Carcass Weight, Meat Yield and Meat Cuts From Arado, Boran, Barka, Raya Cattle Breeds in Ethiopia
Notice bibliographique
Résumé
This study was conducted with the objective to evaluate carcass weight, meat yield and primal meat cuts of beef from Arado, Boran, Barka, Raya and nondescript cattle breeds slaughtered at export abattoirs in Ethiopia. Data was collected from Abergelle and Melgawendo export abattoirs in 2011. The result of the study revealed that the average live weight, warm carcass weight, cold carcass weight and warm dressing percentage of cattle slaughtered at the abattoirs studied were 241.41±0.37 kg, 106.93±0.21 kg, 101.19±0.18 kg and 44.21±0.05%, respectively. Live weight, carcass weight and dressing percentage were differ (P < 0.001) between abattoirs, seasons and breeds of cattle slaughtered. Average meat yield and yield percentage of cattle slaughtered at Abergelle abattoir was 61.56±0.94 kg and 67.81±0.33%, respectively. Meat yield and weight of primal meat cuts were different (P < 0.001) between breeds of cattle. Yield percentage was significantly (p < 0.05) different between seasons. Retailed meat yield was significantly predicted (R2 = 88.1%) from slaughter weights, Topside (R2 = 77.86), Silverside (75.64), Knuckle (R2 = 70.13), Striploin (R2 = 70.73), Tenderloin (R2 = 61.33), Shank (R2 = 64.55) and Rumpcap (R2 = 64.48). From the study it was concluded that Boran cattle was better in dressing percentage compared to most cattle breeds in Africa while the dressing percentage and meat yield of Arado, Barka and Raya breeds were less than the percent and yield reported for other zebu cattle in Africa. A strategy should be devised to improve the carcass weight, dressing percentage and retail able meat yield from local cattle in Ethiopia.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».