• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Doctoral Thesis
DOI
10.11606/T.74.2016.tde-24082016-094236
Document
Author
Full name
Keni Eduardo Zanoni Nubiato
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
Pirassununga, 2016
Supervisor
Committee
Silva, Saulo da Luz e (President)
Balieiro, Júlio César de Carvalho
Bonin, Marina de Nadai
Ricardo, Helio de Almeida
Seno, Leonardo de Oliveira
Title in Portuguese
Sistema de imagem hiperespectral para classificação de características qualitativas da carne de bovinos Nelore
Keywords in Portuguese
Análise multivariada
Maciez
Maturação
pH
Qualidade de carne
Abstract in Portuguese
A classificação da carne bovina quanto as suas características qualitativas tem extrema importância para indústria frigorífica, para que haja a padronização do produto final e que este possa ser destinado à nichos de mercados específicos. Sendo assim, o emprego de técnicas que possam identificar essas características e classificá-las de forma rápida, precisa e sem destruição do produto, torna-se imprescindível. Este estudo foi desenvolvido com o objetivo de avaliar a acurácia na classificação da maciez da carne maturada por 7, 14, 21 dias ou não maturadas, além da classificação do pH e do tempo de maturação utilizando um sistema de imagem hiperespectral de bancada. O sistema de imagem hiperespectral (λ = 928-2524 nm) foi utilizado para adquirir imagens do músculo Longissimus de bovinos Nelore. As imagens foram processadas sendo selecionada a região de interesse e extraídas as informações espectrais. Todos os modelos testados foram executados utilizando espectros completos e posteriormente, foram reavaliados, utilizando espectros parciais selecionados com base nos comprimentos de onda considerados mais importantes. Os modelos com melhor desempenho obtiveram uma acurácia geral de 89,8%; 84,8% e 93,6% na classificação das amostras nos atributos maciez, maturação e pH, respectivamente. Os resultados demonstram que o sistema de imagem hiperespectral pode ser considerado uma tecnologia viável para classificação de características qualitativas da carne de bovinos Nelore.
Title in English
Hyperspectral imaging system to classify qualitative traits of Nellore cattle beef
Keywords in English
Aging
Meat quality
Multivariate analysis
pH
Tenderness
Abstract in English
The beef classification as its qualitative traits is extremely important for beef industry to provide the standardization of the commercial product and that it can be allocated to specific market. Thus, the use of techniques that can identify these traits and classify them quickly, accurately and without destroying the product, it is essential. The aim of this study was to evaluate the accuracy in the classification of the tenderness of Nellore beef aged for 7, 14, 21 days or not aged and classification of aging time and pH using a bench-top hyperspectral imaging system. A hyperspectral imaging system (λ = 928-2524 nm) was used to collect images of the Longissimus of Nellore cattle. The images were processed, being selected region of interest and extracted spectra image. All models tested were performed using full spectra and subsequently were assessed using partial spectra selected according to the wavelengths considered more important. The models with better performance achieved an overall accuracy of 89.8%; 84.8% and 93.6% in the classification of samples in the attributes tenderness, aging and pH, respectively. The results demonstrate that the hyperspectral imaging system may be considered a viable technology for beef qualitative traits classification.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
DO8437266COR.pdf (7.56 Mbytes)
Publishing Date
2016-08-25
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.