Prediction of pork marbling scores using pattern analysis techniques.

Huang, H., Liu, L., Ngadi, M.O., et Gariépy, C. (2013). « Prediction of pork marbling scores using pattern analysis techniques. », Food Control, 31(1), p. 224-229. doi : 10.1016/j.foodcont.2012.09.034  Accès au texte intégral (en anglais seulement)

Résumé

Le persillage est une qualité technique importante de la viande de porc. Ce sont habituellement des spécialistes qualifiés qui l’évaluent au moyen d’un indice subjectif fondé sur des normes. Notre étude portait sur la détermination objective du persillage du porc au moyen de techniques d’analyse de motifs. Nous avons comparé une technique de reconnaissance des motifs, la détection de lignes larges (DLL), et une technique de caractérisation des textures au moyen d’une matrice améliorée de la fréquence des nuances de gris (MFNG). Nous avons utilisé 53 côtelettes fraîches, prélevées dans la longe (longissimus dorsi), dont l’indice de persillage a été déterminé à l’abattoir, et en avons produit des images rouge-vert-bleu au moyen d’un appareil photo numérique. La noix de longe a été choisie comme région d’intérêt (RDI) des images. Le persillage de la RDI a été caractérisé au moyen de la MFNG et de la DLL. L’indice de persillage de la viande a été déterminé d’après la proportion de persillage (PP) révélée par la DLL ou par la mesure de la texture des images obtenues par MFNG (GI). Des régressions linéaires fondées sur la PP et la GI ont été établies avec les composantes bleue, rouge et verte ainsi qu’avec les trois composantes combinées. Les résultats obtenus avec la DLL et la MFNG montrent l’efficacité de ces techniques pour évaluer le persillage du porc. La comparaison a révélé que la DLL permet de mieux prédire l’indice de persillage du porc que la MFNG. Nous avons également constaté que la composante verte est celle qui permet le mieux d’évaluer le persiillage du porc, et ce, quelle que soit la technique d’analyse des motifs employée. L’importance des coefficients de corrélation entre l’étalonnage et la validation ( = 0,94, Rv = 0,94) du modèle linéaire de DLL en lumière verte témoigne du fort potentiel des techniques d’analyse des motifs, notamment celle de la détection des lignes larges pour l’évaluation juste et en temps réel du persillage du porc.

Date de modification :