The relationship of pork carcass weight and leanness parameters in the Ontario commercial pork industry
Notice bibliographique
Résumé
Abstract This study aimed to examine the correlation of carcass weight, fat depth, muscle depth, and predicted lean yield in commercial pigs. Data were collected on 850,819 pork carcasses from the same pork processing facility between October 2017 and September 2018. Hot carcass weight was reported following slaughter as a head-on weight; while fat and muscle depth were measured with a Destron PG-100 probe and used for the calculation of predicted lean yield based on the Canadian Lean Yield (CLY) equation [CLY (%) = 68.1863 − (0.7833 × fat depth) + (0.0689 × muscle depth) + (0.0080 × fat depth2) − (0.0002 × muscle depth2) + (0.0006 × fat depth × muscle depth)]. Descriptive statistics, regression equations including coefficients of determination, and Pearson product moment correlation coefficients (when assumptions for linearity were met) and Spearman’s rank-order correlation coefficients (when assumptions for linearity were not met) were calculated for attributes using SigmaPlot, version 11 (Systat Software, Inc., San Jose, CA). Weak positive correlation was observed between hot carcass weight and fat depth (r = 0.289; P < 0.0001), and between hot carcass weight and muscle depth (r = 0.176; P < 0.0001). Weak negative correlations were observed between hot carcass weight and predicted lean yield (r = −0.235; P < 0.0001), and between fat depth and muscle depth (r = −0.148; P < 0.0001). Upon investigation of relationships between fat depth and predicted lean yield, and between muscle depth and predicted lean yield using scatter plots, it was determined that these relationships were not linear and therefore the assumptions of Pearson product moment correlation were not met. Thus, these relationships were expressed as nonlinear functions and Spearman’s rank-order correlation coefficients were used. A strong negative correlation was observed between fat depth and predicted lean yield (r = −0.960; P < 0.0001), and a moderate positive correlation was observed between muscle depth and predicted lean yield (r = 0.406; P < 0.0001). Results from this dataset revealed that hot carcass weight was generally weakly correlated (r < |0.35|) with fat depth, muscle depth, and predicted lean yield. Therefore, it was concluded that there were no consistent weight thresholds where pigs were fatter or heavier muscled.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».