Aplicação de técnicas de Data Mining na avaliação da qualidade da carne de cordeiro

Abstract

A composição corporal dos animais, de todas as espécies, varia consideravelmente consoante o estádio de crescimento, o plano nutricional e a base genética. Tendo isso em conta, e considerando que os vários tecidos que compõem a carcaça possuem valor económico diferente, é fácil admitir que o valor económico dos animais dependa da composição da carcaça. Assim, este trabalho visa utilizar uma abordagem de Data Mining para prever, utilizando como entradas as medições obtidas na linha de abate, a composição tecidual de carcaças de cordeiro. Cento e vinte e cinco cordeiros da raça Churra Galega Bragançana foram abatidos. Durante o quarteamento das carcaças, foi utilizado um paquímetro para realizar medições da gordura subcutânea entre a 12ª e 13ª costelas (C12), e entre a 1ª e 2ª vértebra lombar (C1). As proporções de Músculo (PM), Osso (PO), Gordura Subcutânea (PGS), Gordura Intermuscular (PGI), e Gordura Pélvica e Renal (PGPR) das carcaças de cordeiro foram colectadas numa base de dados. Utilizamos a biblioteca rminer da ferramenta R e comparamos três técnicas de regressão: Regressão Múltipla (RM), Redes Neuronais Artificiais (RNA) e Máquinas de Vectores de Suporte (MVS). O modelo de RM apresenta o Erro Relativo Absoluto (RAE) mais baixo para PM (RAE=59.4%, P<0.05) e para PGI (RAE=64.1%, P<0.05). O modelo MVS apresenta o RAE mais baixo para PO (RAE=46.1%, P<0.05), para PGPR (RAE=51.5%, P<0.05), e para PGS (RAE=42.2%, P<0.05). Para além disso, um procedimento de análise de sensibilidade revelou a medida C12 como a entrada mais importante para todos os cinco tecidos da carcaça. Foi ainda apresentado um exemplo de um novo sistema de classificação de carcaças, desenvolvido através de um procedimento de Clustering e baseado em dados objectivos.

The body composition of animals from all species varies considerably depending on the stage of growth, nutritional plan and genetic basis. Taking this into account, and considering that the various tissues that comprises the carcass have di erent economic value, it is easy to admit that the economic value of an animal depends of the carcass composition. Therefore, this study aims at applying a Data Mining approach to predict, using carcass measurements taken at slaughter line as predictors, the tissue composition of lamb carcasses. One hundred and twenty ve lambs from the Churra Galega Bragançana breed were slaughtered. During quartering, a caliper was used to measure the subcutaneous fat depth between the 12th and 13th ribs (C12), and between the 1st and 2nd lumbar vertebrae (C1). The Muscle (PM), Bone (PO), Subcutaneous Fat (PGS), Inter-muscular Fat (PGI), and Kidney Knob and Channel Fat (PGPR) proportions were computed. We used the rminer R library and compared three regression techniques: Multiple Regression (RM), Arti cial Neural Networks (RNA) and Support Vector Machines (MVS). The RM model presents the lower Relative Absolute Error (RAE) for PM (RAE=59.4%, P<0.05) and PGI (RAE=64.1%, P<0.05). The MVS model presents the lowest RAE for PO (RAE=46.1%, P<0.05), PGPR (RAE=51.5%, P<0.05), and PGS (RAE=42.2%, P<0.05). In addition, a sensitivity analysis procedure revealed the C12 measurement as the most important predictor for all ve carcass tissues. An example of a new carcass classi cation system was also presented, which was developed through a clustering procedure and based on objective data.