Intramuscular fat levels of pork affect the flavor of pork meat. In the pork industry, two quality attributes namely intramuscular fat (IMF) content and marbling score (MS) are used to represent intramuscular fat levels of pork meat. Conventional determination methods are not suitable for the current requirements of the pork industry as they are either destructive or subjective. This study investigated the use of hyperspectral imaging in evaluating intramuscular fat content and marbling score of pork. Intramuscular fat distribution along the longissmus muscle and the influences of freezing, thawing, and image pattern analysis on prediction capacity were also considered. Near infrared (NIR) hyperspectral imaging technique from 900 to 1700 nm was used for prediction of IMF content and MS. Fresh pork at the 3rd/4th last rib was imaged. Pattern analysis techniques of Gabor filter, wide line detector (WLD), and an improved grey-level co-occurrence matrix (GLCM) were studied and different image features, i.e. spectral, texture, and line features, were extracted. Key wavelengths were identified. Multiple linear regression (MLR) was used to develop prediction models. For determination of marbling score, the MLR model, using the first derivative of Gabor filtered mean spectra, performed best with a prediction accuracy of 0.90 at wavelengths of 961, 1186 and 1220 nm. For intramuscular fat content, prediction accuracy of 0.85 was obtained using the raw mean spectra at 1207 and 1279 nm. The distribution map of IMF content in pork was developed. The results showed the possibility of rapid and non-destructive evaluation of intramuscular fat level of pork using NIR images. Regarding marbling as a visual index, a method for objective evaluation of pork marbling score using red-green-blue (RGB) images was developed by applying WLD-based linear models. The possibility of non-destructive prediction of IMF content and MS using frozen and frozen-thawed pork was studied. Prediction accuracy of 0.90 for MS was achieved for frozen pork. Prediction accuracy of 0.82 for IMF content and accuracy of 0.91 for MS were realized by frozen-thawed pork. The potential of frozen and frozen-thawed pork for assessment of marbling score and frozen-thawed pork for the assessment of intramuscular fat content were demonstrated. Besides the effects of freezing and thawing, the variation of IMF content and MS across the last seven thoracic longissmus muscle was studied. Relationships between IMF content and MS at the last rib and the corresponding attribute at other ribs and the whole section of the loin were determined. The relationship between NIR images of rib end and the IMF level of pork at the six last thoracic ribs was investigated. Close relationships were indicated, especially between the images of rib end and IMF levels at the 2nd/3rd last ribs and the 2nd last/last ribs. / La teneur en matières grasses du porc affecte la saveur de la viande de porc. Dans l'industrie porcine, la graisse intramusculaire (GIM) et la cote de persillage (CP) sont deux propriétés qui déterminent la teneur en gras du porc. Les méthodes conventionnelles de détermination ne sont pas adaptées aux besoins actuels de l'industrie car elles sont destructrices ou subjectives. Cette étude porte sur l'utilisation de l'imagerie hyperspectrale dans l'évaluation de la teneur en graisse intramusculaire et du persillage du porc. Les effets de la répartition de la graisse intramusculaire le long du muscle Longissmus, de la congélation, du dégel et de l'analyse de la forme pour le traitement de l'image ont été pris en compte. Une technique d'imagerie hyperspectrale proche infrarouge (IR) allant de 900 à 1700 nm a été utilisée pour prédire le GIM ou la CP. La viande fraîche au niveau de la 3ème/4ème côte du porc a été utilisée pour recueillir les images hyperspectrales. Des analyses de la forme fondée sur les techniques du filtre de Gabor, du détecteur linéaire à large spectre (WLD) et de la matrice de cooccurrence de niveau gris améliorée (GLCM) ont été étudiées et les propriétés de l'image, i.e spectre, texture et propriétés des lignes, ont été extraites. La régression linéaire multiple (RLM) a été utilisée pour développer des modèles de prédiction. Pour la cote persillage, le modèle de RLM utilisant la moyenne de spectre filtrée pour la première dérivée de Gabor a le mieux performé avec une précision de calibration de 0,90 aux longueurs d'onde de 961, 1186 et 1220 nm. Pour le GIM, une précision de calibration de 0.85 a été obtenue avec un spectre moyen de base à 1207 et 1279 nm. La distribution du contenu de GIM a été illustrée. Les résultats démontrent la possibilité d'utiliser les images hyperspectralces proche IR pour évaluer rapidement et de façon non-destructive le taux de gras intramusculaire du porc. En ce qui concerne le persillage en tant qu'indice visuel, une méthode objective d'évaluation de la cote persillage utilisant des images rouge-vert-bleu (RGB) a été développée en appliquant un WLD basé sur un model linéaire au canal vert. La possibilité d'un contrôle non-destructif du GIM et de la CP utilisant du porc congelé et décongelé a été étudiée. Une précision de la prédiction de 0.90 pour la CP a été réalisée avec du porc congelé. Une précision de la prédiction de 0.82 pour le GIM découle du porc décongelé. Le potentiel du porc congelé et décongelé pour l'évaluation de la cote de persillage et du porc décongelé pour l'évaluation de la teneur en gras intramusculaire a été démontré. Outre l'effet du gel et du dégel, la variation du GIM et de la CP à travers les sept derniers muscles thoraciques Longissmus a été étudiée. Les relations entre le GIM et la CP à la dernière côte et les propriétés correspondantes aux autres côtes et au filet ont été déterminées avec précision. La relation entre les images de proche IR à l'extrémité et le niveau de GIM du porc six dernières côtes thoraciques a été étudiée. Des relations étroite ont été déterminées, en particulier entre les images de l'extrémité de la côte et les taux de GIM aux 2eme/3eme dernières côtes et la 2eme dernière côte.
Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.119675 |
Date | January 2013 |
Creators | Huang, Hui |
Contributors | Michael O Ngadi (Supervisor1), Shiv Prasher (Supervisor2) |
Publisher | McGill University |
Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
Language | English |
Detected Language | French |
Type | Electronic Thesis or Dissertation |
Format | application/pdf |
Coverage | Doctor of Philosophy (Department of Bioresource Engineering) |
Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
Relation | Electronically-submitted theses. |
Page generated in 0.0076 seconds