Examinando por Materia "Meat quality"

Mostrando 1 - 2 de 2

Características bovinas y eventos aversivos durante el faenado en un Centro de Beneficio convencional
(Facultad de Ciencias Veterinarias de la Universidad del Zulia, 2023-02-09) Quispe Ccasa, Hurley Abel; Saucedo Uriarte, José Américo; Milla Pino, Manuel Emilio; Cayo Colca, Ilse Silvia
El objetivo del estudio fue evaluar la influencia de características de bovinos [condición corporal (CC), lesiones prefaenado (LP), estado de preñez (EP) y estado emocional aparente (EEA)], faenados en un centro de beneficio convencional, sobre la frecuencia de eventos aversivos al bienestar animal y calidad cárnica. Se registró el faenado de 99 bovinos, cuantificando los golpes, torceduras de cola, gritos del operario, puntillazos, tiempos de cada etapa, resbalones, caídas, vocalizaciones e intentos de incorporación. Se determinó pH0h, pH1h, pH24h y goteo en el músculo Longissimus dorsi et lumborum. Los datos se analizaron bajo un Diseño Completo al Azar (DCA). Se halló una correlación inversa entre CC y LP (P<0,05), donde bovinos con menor CC presentaron más lesiones en prefaenado. Durante la conducción, más golpes, gritos del operario, tiempo de conducción y tiempo entre derribo y el exanguinado, estaban asociados a bovinos con EEA nervioso. Durante la sujeción, sucedieron más caídas en bovinos del 2/3 de preñez, y el tiempo de sujeción fue mayor en CC<2,75. En el derribo, mayor frecuencia de gritos del operario y número de puntillazos sucedieron en CC>3,25. Bajo las condiciones del estudio, no se encontraron diferencias en el pH y PG% según CC, LP ni EP; sin embargo, bovinos con EEA tranquilo tuvieron menor PG% que EE nervioso (P<0,05), probablemente, con un estado de mayor excitación y estrés. La calidad cárnica es afectada por EEA, pero es necesario establecer mejoras en las prácticas de manejo e insensibilización en el faenado, con el fin de reducir el tiempo de eventos estresantes.
Implementing artificial intelligence to measure meat quality parameters in local market traceability processes
(John Wiley & Sons Inc., 2024-09-20) Alvarez Garcia, Wuesley Yusmein; Mendoza, Laura; Muñoz Vílchez, Yudith Yohany; Casanova Núñez-Melgar, David; Quilcate Pairazaman, Carlos
The application of computer technologies associated with sensors and artificial intelligence (AI) in the quantification and qualification of quality parameters of meat products of various domestic species is an area of research, development, and innovation of great relevance in the agri-food industry. This review covers the most recent advances in this area, highlighting the importance of computer vision, artificial intelligence, and ultrasonography in evaluating quality and efficiency in meat products’ production and monitoring processes. Various techniques and methodologies used to evaluate quality parameters such as colour, water holding capacity (WHC), pH, moisture, texture, and intramuscular fat, among others related to animal origin, breed and handling, are discussed. In addition, the benefits and practical applications of the technology in the meat industry are examined, such as the automation of inspection processes, accurate product classification, traceability, and food safety. While the potential of artificial intelligence associated with sensor development in the meat industry is promising, it is crucial to recognize that this is an evolving field. This technology offers innovative solutions that enable efficient, cost effective, and consumer-oriented production. However, it also underlines the urgent need for further research and development of new techniques and tools such as artificial intelligence algorithms, the development of more sensitive and accurate multispectral sensors, advances in computer vision for 3D image analysis and automated detection, and the integration of advanced ultrasonography with other technologies. Also crucial is the development of autonomous robotic systems for the automation of inspection processes, the implementation of real-time monitoring systems for traceability and food safety, and the creation of intuitive interfaces for human-machine interaction. In addition, the automation of sensory analysis and the optimisation of sustainability and energy efficiency are key areas that require immediate attention to address the current challenges in this agri-food and agri-industrial sector, highlighting and emphasising the importance of ongoing innovation in the field.