来自便携式NIR光谱的回归模型用于预测肉牛的尸体特征和肉质
Nathália Veloso Trópia1, Rizielly Saraiva Reis Vilela1, Flávia Adriane de Sales Silva1
1Department of Animal Science, Universidade Federal de Viçosa, Viçosa, Minas Gerais, Brazil.
便携式近红外 (NIR) 光谱学有效地预测肉牛尸体和肉质特征. 模型准确地估计了大多数质量特征和化学成分,尽管精度各不相同,小样本大小被认为是限制.
科学领域:
- 动物科学动物科学
- 频谱学是一种光谱学.
- 食品科学 食品科学 食品科学
背景情况:
- 近红外 (NIR) 光谱为分析生物样本提供了一种快速,非破坏性的方法.
- 预测肉牛的尸体和肉质特征对于优化生产和消费者满意度至关重要.
- 评估不同牛肉组织部分的化学成分有助于了解营养价值和加工特性.
研究的目的:
- 评估便携式NIR光谱在预测肉牛的尸体和肉质特征方面的有效性.
- 确定NIR模型的准确性和精度,以估计第9至第11条肋骨部分的化学成分.
- 为了比较使用不同解剖点的NIR光谱的模型的预测性能 (长腰肌与皮下脂肪).
主要方法:
- 从60头内罗尔公牛和牛的第9至第11条肋骨部分收集了NIR光谱.
- 从两个点获得光谱:长长肌的中心 (P1) 和皮下脂肪盖 (P2).
- 开发了统计模型来预测各种尸体特征,肉质参数和化学成分 (例如干物质,提取物,原始蛋白质).
主要成果:
- 模型准确地估计了大多数尸体和肉质特征,高精度观察到pHu,12号肋骨脂肪和性 (P1),以及12号肋骨脂肪,a*和b* (P2).
- 精确估计了肉类,脂肪,骨和复合物分量的化学成分,特别是干物质和骨的提取物 (P1),以及提取物,矿物质和肉类加脂肪加骨的原始蛋白质 (P2).
- 对于某些特征的预测准确性 (例如,红色/黄色强度,P2的第12条肋骨脂肪和骨的提取物/原始蛋白质) 显示出局限性,模型的准确性各不相同.
结论:
- 便携式NIR光谱是一种可行的工具,用于预测肉牛的尸体和肌肉质量特征.
- 使用来自第9至第11条肋骨部分不同点的NIR光谱的模型可以准确地预测化学成分.
- 建议使用更大的样本大小进行进一步研究,以提高模型的稳定性和扩大预测能力.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
07:46Author Spotlight: Improving Beef Cattle Nutrition and Production with a Focus on Feed Efficiency and Meat Quality Traits Through Advanced Biochemical and Molecular Assays
Published on: July 12, 2024
相关概念视频
Pedigree Analysis
Regression Toward the Mean
NMR Spectrometers: Overview
NMR Spectrometers: Resolution and Error Correction
Regression Analysis
In regression analysis, a regression equation is determined based on the line of best fit– a line that best fits the data points plotted in a graph. This line is also called the regression line. The algebraic equation for the regression line is called the regression equation. It is represented as:
Mechanistic Models: Compartment Models in Individual and Population Analysis
