Análisis de imagen digital y composición de la sección 9-11 de la costilla en canales de ovinos Black Belly
DOI:
https://doi.org/10.19136/era.a12n3.4507Palabras clave:
Características de la canal, programa ImageJ, carne de ovino, ovinos tropicalesResumen
Se evaluó la relación entre el análisis de imágenes digital de la sección de costilla 9-11 y su composición tisular en corderos Black Belly. Se sacrificaron 20 corderos, y se extrajo de la canal izquierda la sección 9-11 de la costilla. Se tomaron imágenes de la sección 9-11 de la costilla y las imágenes fueron procesadas mediante el software ImageJ para medir características como la longitud (Rl) y área (Ra) de la sección 9-11, profundidad (LTd), amplitud (LTw) y el área (LTa) del músculo longissimus thoracis. Se encontraron correlaciones significativas entre las mediciones de las imágenes y las características de la sección 9-11 de la costilla (0.71 ≤ r ≤ 0.84, P < 0.05). Los resultados indican que el análisis digital de imágenes de la sección de la costilla 9-11 puede ser una herramienta útil para predecir la composición de los tejidos en la canal de corderos.
Descargas
Referencias
Brito LS, da Silva Cavalcante AK, Rodrigues AS, Ferraz PA, Bittencourt RF, Junior LDPM, de Lisboa Ribeiro Filho A (2022) Evaluation of ImageJ software in ultrasonic image analysis: Follicular and luteal morphological characteristics of cattle. Animal Reproduction Science 236: 106907. https://doi.org/10.1016/j.anireprosci.2021.106907
Chay-Canul AJ, González JT, Canul-Solís J, Casanova-Lugo F, Piñeiro-Vázquez ÁT, Portillo-Salgado R, García-Herrera R, Vargas-Bello-Pérez E (2023) Predictive biometrics of hair sheep through digital imaging. Veterinaria México OA 10. https://doi.org/10.22201/fmvz.24486760e.2023.1150.
Cross HR, Gilliland DA, Durland PR, Seideman SC (1983) Beef carcass evaluation by use of a video image analysis system. Journal of Animal Science 57: 908-917. https://doi.org/10.2527/jas1983.574908x.
Du CJ, Sun DW (2004) Recent developments in the applications of image processing techniques for food quality evaluation. Trends in Food Science & Technology 15(5): 230-249. https://doi.org/10.1016/j.tifs.2003.10.006.
Escalante-Clemente S, Vázquez-Jiménez S, López-Durán SK, Arcos-Alvarez DN, Arbez-Abnal TA, Piñeiro-Vazquez ÁT, Muñoz-Benítez Alfonso L., Vargas-Bello-Pérez E, Chay-Canul AJ, (2022) Using the 9th–11th rib section to predict carcase tissue composition in Blackbelly sheep. Italian Journal of Animal Science 21(1): 161-167. https://doi.org/10.1080/1828051X.2021.2002731.
Font-i-Furnols M, Tous N, Esteve-Garcia E, Gispert M (2012) Do all the consumers accept marbling in the same way? The relationship between eating and visual acceptability of pork with different intramuscular fat content. Meat Science 91(4): 448-453. https://doi.org/10.1016/j.meatsci.2012.02.030.
Giaretta E, Mordenti AL, Canestrari G, Brogna N, Palmonari A, Formigoni A (2018) Assessment of muscle Longissimus thoracis et lumborum marbling by image analysis and relationships between meat quality parameters. PLoS One 13(8): e0202535. https://doi.org/10.1371/journal.pone.0202535.
Kucha CT, Liu L, Ngadi MO (2018) Non-destructive spectroscopic techniques and multivariate analysis for assessment of fat quality in pork and pork products: A review. Sensors 18(2): 377. https://doi.org/10.3390/s18020377.
Olsen EV, Christensen LB, Nielsen DB (2017) A review of computed tomography and manual dissection for calibration of devices for pig carcass classification-Evaluation of uncertainty. Meat Science 123: 35-44. https://doi.org/10.1016/j.meatsci.2016.08.013.
Pimentel VM, Geraldo AT, Costa RLD, Ferreira J, Beltrame RT, Madella-Oliveira AF, Quirino CR (2023) Using real-time ultrasound for in vivo estimates of Longissimus dorsi muscle parameters and fat thickness in Dorper ewes. Small Ruminant Research 220: 106930. https://doi.org/10.1016/j.smallrumres.2023.106930.
Ramos-Ramos C, Zaragoza-Vera CV, Zaragoza-Vera M, Torres-Chable O, Barrientos-Medina RC, Chay-Canul AJ (2024) Similarity of longissimus thoracis parameters and fat thickness measured by ultrasound and digital image analysis. Ecosistemas y Recursos Agropecuarios 11(3): 21. 10.19136/era.a11n3.4226.
R Core Team (2024) R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/. Data consulted: May 23, 2025.
Shackelford SD, Wheeler TL, Koohmaraie M (1998) Coupling of image analysis and tenderness classification to simultaneously evaluate carcass cutability, longissimus area, subprimal cut weights, and tenderness of beef. Journal of Animal Science 76(10): 2631-2640. https://doi.org/10.2527/1998.76102631x.
Silva SR, Almeida M, Condotta I, Arantes A, Guedes C, Santos V (2021) Assessing the feasibility of using kinect 3D images to predict light lamb carcasses composition from leg volume. Animals 11(12): 3595. https://doi.org/10.3390/ani11123595.
Sousa, A. R., Campos, A. C. N., Silva, L. P., Bezerra, L. R., Furtado, R. N., Oliveira, R. L., Pereira, E. S. (2020). Prediction of the chemical body composition of hair lambs using the composition of a rib section. Small Ruminant Research 191: 106189. https://doi.org/10.1016/j.smallrumres.2020.106189.
Teira GA, Tinois E, Lotufo RDA, Felício PED (2003) Digital-image analysis to predict weight and yields of boneless subprimal beef cuts. Scientia Agricola 60: 403-408. https://doi.org/10.1590/S0103-90162003000200028.
Xu Z, Han Y, Zhao D, Li K, Li J, Dong J, Shi W, Zhao H, Bai Y (2024) Research progress on quality detection of livestock and poultry meat based on machine vision, hyperspectral and multi-source information fusion technologies. Foods 13(3): 469. https://doi.org/10.3390/foods13030469.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Ecosistemas y Recursos Agropecuarios
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
1. Política propuesta para revistas de acceso abierto
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
1. Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la Licencia CC BY-NC-ND 4.0 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
2. Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
3. Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
This work is licensed under CC BY-NC-ND 4.0 
