7 to 8.5%) measurements were as accurate as fat depth and l. dorsi area measurements (SEP = 32.9 and 8.4%, respectively). Equations were developed to predict CARLEAN-B of yearling bulls (n = 82) from liveweight, 12th rib ultrasound fat depth and either l. dorsi depth × width measurements (Eqs. 4 and 5) or two l. dorsi depth measurements (Eq. 6). All equations had similar precision (RSD = 19.4 to 19.5 g kg-1) and predicted CARLEAN-B similarly (SEP = 25.0, 24.6 and 26.1g kg-1 for Eqs. 4, 5 and 6, respectively) in an independent data set (n = 109). All equations were highly correlated (r ≥0.97) with an equation using ultrasound fat depth and l. dorsi area in the independent data set. Longissimus muscle depth and width measurements were as valuable as l. dorsi area for predicting carcass composition of yearling beef bulls in the present study. Key words: Ultrasound, beef cattle, carcass traits
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».