使用脂肪厚度和长胸部特征实时超声波测量Black Belly羊羔,通过多响应多变量自适应回归splines算法预测尸体组织组成
Germani Adrián Muñoz-Osorio1, Cem Tırınk2, Thobela Louis Tyasi3
1División Académica de Ciencias Agropecuarias, Universidad Juárez Autónoma de Tabasco, Carr, Villahermosa-Teapa, km 25, Villahermosa CP 86280, Tabasco, Mexico.
Meat science
|October 19, 2023
概括
这项研究使用实时超声波测量 (USM) 和多变量自适应回归线 (MARS) 来估计黑腹羊羔的尸体组织组成. 寒冷的尸体重量和皮下脂肪厚度是总体尸体脂肪,骨和肌肉的关键预测因素.
科学领域:
- 动物科学动物科学
- 量化遗传学 量化遗传学
- 农业工程 农业工程
背景情况:
- 准确估计尸体组织成分对于畜牧业的评估和管理至关重要.
- 实时超声波测量 (USM) 提供了一种非侵入性方法,用于评估活动物的尸体特征.
- 多变量自适应回归线 (MARS) 是一种先进的统计技术,能够建模复杂的关系.
研究的目的:
- 为了估计黑腹羊羔的尸体组织组成 (总体尸体脂肪,骨和肌肉).
- 评估实时超声波测量 (USM) 对预测尸体成分的有效性.
- 应用多响应MARS算法来准确估计尸体组成.
主要方法:
- 在屠宰前24小时,用USM测量了60只黑腹羊羔的皮下脂肪厚度 (SFT),脏脂肪厚度 (KFT) 和长胸部 (LT) 特性 (深度,宽度,面积).
- 尸体和非尸体部件被记录在屠宰后.
- 采用多响应MARS算法来建模USM数据与尸体组织组成之间的关系.
主要成果:
- 尸体组成部分 (尸体的总肌肉,骨头,脂肪) 与活体动物/超声波测量之间的相关性各不相同 (P < 0.01).
- 冷尸体重量 (CCW) 和SFT是预测尸体组成最有影响力的变量.
- LT深度 (LTD) 和LT肌面积 (LTMA) 显示出预测能力最低.
结论:
- 多响应MARS算法提供了一种准确和有效的方法来估计黑腹羊羔的总体尸体脂肪,骨和肌肉.
- USM,特别是CCW和SFT,是用于非侵入性尸体组成预测的有价值的工具.
- 这项研究证明了先进的统计建模在牲畜尸体评估中的实用性.
