USO DE CÂMERA DE INFRAVERMELHO NA CLASSIFICAÇÃO E TIPIFICAÇÃO DE CARCAÇAS BOVINAS

A classificação e tipificação de carcaças permite aos frigoríficos inferirem sobre a qualidade e quantidade de carne que será produzida. No Brasil, estes processos são subjetivos, diante disso, objetivou-se predizer a composição física e química de carcaças bovinas através da análise de imagens de câmeras infravermelhas. O experimento foi conduzido no Laboratório de Animais do Departamento de Zootecnia da Universidade Federal de Viçosa. Foram utilizados trinta e cinco touros Nelore, com idade média de 14 ± 0,3 meses e peso médio de 437 ± 47kg. Os animais foram submetidos a jejum de sólidos, insensibilizados e abatidos. A carcaça de cada animal foi dividida longitudinalmente e resfriada em câmara fria a 4ºC por 24 horas. As carcaças resfriadas foram pesadas, sendo mensurado o comprimento de carcaça, área de olho de lombo (AOL) e espessura de gordura subcutânea (EGS). Em seguida, a seção entre a 9ª e 11ª costelas foi retirada para estimação indireta da composição química e física da carcaça, em kg. Um sensor sincronizado com o software MATLAB (The MathWorks Inc., Natick, Massachusetts, EUA) foi usado para capturar imagens nas meias carcaças da esquerda. O sensor foi posicionado a uma altura de 1,50 metros em relação ao solo e a uma distância de 3,80 metros da carcaça. Uma imagem de cada carcaça foi escolhida para obter os parâmetros biométricos a serem analisados (área, volume, comprimento). Todos os procedimentos estatísticos foram realizados utilizando o software SAS 9.0 (Statistical Analysis System Institute, Inc.). O LASSO (Least Absolute Shrinkage and Selection Operator) foi utilizado para selecionar as variáveis biométricas mais relevantes para predizer a composição física e química e posteriormente, o procedimento REG foi utilizado para calcular o valor P das variáveis selecionadas no GLMSELECT. As equações desenvolvidas apresentaram coeficientes de determinação (r²) semelhantes ao das equações geradas pelos parâmetros tradicionais, no entanto as equações utilizando os dados biométricos apresentam menores erros de predição. Considerando apenas dados bidimensionais (2D), as predições de músculo, gordura, extrato etéreo e proteína bruta a partir e imagens foram significativas (P<0.05) e apresentaram r² de 0,97, 0,56, 0,87 e 0,93, respectivamente. Utilizando dados tridimensionais (3D), associados aos 2D, as predições de músculo, gordura, extrato etéreo e proteína bruta na carcaça apresentaram r² de 0,96; 0,84; 0,70 e 0,91, respectivamente. As mesmas predições a partir de AOL e EGS apresentaram r² de 0,96; 0,54; 0,59 e 0.92, respectivamente. O uso de imagens para classificação e avaliação de carcaças mostrou-se técnica promissora, mas são necessários mais estudos para aumentar a precisão dessa técnica. Os parâmetros biométricos em 2D+3D produziram a melhor estimativa do tecido muscular e a gordura nas carcaças, uma vez que avaliam uma maior proporção corporal em relação à parâmetros tradicionais (AOL e EGS) que avaliam apenas uma região específica.