Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMT |
Texto Completo: | http://ri.ufmt.br/handle/1/4860 |
Resumo: | Although there is a demand for lean meat, this does not outweigh the importance of fat coverage in its function of preserving the organoleptic characteristics of the meat during the cooling process. Structural changes and biochemical processes that take place in the first 24 hours after death directly impact meat quality, and subcutaneous fat coverage minimizes this impact, adding value to the final product. However, the evaluation methods classify the carcasses according to the quality of finish, not the percentage of the carcass protected by the fat coating. The aim of this study was to evaluate computer vision methods to estimate fat coverage in bovine carcasses, in addition to verifying the relationship of fat coverage with the SEUROP classification system. A real-time video processing routine was proposed to calculate the percentage of subcutaneous fat coverage. The method was able to map the regions of the carcass covered with fat with 98% accuracy. The ratings showed low correlation with the percentage of fat coverage ( 2 = 0.3 for the refrigerator system and 2 = 0.6 SEUROP system), there was also low agreement between the assessments of the four experts (Kappa < 0.3). Finally, a deep learning model was proposed to carry out the classification of the slaughterhouse, a model showing 82% accuracy. |
id |
UFMT_e3aa380c4358803b2fc54fcc86aa39e0 |
---|---|
oai_identifier_str |
oai:localhost:1/4860 |
network_acronym_str |
UFMT |
network_name_str |
Repositório Institucional da UFMT |
repository_id_str |
|
spelling |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacionalAcabamentoAutomaçãoProcessamento de imagemCNPQ::CIENCIAS AGRARIAS::ZOOTECNIACow finishingAutomationImage processingAlthough there is a demand for lean meat, this does not outweigh the importance of fat coverage in its function of preserving the organoleptic characteristics of the meat during the cooling process. Structural changes and biochemical processes that take place in the first 24 hours after death directly impact meat quality, and subcutaneous fat coverage minimizes this impact, adding value to the final product. However, the evaluation methods classify the carcasses according to the quality of finish, not the percentage of the carcass protected by the fat coating. The aim of this study was to evaluate computer vision methods to estimate fat coverage in bovine carcasses, in addition to verifying the relationship of fat coverage with the SEUROP classification system. A real-time video processing routine was proposed to calculate the percentage of subcutaneous fat coverage. The method was able to map the regions of the carcass covered with fat with 98% accuracy. The ratings showed low correlation with the percentage of fat coverage ( 2 = 0.3 for the refrigerator system and 2 = 0.6 SEUROP system), there was also low agreement between the assessments of the four experts (Kappa < 0.3). Finally, a deep learning model was proposed to carry out the classification of the slaughterhouse, a model showing 82% accuracy.CAPESEmbora haja procura por carne magra, essa não se sobrepõe à importância da cobertura de gordura em sua função de preservar as características organolépticas da carne durante o processo de resfriamento. Mudanças estruturais e processos bioquímicos que acontecem nas primeiras 24h post morte impactam diretamente a qualidade da carne, e a cobertura de gordura subcutânea minimiza esse impacto, agregando valor ao produto final. Porém, os métodos de avaliação classificam as carcaças de acordo a qualidade de acabamento, não quanto ao percentual da carcaça protegida pela cobertura de gordura. O objetivo deste estudo foi avaliar métodos de visão computacional para estimar a cobertura de gordura em carcaças bovinas, além de verificar a relação da cobertura de gordura com o sistema de classificação SEUROP. Uma rotina de processamento de vídeo em tempo real foi proposta para calcular o percentual de cobertura de gordura subcutânea. O método conseguiu mapear as regiões da carcaça coberta com gordura com 98% de precisão. As classificações apresentaram baixa correlação com o percentual de cobertura de gordura ( 2 = 0,3 para o sistema do frigorífico e 2 = 0,6 sistema SEUROP), também houve baixa concordância entre as avaliações dos quatros especialistas (Kappa < 0,3). Por fim, foi proposto um modelo de deep learning para realizar a classificação do frigorífico, modelo apresentou 82% de acurácia.Universidade Federal de Mato GrossoBrasilInstituto de Ciências Agrárias e Ambientais (ICAA) – SinopUFMT CUS - SinopPrograma de Pós-Graduação em ZootecniaLopes, Luciano BastosVendrusculo, Laurimar Gonçalveshttp://lattes.cnpq.br/6825200019787340http://lattes.cnpq.br/4107784280848162Lopes, Luciano Bastos024.455.896-57http://lattes.cnpq.br/4107784280848162Moreira, Paulo Sergio Andrade120.171.238-82http://lattes.cnpq.br/6464516594642961024.455.896-57607.932.956-53Polizel Neto, Angelo996.516.371-53http://lattes.cnpq.br/3009522414978130Vendrusculo, Laurimar Gonçalves607.932.956-53http://lattes.cnpq.br/6825200019787340Santos, Elton Fernandes dos2023-11-23T13:19:01Z2021-08-242023-11-23T13:19:01Z2021-07-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSANTOS, Elton Fernandes dos. Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional. 2021. 46 f. Dissertação (Mestrado em Zootecnia) - Universidade Federal de Mato Grosso, Campus Universitário de Sinop, Instituto de Ciências Agrárias e Ambientais, Sinop, 2021.http://ri.ufmt.br/handle/1/4860porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMTinstname:Universidade Federal de Mato Grosso (UFMT)instacron:UFMT2023-11-28T06:01:32Zoai:localhost:1/4860Repositório InstitucionalPUBhttp://ri.ufmt.br/oai/requestjordanbiblio@gmail.comopendoar:2023-11-28T06:01:32Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT)false |
dc.title.none.fl_str_mv |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
title |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
spellingShingle |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional Santos, Elton Fernandes dos Acabamento Automação Processamento de imagem CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA Cow finishing Automation Image processing |
title_short |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
title_full |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
title_fullStr |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
title_full_unstemmed |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
title_sort |
Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional |
author |
Santos, Elton Fernandes dos |
author_facet |
Santos, Elton Fernandes dos |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lopes, Luciano Bastos Vendrusculo, Laurimar Gonçalves http://lattes.cnpq.br/6825200019787340 http://lattes.cnpq.br/4107784280848162 Lopes, Luciano Bastos 024.455.896-57 http://lattes.cnpq.br/4107784280848162 Moreira, Paulo Sergio Andrade 120.171.238-82 http://lattes.cnpq.br/6464516594642961 024.455.896-57 607.932.956-53 Polizel Neto, Angelo 996.516.371-53 http://lattes.cnpq.br/3009522414978130 Vendrusculo, Laurimar Gonçalves 607.932.956-53 http://lattes.cnpq.br/6825200019787340 |
dc.contributor.author.fl_str_mv |
Santos, Elton Fernandes dos |
dc.subject.por.fl_str_mv |
Acabamento Automação Processamento de imagem CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA Cow finishing Automation Image processing |
topic |
Acabamento Automação Processamento de imagem CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA Cow finishing Automation Image processing |
description |
Although there is a demand for lean meat, this does not outweigh the importance of fat coverage in its function of preserving the organoleptic characteristics of the meat during the cooling process. Structural changes and biochemical processes that take place in the first 24 hours after death directly impact meat quality, and subcutaneous fat coverage minimizes this impact, adding value to the final product. However, the evaluation methods classify the carcasses according to the quality of finish, not the percentage of the carcass protected by the fat coating. The aim of this study was to evaluate computer vision methods to estimate fat coverage in bovine carcasses, in addition to verifying the relationship of fat coverage with the SEUROP classification system. A real-time video processing routine was proposed to calculate the percentage of subcutaneous fat coverage. The method was able to map the regions of the carcass covered with fat with 98% accuracy. The ratings showed low correlation with the percentage of fat coverage ( 2 = 0.3 for the refrigerator system and 2 = 0.6 SEUROP system), there was also low agreement between the assessments of the four experts (Kappa < 0.3). Finally, a deep learning model was proposed to carry out the classification of the slaughterhouse, a model showing 82% accuracy. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-08-24 2021-07-20 2023-11-23T13:19:01Z 2023-11-23T13:19:01Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
SANTOS, Elton Fernandes dos. Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional. 2021. 46 f. Dissertação (Mestrado em Zootecnia) - Universidade Federal de Mato Grosso, Campus Universitário de Sinop, Instituto de Ciências Agrárias e Ambientais, Sinop, 2021. http://ri.ufmt.br/handle/1/4860 |
identifier_str_mv |
SANTOS, Elton Fernandes dos. Avaliação da cobertura de gordura de novilhas e vacas usando visão computacional. 2021. 46 f. Dissertação (Mestrado em Zootecnia) - Universidade Federal de Mato Grosso, Campus Universitário de Sinop, Instituto de Ciências Agrárias e Ambientais, Sinop, 2021. |
url |
http://ri.ufmt.br/handle/1/4860 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso Brasil Instituto de Ciências Agrárias e Ambientais (ICAA) – Sinop UFMT CUS - Sinop Programa de Pós-Graduação em Zootecnia |
publisher.none.fl_str_mv |
Universidade Federal de Mato Grosso Brasil Instituto de Ciências Agrárias e Ambientais (ICAA) – Sinop UFMT CUS - Sinop Programa de Pós-Graduação em Zootecnia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMT instname:Universidade Federal de Mato Grosso (UFMT) instacron:UFMT |
instname_str |
Universidade Federal de Mato Grosso (UFMT) |
instacron_str |
UFMT |
institution |
UFMT |
reponame_str |
Repositório Institucional da UFMT |
collection |
Repositório Institucional da UFMT |
repository.name.fl_str_mv |
Repositório Institucional da UFMT - Universidade Federal de Mato Grosso (UFMT) |
repository.mail.fl_str_mv |
jordanbiblio@gmail.com |
_version_ |
1804648524961284096 |