Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-11-09T17:54:19Z No. of bitstreams: 1 texto completo.pdf: 935393 bytes, checksum: d2ed403df41efc0fb34a5b7b66146be7 (MD5) / Made available in DSpace on 2017-11-09T17:54:19Z (GMT). No. of bitstreams: 1 texto completo.pdf: 935393 bytes, checksum: d2ed403df41efc0fb34a5b7b66146be7 (MD5) Previous issue date: 2017-06-23 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Pesquisas que buscam o desenvolvimento e a utilização de tecnologias para predizer peso, composição corporal e de carcaça in vivo, assim como para predizer os componentes físicos e químicos das carcaças ainda são escassos. Portanto, o objetivo neste trabalho é desenvolver equações de predição de peso, composição corporal e de carcaças a partir de mensurações biométricas obtidas por análise de imagens infravermelho de bovinos Nelore. O experimento foi conduzido no Departamento de Zootecnia da Universidade Federal de Viçosa. Sessenta novilhos Nelore foram utilizados, com idade e peso médio inicial de 8 ± 0,3 meses e 276 ± 24 kg, respectivamente. Os animais foram pesados a cada 28 dias e concomitantemente coletou-se imagens do dorso, a partir das quais os parâmetros corporais a serem analisados foram obtidos. Para capturar as imagens, utilizou-se um sensor infravermelho sincronizado com o software MATrix LABoratory. Os animais foram abatidos em três momentos diferentes, no início do experimento, com 380 kg e 480 kg de peso corporal. Após o abate, a carcaça foi dividida longitudinalmente e arrefecida a 4oC por 24 horas. Posteriormente, as carcaças arrefecidas foram pesadas, e a área dos olhos do lombo (AOL) e a espessura da gordura subcutânea (EGS) foram mensuradas entre a 12a e a 13a costela da carcaça. Em seguida coletou-se imagens das meias carcaças esquerdas. Uma imagem de cada carcaça foi escolhida para obter os parâmetros biométricos a serem analisados. A seção entre a 9a e 11a costelas foi removida para estimação indireta da composição química e física da carcaça. Todos os procedimentos estatísticos foram realizados utilizando o software SAS 9.0 (Statistical Analysis System Institute, Inc.). A regressão Least Absolute Shrinkage and Selection Operator foi utilizada para selecionar as variáveis mais relevantes para prever o peso e a composição da carcaça e posteriormente, o procedimento REG foi utilizado para calcular o P-valor das variáveis selecionadas no GLMSELECT. A área do plano dorsal, volume, altura dorsal, largura do abdômen e o comprimento do corpo foram as medidas biométricas que apresentaram o melhor ajuste para estimar o peso corporal (r2 = 0,88). As equações, incluindo as medidas biométricas, apresentaram coeficientes de determinação de 0,32, 0,45 e 0,62 para as porcentagens de músculo, osso e gordura nas carcaças. Quando as variáveis foram expressas em unidades de massa, apresentaram coeficientes de determinação de 0,99, 0,99 e 0,84 para as quantidades de músculo, osso e gordura nas carcaças. As equações estimaram as porcentagens de proteína bruta (r2 = 0,20), extrato etéreo (r2 = 0,99) e água (r2 = 0,49) e também as quantidades de proteína bruta (r2 = 0,99), extrato etéreo (r2 = 0,99) e água (r2 = 0,99) do corpo vazio. Em relação as características de carcaça, os parâmetros biométricos foram a melhor opção para estimar em unidades de massa o tecido muscular e a gordura nas carcaças, uma vez que as medidas são realizadas em intervalos e não apenas em regiões específicas como nos parâmetros tradicionais (AOL e EGS). As equações desenvolvidas apresentaram maiores coeficientes de determinação (R2) quando comparados com as equações geradas pelos parâmetros tradicionais. O R2 das melhores equações preditivas foi: Considerando apenas parâmetros de área, músculo (kg): 96%, gordura (kg): 59%, extrato etereo (kg): 62% e 97% para proteína bruta. Considerando a inclusão simultânea de parâmetros de área e volume, músculo (kg): 96%, gordura (kg): 98%, extrato etereo (kg): 98% e proteína bruta (kg): 88%. Considerando a soma das diferentes seções, músculo (kg): 100%, gordura (kg): 98%, extrato etereo (kg): 21% e proteína bruta (kg): 99%. Para os parâmetros tradicionais, obtiveram-se os seguintes R2: Muscle (kg): 96%, Gordura (kg): 0,53, extrato etereo (kg): 0,53 e proteína bruta (kg): 75%. Frente aos resultados obtidos, este estudo apresenta-se como uma alternativa promissora para se avaliar a viabilidade do uso da análise de imagens como ferramenta para se avaliar característica relacionadas com conformação do corpo animal e rendimentos de cortes, além de proporcionar para os produtores e para a indústria frigorifica informações que poderão ser utilizadas para direcionar os animais e consequentemente a carne para mercados específicos. / Researches that seek to develop and use technologies to predict weight, body and carcass composition in vivo, as well as to predict the physical and chemical components of carcasses are still scarce. Therefore, the objective in this work is to develop equations of weight prediction, body composition and carcasses from biometric measurements obtained by infrared image analysis of Nellore cattle. The experiment was conducted out at the Zootecnia Department of the Universidade Federal de Viçosa. Sixty Nellore steers were used, with age and initial mean weight of 8 ± 0.3 months and 276 ± 24 kg, respectively. The animals were weighed every 28 days and, concomitantly, the back images were collected to obtain the body parameters. To obtain the images, an infrared sensor synchronized with MATrix LABoratory software was used. The animals were slaughtered at three different times, at the beginning of the experiment, with 380 kg and 480 kg of body weight. After slaughter, the carcass was split longitudinally and cooled to 4 ° C for 24 hours. Subsequently, carcasses were weighed, and rib eye area (REA) and back fat thickness (BFT) were measured between the 12th and 13th rib of the carcass. Then images of the left half carcasses were collected. An image of each carcass was chosen to obtain the biometric parameters to be analyzed. Then, the section between the 9th and 11th ribs was removed for indirect estimation of the chemical and physical composition of the carcass. All statistical procedures were performed using the SAS 9.0 software (Statistical Analysis System Institute, Inc.). The Least Absolute Shrinkage and Selection Operator regression was used to select the most relevant variables to predict the carcass weight and composition and later, the REG procedure was used to calculate the P-value of selected variables in GLMSELECT. The area of the dorsal plane, volume, dorsal height, abdomen width and body length were the biometric measurements that presented the best fit to estimate body weight (r2 = 0.88). The equations, including the biometric measurements, presented coefficients of determination of 0.32, 0.45 and 0.62 for the percentages of muscle, bone and fat in the carcasses. When the variables were expressed in units of mass, they presented determination coefficients of 0.99, 0.99 and 0.84 for the amounts of muscle, bone and fat in the carcasses. The equations estimated crude protein (r2 = 0.20), ethereal extract (r2 = 0.99) and water (r2 = 0.49), as well as crude protein (r2 = 0.99), extract Ethereal (r2 = 0.99) and water (r2 = 0.99) of the empty body. Regarding the carcass characteristics, the biometric parameters were the best option to estimate the muscle tissue and fat in the carcasses in units of mass, since measurements are performed at intervals and not only in specific regions as in traditional parameters (REA and BFT). The developed equations presented higher coefficients of determination (R2) when compared with the equations generated by the traditional parameters. The R2 of the best predictive equations was: Considering only area parameters, muscle (kg): 96%, fat (kg): 59%, ethereal extract (kg): 62% and 97% for crude protein (kg). Considering the simultaneous inclusion of area and volume parameters, muscle (kg): 96%, fat (kg): 98%, ethereal extract (kg): 98% and crude protein (kg): 88%. Considering the sum of the different sections, muscle (kg): 100%, fat (kg): 98%, ethereal extract (kg): 21% and crude protein (kg): 99%. For the traditional parameters, the following R2 were obtained: Muscle (kg): 96%, Fat (kg): 0.53, ethereal extract (kg): 0.53and crude protein (kg): 75%. In light of the obtained results, this study presents a promising alternative to evaluate the feasibility of the use of image analysis as a tool to evaluate the characteristics related to animal body conformation and yields of cuts, besides providing for the producers and the Information that can be used to direct the animals and consequently the meat to specific markets.