Effects of pork differentiation strategies in Canada on pig performance and carcass characteristics
Notice bibliographique
Résumé
Performance and quality traits were measured in carcasses from combinations of genotype, diet supplement, slaughter weight, and carcass chilling regime. Iberian-crossed pigs had lower live animal performance than Duroc and Lacombe. From 70 to 115 kg, Lacombe pigs grew slightly faster than Duroc. Duroc carcasses had a higher lean percentage, heavier ham and picnic primals, and lighter loins and bellies, compared with Lacombe and Iberian. Heavier carcasses had lower lean yield, except those from Iberian-crossed pigs, and bigger bellies. Meat from Duroc-crossed pigs was lighter in colour and higher in marbling, with intermediate values for fat hardness. Iberian carcasses displayed dark meat with intermediate marbling and the hardest fat. Meat from Lacombe pigs was the leanest although, like in all three breeds, marbling scores were higher in heavier carcasses. Generally, supplementing with canola and flax decreased and blast chilling increased fat hardness values. Dietary canola also seemed to affect meat colour traits, but these effects were not consistent among breeds and slaughter weights. The commercial combination of Duroc breed, control diet, and 115-kg slaughter weight showed a balance in terms of performance, carcass, and quality traits. Other combinations evaluated in this study showed potential to efficiently produce differentiated pork.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».