BR112019024115B1 - Métodos e sistemas para avaliar a qualidade de um produto de carne - Google Patents

Abstract

a presente divulgação refere-se a métodos e sistemas para avaliar a qualidade de um produto de carne. em certas modalidades, a presente divulgação provê um método para avaliar a qualidade de um produto de carne, o método compreendendo o recebimento de dados representativos da luz emitida pelo produto de carne após a aplicação de luz incidente no produto de carne, analisar os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne e avaliar a qualidade do produto de carne com base em um ou mais parâmetro(s).

Description

REIVINDICAÇÃO DE PRIORIDADE

[001] Este pedido reivindica prioridade ao Pedido de Patente Provisório Australiano 2017901826 depositado em 16 de maio de 2017, cujo conteúdo é incorporado na presente invenção por referência.

CAMPO

[002] A presente divulgação refere-se a métodos e sistemas para avaliar a qualidade de um produto de carne.

ANTECEDENTES

[003] Uma parte importante da indústria da carne é preparar uma avaliação da qualidade da carne.

[004] A avaliação da qualidade da carne pode envolver a avaliação de uma variedade de características para garantir que a carne provida ao consumidor tenha a qualidade desejada. Além disso, a avaliação da qualidade da carne informa o produtor sobre como as características dos animais, a manipulação e/ou o processamento dos animais influenciam a qualidade final de um produto de carne.

[005] A determinação da qualidade da carne geralmente envolve métodos de avaliação direta das características da carne, tal como avaliação de cores, análise de textura e determinação do pH do músculo. Em alguns casos, isso exige que uma amostra da carne seja testada, o que impõe um ônus e/ou restrição adicional ao processamento de produtos de carne.

[006] Além disso, o processamento de carne é normalmente realizado em larga escala, de modo a prover vantagens econômicas associadas ao processamento a granel. No entanto, os métodos que envolvem o teste de amostras de carne quanto à qualidade impõem ônus adicionais ao processamento a granel, tal como a introdução de atrasos no processo de produção, a necessidade de integração no processo de produção e o aumento de custos.

[007] Por conseguinte, os métodos de avaliação da qualidade de um produto de carne que não requerem amostragem seriam vantajosos e, em particular, métodos nos quais o produto não precisa ser fisicamente interrogado.

SUMÁRIO

[008] A presente divulgação refere-se a métodos e sistemas para avaliar a qualidade de um produto de carne.

[009] Certas modalidades da presente divulgação provêm um método para avaliar a qualidade de um produto de carne.

[0010] Certas modalidades da presente divulgação provêm um método para avaliar a qualidade de um produto de carne, o método compreendendo: receber dados representativos da luz emitida pelo produto de carne na aplicação de luz incidente ao produto de carne; analisar os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne; e avaliar a qualidade do produto de carne com base em um ou mais parâmetro(s).

[0011] Em certas modalidades, o produto de carne é uma carcaça, uma parte de uma carcaça, um corte de carne da carcaça, ou um produto processado derivado da carcaça ou do corte de carne.

[0012] Em certas modalidades, o produto de carne é um produto de carne vermelha.

[0013] Em certas modalidades, o produto de carne é um produto derivado de uma ovelha, um cordeiro, uma vaca, um bezerro, um porco, uma cabra, um cervo ou um cavalo. Outros tipos de produtos de carne são contemplados.

[0014] Em certas modalidades, o produto de carne é um produto de carne ovina, um produto de carne bovina, um produto de carne suína, um produto de carne caprina, um produto de carne cervina ou um produto de carne equina.

[0015] Em certas modalidades, o produto de carne é um produto de carne bovina, um produto de carne de vitela, um produto de carne de cordeiro, um produto de carne de carneiro, um produto de carne de porco, um produto de carne de cabra, um produto de carne de veado ou um produto de carne de carne de cavalo.

[0016] O termo “qualidade de um produto de carne”, como usado na presente invenção, refere-se a uma característica selecionada de um produto de carne. Exemplos de qualidade de um produto de carne podem compreender um ou mais item(ns) de qualidade alimentar, faixa de preço, classificação, pH, teor de gordura, maciez e adequação para fins específicos.

[0017] Em certas modalidades, a qualidade do produto de carne compreende a qualidade alimentar.

[0018] Em certas modalidades, a qualidade do produto de carne compreende pH.

[0019] Em certa modalidade, a qualidade do produto de carne compreende um sistema de tipificação ou pontuação. Por exemplo, o método pode ser usado para tipificar ou pontuar a qualidade alimentar do produto de carne.

[0020] Em certas modalidades, a qualidade do produto de carne compreende um valor limite, um valor mínimo, um valor máximo, um valor atribuído ou uma faixa de valores para uma qualidade do produto de carne. A qualidade do produto de carne pode compreender um de vários tipos diferentes, por exemplo, tipo baixo, médio ou alto.

[0021] Em certas modalidades, a luz incidente compreende luz de um ou mais comprimento(s) de onda específicos. Em certas modalidades, a luz incidente compreende um ou mais comprimento(s) de onda ao longo de uma faixa específica de comprimentos de onda.

[0022] Em certas modalidades, a luz incidente compreende luz não coerente. Em certas modalidades, a luz incidente compreende luz coerente. Em certas modalidades, a luz incidente compreende luz laser.

[0023] Métodos e fontes para a produção de luz incidente (coerente e/ou não coerente) de um ou mais comprimento(s) de onda são conhecidos na técnica, e estão disponíveis comercialmente.

[0024] Em certas modalidades, a luz incidente compreende um comprimento de onda na faixa de 400 nm a 415 nm. Outras faixas de comprimento de onda são contempladas.

[0025] Em certas modalidades, a luz incidente compreende um comprimento de onda na faixa de 400 nm a 410 nm, 400 nm a 405 nm, 405 nm a 415 nm, 405 nm a 410 nm ou 410 nm a 415 nm, ou em torno de uma das faixas acima mencionadas.

[0026] Em certas modalidades, a luz incidente compreende um comprimento de onda na faixa de 402 nm a 408 nm, 403 nm a 408 nm, 404 nm a 408 nm, 405 nm a 408 nm, 406 nm a 408 nm, 407 nm a 408 nm, 402 nm a 407 nm, 403 nm a 407 nm, 404 nm a 407 nm, 405 nm a 407 nm, 406 nm a 407 nm, 402 nm a 406 nm, 403 nm a 406 nm, 404 nm a 406 nm, 405 nm a 406 nm, 402 a 405 nm, 403 nm a 405 nm, 404 nm a 405 nm, 402 nm a 404 nm, 403 a 404 nm e 402 nm a 403 nm, ou cerca de uma das faixas mencionadas acima.

[0027] Em certas modalidades, a luz incidente compreende um comprimento de onda de 405 ± 3 nm.

[0028] Em certas modalidades, a luz incidente compreende um comprimento de onda de cerca de 404 nm ou cerca de 405 nm.

[0029] O termo “cerca de” ou “aproximadamente” significa um erro aceitável para um valor específico, que depende em parte de como o valor é medido ou determinado. Em certas modalidades, “cerca de” pode significar 1 ou mais desvios padrão. Quando o termo antecedente “cerca de” é aplicado a uma faixa ou um valor recitada(o), indica uma aproximação dentro do desvio na faixa ou no valor conhecida(o) ou esperada(o) na técnica a partir do método de medições.

[0030] Em certas modalidades, a luz incidente é transmitida ao produto de carne através de uma fibra óptica. Em certas modalidades, a luz incidente é transmitida para uma sonda através de uma fibra óptica.

[0031] Em certas modalidades, a luz incidente é aplicada ao produto de carne através de uma sonda. Em certas modalidades, a luz incidente é aplicada ao produto de carne através de uma sonda abaixo da superfície do produto de carne.

[0032] Em certas modalidades, a luz incidente é aplicada ao produto de carne através de uma fibra óptica. Em certas modalidades, a luz incidente é aplicada ao produto de carne através de uma sonda de fibra óptica. Em certas modalidades, a luz incidente é aplicada ao produto de carne através de uma fibra óptica em uma agulha.

[0033] Em certas modalidades, a luz incidente é aplicada à superfície do produto de carne. Em certas modalidades, a luz incidente é aplicada abaixo da superfície do produto de carne.

[0034] Em certas modalidades, a luz emitida pelo produto de carne compreende luz com um comprimento de onda na faixa de 440 a 800 nm. Outros comprimentos de onda são contemplados.

[0035] Em certas modalidades, o método compreende detectar luz emitida pelo produto de carne. Os métodos para detectar luz são conhecidos na técnica. Em certas modalidades, a luz emitida pelo produto de carne compreende luz com um comprimento de onda na faixa selecionada entre 400 nm a 800 nm, 450 a 800 nm, 500 a 800 nm, 500 a 800 nm, 550 nm a 800 nm, 600 nm a 800 nm, 650 nm a 800 nm, 700 a 800 nm, 750 a 800 nm, 400 nm a 750 nm, 450 a 750 nm, 500 a 750 nm, 550 nm a 750 nm, 600 nm a 750 nm, 650 nm a 750 nm, 700 a 750 nm, 400 nm a 700 nm, 450 a 700 nm, 500 a 700 nm, 550 nm a 700 nm, 600 nm a 700 nm, 650 nm a 700 nm, 400 nm a 650 nm, 450 a 650 nm, 500 a 650 nm, 550 nm a 650 nm, 600 nm a 650 nm, 400 nm a 600 nm, 450 a 600 nm, 500 a 600 nm, 550 nm a 600 nm, 400 nm a 550 nm, 450 a 550 nm, 500 a 550 nm, 400 nm a 500 nm, 450 a 500 nm ou 400 nm a 450 nm, ou cerca de uma das faixas acima mencionadas.

[0036] Em certas modalidades, a luz emitida pelo produto de carne compreende luz refletida.

[0037] Em certas modalidades, a luz emitida pelo produto de carne compreende luz excitada autofluorescente.

[0038] Em certas modalidades, a luz incidente induz autofluorescência no produto de carne. Em certas modalidades, a luz emitida compreende luz autofluorescente excitada no produto de carne pela aplicação da luz incidente ao produto de carne.

[0039] Em certas modalidades, a autofluorescência é excitada pela aplicação de luz laser no produto de carne.

[0040] Em certas modalidades, o método compreende a detecção de luz emitida pelo produto de carne após a aplicação da luz incidente ao produto de carne. Os métodos para detectar luz e convertê-la em dados são conhecidos na técnica.

[0041] Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados a um ou mais comprimento(s) de onda da luz.

[0042] Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados a um ou mais comprimento(s) de onda da luz na faixa de 440 a 800 nm.

[0043] Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados a um ou mais comprimento(s) de onda de luz na faixa selecionada de um de 400 nm a 800 nm, 450 a 800 nm, 500 a 800 nm, 550 nm a 800 nm, 600 nm a 800 nm, 650 nm a 800 nm, 700 a 800 nm, 750 a 800 nm, 400 nm a 750 nm, 450 a 750 nm, 500 a 750 nm, 550 nm a 750 nm, 600 nm a 750 nm, 650 nm a 750 nm, 700 a 750 nm, 400 nm a 700 nm, 450 a 700 nm, 500 a 700 nm, 550 nm a 700 nm, 600 nm a 700 nm, 650 nm a 700 nm, 400 nm a 650 nm, 450 a 650 nm, 500 a 650 nm, 550 nm a 650 nm, 600 nm a 650 nm, 400 nm a 600 nm, 450 a 600 nm, 500 a 600 nm, 550 nm a 600 nm, 400 nm a 550 nm, 450 a 550 nm, 500 a 550 nm, 400 nm a 500 nm, 450 a 500 nm ou 400 nm a 450 nm, ou cerca de uma das faixas mencionadas acima, ou cerca de uma das faixas mencionadas acima.

[0044] Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados a um espectro de luz. Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados à luz excitada por autofluorescência. Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados à luz autofluorescente espectral.

[0045] Em certas modalidades, os dados recebidos do produto de carne compreendem dados associados à luz com um comprimento de onda na faixa de 440 a 800 nm.

[0046] Em certas modalidades, os dados recebidos compreendem dados espectrais emitidos pelo produto de carne. Em certas modalidades, os dados recebidos compreendem dados espectrais representativos da autofluorescência excitada no produto de carne.

[0047] Em certas modalidades, os dados espectrais compreendem dados associados à luz na faixa de 440 nm a 800 nm.

[0048] Em certas modalidades, os dados espectrais compreendem dados associados à luz com um comprimento de onda na faixa selecionada de um de 400 nm a 800 nm, 450 a 800 nm, 500 a 800 nm, 550 nm a 800 nm, 600 nm a 800 nm, 650 nm a 800 nm, 700 a 800 nm, 750 a 800 nm, 400 nm a 750 nm, 450 a 750 nm, 500 a 750 nm, 550 nm a 750 nm, 600 nm a 750 nm, 650 nm a 750 nm, 700 a 750 nm, 400 nm a 700 nm, 450 a 700 nm, 500 a 700 nm, 550 nm a 700 nm, 600 nm a 700 nm, 650 nm a 700 nm, 400 nm a 650 nm, 450 a 650 nm, 500 a 650 nm, 550 nm a 650 nm, 600 nm a 650 nm, 400 nm a 600 nm, 450 a 600 nm, 500 a 600 nm, 550 nm a 600 nm, 400 nm a 550 nm, 450 a 550 nm, 500 a 550 nm, 400 nm a 500 nm, 450 a 500 nm ou 400 nm a 450 nm, ou aproximadamente uma das faixas mencionadas acima.

[0049] Em certas modalidades, um ou mais parâmetro(s) indicativo(s) da qualidade da carne compreende(m) um único parâmetro. Em certas modalidades, um ou mais parâmetro(s) indicativo(s) da qualidade da carne compreende(m) dois parâmetros. Em certas modalidades, um ou mais parâmetro(s) indicativo(s) da qualidade da carne compreende(m) uma pluralidade de parâmetros.

[0050] Exemplos de parâmetros incluem um parâmetro indicativo do peso da carcaça (ou parte de uma carcaça), um parâmetro indicativo do teor de gordura no produto de carne, um parâmetro indicativo da massa gorda no produto de carne, um parâmetro indicativo da medição (tamanho, área e/ou profundidade) de um músculo ou uma região específica de uma carcaça, um parâmetro indicativo de acidez e/ou alcalinidade (tal como pH) no produto de carne, uma ou mais cor(es) do produto de carne, força de cisalhamento (SF), gordura intramuscular (IMF), espécie do animal, época do ano ou uma combinação de qualquer um ou mais dos parâmetros mencionados acima.

[0051] Em certas modalidades, um ou mais parâmetro(s) compreende(m) um ou mais dos seguintes: um parâmetro indicativo do peso da carcaça; um parâmetro indicativo da temperatura da carcaça; uma medida da profundidade do tecido; um parâmetro indicativo de gordura intramuscular (parâmetro de IMF); um parâmetro indicativo de força de cisalhamento (parâmetro de SF); espécies de animais; e época do ano.

[0052] Em certas modalidades, um ou mais parâmetro(s) compreende(m) um ou mais dos seguintes: um parâmetro indicativo do peso da carcaça quente (parâmetro de HCWT); (pelo menos para uma ovelha ou um cordeiro) uma medida da profundidade do tecido em uma 12a costela (parâmetro de GRfat); um parâmetro indicativo de uma quantidade de gordura sobre um músculo ocular (parâmetro de FatC); um parâmetro indicativo de gordura intramuscular (parâmetro de IMF); e um parâmetro indicativo de força de cisalhamento (parâmetro de SF).

[0053] Em certas modalidades, um ou mais parâmetro(s) compreende(m) um parâmetro indicativo da temperatura do produto de carne.

[0054] Em certas modalidades, um ou mais parâmetro(s) compreende(m) um parâmetro indicativo de gordura intramuscular (parâmetro de IMF) e um parâmetro indicativo de força de cisalhamento (parâmetro de SF).

[0055] Em certas modalidades, os dados são analisados usando um ou mais modelo(s) para prever os um ou mais parâmetro(s).

[0056] Em certas modalidades, um ou mais modelo(s) compreende(m) modelos estatísticos lineares. Em certas modalidades, um ou mais modelo(s) compreende(m) modelos não lineares.

[0057] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando uma abordagem de minimização de dados. Em certas modalidades, a abordagem de minimização de dados inclui o emprego do Critério de Informação de Akaike. Outros métodos para minimização de dados são contemplados.

[0058] Em certas modalidades, um ou mais modelo(s) compreende(m) modelos não lineares.

[0059] Em certas modalidades, um ou mais modelo(s) compreende(m) regressão logística.

[0060] Em certas modalidades, um ou mais modelo(s) são criados usando dados de treinamento, incluindo dados representativos da luz emitida por uma pluralidade de produtos de carne de amostra na aplicação de luz incidente nos produtos de carne de amostra, cada produto de carne de amostra tendo valores predeterminados para um ou mais parâmetro(s).

[0061] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando o aprendizado de máquina.

[0062] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando redes neurais.

[0063] Em certas modalidades, o(s) modelo(s) é(são) criado(s) usando aprendizado profundo.

[0064] Em certas modalidades, os dados compreendem dados espectrais que são processados antes da análise para reduzir um número de pontos de dados em toda a faixa espectral.

[0065] Em certas modalidades, a qualidade do produto de carne compreende a qualidade alimentar.

[0066] Em certas modalidades, a qualidade do produto de carne compreende pH.

[0067] Em certas modalidades, o método é usado para tipificar, pontuar ou classificar um produto de carne como qualidade.

[0068] Certas modalidades da presente divulgação provêm um produto de carne tipificado, pontuado ou classificado de acordo com um método como descrito na presente invenção.

[0069] Certas modalidades da presente divulgação provêm software que compreende uma série de instruções executáveis por um processador para realizar um método como descrito na presente invenção.

[0070] Certas modalidades da presente divulgação provêm software para uso com um computador compreendendo um processador e uma memória para armazenar o software, o software compreendendo uma série de instruções executáveis pelo processador para realizar um método como descrito na presente invenção.

[0071] Certas modalidades da presente divulgação provêm um sistema para avaliar a qualidade de um produto de carne.

[0072] Certas modalidades da presente divulgação provêm um sistema para avaliar a qualidade de um produto de carne, o sistema compreendendo: uma fonte de luz para a aplicação de luz incidente no produto de carne; um dispositivo de medição para a produção de dados representativos da luz emitida pelo produto de carne na aplicação de luz incidente ao produto de carne; um processador; uma memória; e software residente na memória acessível ao processador, o software compreendendo uma série de instruções executáveis pelo processador para realizar um método como descrito na presente invenção.

[0073] Certas modalidades da presente divulgação provêm um sistema para avaliar a qualidade de um produto de carne, o sistema compreendendo: uma fonte de luz para a aplicação de luz incidente no produto de carne; um dispositivo de medição para a produção de dados representativos da luz emitida pelo produto de carne na aplicação de luz incidente ao produto de carne; um processador; uma memória; e software residente na memória acessível ao processador, o software compreendendo uma série de instruções executáveis pelo processador para analisar os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne, e prover uma medida da qualidade do produto de carne com base em um ou mais parâmetro(s).

[0074] Os produtos de carne e a qualidade dos produtos de carne são como descritos na presente invenção.

[0075] As fontes de luz para a produção de luz incidente são conhecidas na técnica. Os detalhes da luz incidente são os descritos na presente invenção.

[0076] Em certas modalidades, a fonte de luz incidente produz luz compreendendo um comprimento de onda na faixa de um de 400 nm a 415 nm. Outras faixas de comprimento de onda são contempladas.

[0077] Em certas modalidades, a fonte de luz incidente produz luz compreendendo um comprimento de onda na faixa de 400 nm a 410 nm, 400 nm a 405 nm, 405 nm a 415 nm, 405 nm a 410 nm ou 410 nm a 415 nm, ou cerca de uma das faixas mencionadas acima.

[0078] Em certas modalidades, a fonte de luz incidente produz luz compreendendo um comprimento de onda na faixa de 402 nm a 408 nm, 403nm a 408 nm, 404 nm a 408 nm, 405 nm a 408 nm, 406 nm a 408 nm, 407 nm a 408 nm, 402 nm a 407 nm, 403 nm a 407 nm, 404 nm a 407 nm, 405 nm a 407 nm, 406 nm a 407 nm, 402 nm a 406 nm, 403 nm a 406 nm, 404 nm a 406 nm, 405 nm a 406 nm, 402 a 405 nm, 403 nm a 405 nm, 404 nm a 405 nm, 402 nm a 404 nm, 403 a 404 nm e 402 nm a 403 nm, ou cerca de uma das lacunas mencionadas.

[0079] Em certas modalidades, a fonte de luz incidente produz luz compreendendo um comprimento de onda de 405 ± 3 nm.

[0080] Em certas modalidades, a fonte de luz incidente produz luz compreendendo um comprimento de onda de cerca de 404 nm ou cerca de 405 nm.

[0081] Em certas modalidades, o dispositivo de medição detecta e mede a luz emitida.

[0082] Os detalhes da luz emitida por um produto de carne são como descritos na presente invenção.

[0083] Em certas modalidades, o dispositivo de medição mede a luz compreendendo um comprimento de onda na faixa selecionada de um de 400 nm a 800 nm, 450 a 800 nm, 500 a 800 nm, 550 nm a 800 nm, 550 nm a 800 nm, 600 nm a 800 nm, 650 nm a 800 nm, 700 a 800 nm, 750 a 800 nm, 400 nm a 750 nm, 450 a 750 nm, 500 a 750 nm, 550 nm a 750 nm, 600 nm a 750 nm, 650 nm a 750 nm, 700 a 750 nm, 400 nm a 700 nm, 450 a 700 nm, 500 a 700 nm, 550 nm a 700 nm, 600 nm a 700 nm, 650 nm a 700 nm, 400 nm a 650 nm, 450 a 650 nm, 500 a 650 nm, 550 nm a 650 nm, 600 nm a 650 nm, 400 nm a 600 nm, 450 a 600 nm, 500 a 600 nm, 550 nm a 600 nm, 400 nm a 550 nm, 450 a 550 nm, 500 a 550 nm, 400 nm a 500 nm, 450 a 500 nm ou 400 nm a 450 nm, ou cerca de uma das faixas mencionadas acima.

[0084] Em certas modalidades, o dispositivo de medição mede a luz compreendendo um comprimento de onda na faixa de 440 a 800 nm.

[0085] Em certas modalidades, a fonte de luz e/ou o dispositivo de medição compreendem parte de uma sonda. Outros arranjos são contemplados.

[0086] Em certas modalidades, a luz emitida pelo produto de carne compreende luz com um comprimento de onda na faixa de 440 a 800 nm.

[0087] Em certas modalidades, a luz emitida pelo produto de carne compreende luz com um comprimento de onda na faixa de 400 nm a 800 nm, 450 a 800 nm, 500 a 800 nm, 500 a 800 nm, 550 nm a 800 nm, 600 nm a 800 nm , 650 nm a 800 nm, 700 a 800 nm, 750 a 800 nm, 400 nm a 750 nm, 450 a 750 nm, 500 a 750 nm, 550 nm a 750 nm, 600 nm a 750 nm, 650 nm a 750 nm, 700 a 750 nm, 400 nm a 700 nm, 450 a 700 nm, 500 a 700 nm, 550 nm a 700 nm, 600 nm a 700 nm, 650 nm a 700 nm, 400 nm a 650 nm, 450 a 650 nm, 500 a 650 nm, 550 nm a 650 nm, 600 nm a 650 nm, 400 nm a 600 nm, 450 a 600 nm, 500 a 600 nm, 550 nm a 600 nm, 400 nm a 550 nm, 450 a 550 nm, 500 a 550 nm, 400 nm a 500 nm, 450 a 500 nm ou 400 nm a 450 nm, ou cerca de uma das faixas acima mencionadas.

[0088] Métodos e dispositivos para medir a luz e converter a luz medida em dados são conhecidos na técnica.

[0089] Em certas modalidades, o dispositivo de medição compreende um espectrômetro.

[0090] Processadores, memória e software são como descritos na presente invenção.

[0091] Em certas modalidades, o processador, a memória e o software estão localizados para estar em conexão de dados com a sonda.

[0092] O processamento de dados é como descrito na presente invenção.

[0093] Em certas modalidades, a fonte de luz e o dispositivo de medição compreendem parte de uma sonda, e o processador, a memória e o software estão localizados remotamente a partir da sonda e recebem os dados pela Internet.

[0094] Um ou mais parâmetro(s) indicativo(s) de qualidade e métodos para sua determinação são como descritos na presente invenção. O uso de um ou mais parâmetro(s) para prover uma medida da qualidade de um produto de carne é como descrito na presente invenção.

[0095] Em certas modalidades, a qualidade do produto de carne compreende a qualidade alimentar.

[0096] Em certas modalidades, a qualidade do produto de carne compreende pH.

[0097] Em certas modalidades, a qualidade do produto de carne compreende conteúdo de gordura (tal como conteúdo de gordura intramuscular) e/ou maciez (tal como força de cisalhamento).

[0098] Em certas modalidades, o sistema é usado para tipificar, pontuar ou classificar um produto de carne como qualidade.

[0099] Certas modalidades da presente divulgação provêm um produto de carne tipificado, pontuado ou classificado usando um sistema como descrito na presente invenção.

[00100] Certas modalidades da presente divulgação provêm um método para criar um ou mais modelo(s) para avaliar a qualidade de um produto de carne.

[00101] Certas modalidades da presente divulgação provêm um método para criar um ou mais modelo(s) para avaliar a qualidade de um produto de carne, o método compreendendo: para uma pluralidade de produtos de carne de amostra, receber dados representativos da luz emitida pelo produto de carne de amostra na aplicação de luz incidente no produto de carne de amostra; para os produto de carne de amostra, receber um ou mais valor(es) predeterminado(s); usar os dados e um ou mais valor(es) predeterminado(s) para criar um ou mais modelo(s) para prever um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne.

[00102] Os produtos de carne e a qualidade dos produtos de carne são como descritos na presente invenção.

[00103] Os detalhes da luz incidente são como descritos na presente invenção.

[00104] Em certas modalidades, a luz incidente compreende luz com um comprimento de onda na faixa de um de 400 nm a 415 nm. Outras faixas de comprimento de onda são contempladas.

[00105] Em certas modalidades, a luz incidente compreende luz com um comprimento de onda na faixa de 400 nm a 410 nm, 400 nm a 405 nm, 405 nm a 415 nm, 405 nm a 410 nm ou 410 nm a 415 nm, ou cerca de uma das faixas mencionadas.

[00106] Em certas modalidades, a luz incidente compreende luz com um comprimento de onda na faixa de 402 nm a 408 nm, 403 nm a 408 nm, 404 nm a 408 nm, 405 nm a 408 nm, 406 nm a 408 nm, 407 nm a 408 nm, 402 nm a 407 nm, 403 nm a 407 nm, 404 nm a 407 nm, 405 nm a 407 nm, 406 nm a 407 nm, 402 nm a 406 nm, 403 nm a 406 nm, 404 nm a 406 nm, 405 nm a 406 nm, 402 a 405 nm, 403 nm a 405 nm, 404 nm a 405 nm, 402 nm a 404 nm, 403 a 404 nm e 402 nm a 403 nm, ou cerca de uma das faixas mencionadas acima.

[00107] Em certas modalidades, a luz incidente compreende luz com comprimento de onda de 405 ± 3 nm.

[00108] Em certas modalidades, a luz compreende luz com um comprimento de onda de cerca de 404 nm ou cerca de 405 nm.

[00109] Em certas modalidades, a luz emitida pela amostra compreende luz com um comprimento de onda na faixa de 440 a 800 nm.

[00110] Em certas modalidades, a luz emitida pela amostra compreende luz com um comprimento de onda na faixa selecionada de 400 nm a 800 nm, 450 a 800 nm, 500 a 800 nm, 550 nm a 800 nm, 600 nm a 800 nm, 650 nm a 800 nm, 700 a 800 nm, 750 a 800 nm, 400 nm a 750 nm, 450 a 750 nm, 500 a 750 nm, 550 nm a 750 nm, 600 nm a 750 nm, 650 nm a 750 nm, 700 a 750 nm, 400 nm a 700 nm, 450 a 700 nm, 500 a 700 nm, 550 nm a 700 nm, 600 nm a 700 nm, 650 nm a 700 nm, 400 nm a 650 nm, 450 a 650 nm, 500 a 650 nm, 550 nm a 650 nm, 600 nm a 650 nm, 400 nm a 600 nm, 450 a 600 nm, 500 a 600 nm, 550 nm a 600 nm, 400 nm a 550 nm, 450 a 550 nm, 500 a 550 nm, 400 nm a 500 nm, 450 a 500 nm ou 400 nm a 450 nm, ou cerca de uma das faixas acima mencionadas.

[00111] Os detalhes da luz emitida por um produto de carne são como descritos na presente invenção.

[00112] Métodos e dispositivos para medir a luz e converter a luz medida em dados são como descritos na presente invenção.

[00113] Em certas modalidades, os valores predeterminados compreendem um parâmetro indicativo do peso da carcaça (ou parte de uma carcaça), um parâmetro indicativo do teor de gordura no produto de carne, um parâmetro indicativo da massa gorda no produto de carne, um parâmetro indicativo de uma medida (tamanho, área e/ou profundidade) de um músculo específico de uma carcaça, parâmetro indicativo de acidez e/ou alcalinidade (tal como pH) no produto de carne, uma ou mais cor(es) do produto de carne, força de cisalhamento (SF), gordura intramuscular (IMF), ou uma combinação de qualquer um ou mais dos parâmetros mencionados acima.

[00114] Em certas modalidades, os valores predeterminados compreendem um ou mais parâmetro(s), como a seguir: um parâmetro indicativo do peso da carcaça; um parâmetro indicativo da temperatura da carcaça; uma medida da profundidade do tecido; um parâmetro indicativo de gordura intramuscular (parâmetro de IMF); e um parâmetro indicativo de força de cisalhamento (parâmetro de SF).

[00115] Em certas modalidades, os valores predeterminados compreendem um ou mais parâmetro(s), como a seguir: um parâmetro indicativo do peso da carcaça quente (parâmetro de HCWT); (pelo menos para uma ovelha ou cordeiro) uma medida da profundidade do tecido sobre uma 12a costela (parâmetro de GRfat); um parâmetro indicativo de uma quantidade de gordura sobre um músculo ocular (parâmetro de FatC); um parâmetro indicativo de gordura intramuscular (parâmetro de IMF); e um parâmetro indicativo de força de cisalhamento (parâmetro de SF).

[00116] Em certas modalidades, os dados compreendem dados espectrais que são processados antes de usar os dados espectrais para criar um ou mais modelo(s).

[00117] Em certas modalidades, um ou mais modelo(s) compreende(m) modelos estatísticos lineares. Em certas modalidades, um ou mais modelo(s) compreende(m) modelos estatísticos não lineares.

[00118] Em certas modalidades, um ou mais modelo(s) compreende(m) regressão logística.

[00119] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando o aprendizado de máquina.

[00120] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando redes neurais.

[00121] Em certas modalidades, o(s) modelo(s) é(são) criado(s) usando aprendizado profundo.

[00122] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando uma abordagem de minimização de dados. Em certas modalidades, a abordagem de minimização de dados compreende o emprego do Critério de Informação de Akaike.

[00123] Em certas modalidades, um ou mais modelo(s) é(são) criado(s) usando dados de treinamento, incluindo dados representativos da luz emitida por uma pluralidade de produtos de carne de amostra na aplicação de luz incidente nos produtos de carne de amostra, cada produto de carne de amostra tendo valores predeterminados para um ou mais parâmetro(s).

[00124] Em certas modalidades, um modelo criado por um método descrito na presente invenção é usado em um sistema para tipificar, pontuar ou classificar um produto de carne quanto à qualidade.

BREVE DESCRIÇÃO DOS DESENHOS

[00125] As modalidades da presente divulgação serão agora descritas, apenas a título de exemplo, com referência aos desenhos anexos, nos quais:

[00126] A Figura 1 é uma representação de um sistema para avaliar a qualidade de um produto de carne de acordo com uma modalidade.

[00127] A Figura 2 inclui vistas lateral, superior, em seção e frontal de um alojamento para uma sonda de acordo com uma modalidade.

[00128] A Figura 3 é um fluxograma representativo de um método para avaliar a qualidade de um produto de carne de acordo com uma modalidade.

[00129] A Figura 4 é um fluxograma representativo de um método para criar um ou mais modelo(s) para avaliar a qualidade de um produto de carne de acordo com uma modalidade.

[00130] A Figura 5 mostra gráficos que mostram dados espectrais representativos da autofluorescência excitada em um produto de carne pela aplicação de luz laser no produto de carne de acordo com uma modalidade.

[00131] A Figura 6 mostra os valores de R ao quadrado médios para todos os conjuntos de dados, com média de três métodos: modelo linear, Critério De Informação de Akaike, e Validação Cruzada de 5 vezes.

[00132] A Figura 7 mostra valores de R ao quadrado médios para todos os conjuntos de dados para o modelo linear e o Critério de Informação de Akaike.

[00133] A Figura 8 mostra o Erro Padrão Residual Relativo médio para todos os conjuntos de dados em média através do modelo linear e na AIC; e valores da estatística F para todos os conjuntos de dados para o modelo linear.

[00134] A Figura 9 mostra log10 (valor-p) para todos os conjuntos de dados para o modelo linear e o Critério de Informação de Akaike.

[00135] A Figura 10 mostra R ao quadrado e os valores de R ao quadrado ajustados para todos os conjuntos de dados. lm - modelo linear, aic - Critério de Informação de Akaike, 5 interações - Método de Validação Cruzada com k interações com 5 interações.

[00136] A Figura 11 mostra os valores relativos do Erro Padrão Residual (RSE) e da Estatística F para todos os conjuntos de dados. lm - modelo linear, aic - Critério de Informação de Akaike.

[00137] A Figura 12 mostra log10 (valor-p) para todos os conjuntos de dados. lm - modelo linear, aic - Critério de Informação de Akaike.

[00138] A Figura 13 mostra a assinatura espectral média para a carcaça quente de acordo com outra modalidade.

[00139] A Figura 14 mostra a assinatura espectral média da carcaça fria de acordo com outra modalidade.

[00140] A Figura 15 mostra a porcentagem medida de gordura intramuscular versus a porcentagem prevista de gordura intramuscular para a carcaça quente.

[00141] A Figura 16 mostra a força de cisalhamento medida versus a força de cisalhamento prevista para a carcaça quente.

[00142] A Figura 17 mostra o pH medido versus o pH previsto para a carcaça quente.

[00143] A Figura 18 mostra a porcentagem medida de gordura intramuscular versus a porcentagem prevista de gordura intramuscular para a carcaça fria.

[00144] A Figura 19 mostra a força de cisalhamento medida versus a força de cisalhamento prevista para a carcaça fria.

[00145] A Figura 20 mostra o pH medido versus o pH previsto para a carcaça fria.

DESCRIÇÃO DETALHADA

[00146] Uma modalidade de um sistema 10 para avaliar a qualidade de um produto de carne 12 é mostrada na Figura 1.

[00147] O sistema 10 inclui uma fonte de luz, que nesta modalidade é um laser azul 14 tendo um comprimento de onda de cerca de 404 nm. O laser 14 é conectado a uma sonda de fibra 16 através de uma fibra óptica bifurcada 18 e ao conector de fibra 20. A sonda de fibra 16 é mostrada inserida no produto de carne 12, a fim de aplicar luz incidente do laser 14 ao produto de carne 12. Normalmente, a sonda é inserida a uma profundidade de 2 a 6 cm, mas outras profundidades são aplicáveis, e a presente divulgação contempla o uso da sonda externamente ao produto de carne.

[00148] O produto de carne 12 pode ser uma carcaça inteira, um lado de carne ou qualquer corte de carne, por exemplo, carne adequada para venda por atacado ou varejo. A presente divulgação pode ser usada para avaliar a qualidade de um produto de carne vermelha, por exemplo carne de cordeiro, carne bovina, carne de porco, carne de veado, carne de cabra ou carne de cavalo.

[00149] Em uma modalidade, a sonda de fibra 16 é inserida em torno do filé de costela (o lado externo da costela) de uma carcaça. Profundidades de penetração de aproximadamente 20-40 mm para cordeiro e 40-60 mm para carne bovina foram testadas com sucesso. A multissondagem da carcaça para avaliar vários grupos musculares também pode ser realizada.

[00150] A aplicação da luz incidente do laser 14 no produto de carne 12 faz com que o produto de carne 12 se autofluoresça e emita luz. A sonda de fibra 16 tem uma ponta de sensoreação 22, que recebe a luz emitida pelo produto de carne 12. Essa luz emitida passa através da fibra bifurcada 18 para um dispositivo de medição, que nesta modalidade é um espectrômetro 24. Um filtro de passagem longa 26 é usado para suprimir o fundo da luz laser.

[00151] O espectrômetro 24 converte a luz emitida em dados espectrais representativos da autofluorescência excitada no produto de carne 12. Os dados espectrais podem compreender uma medição da intensidade da luz emitida através de uma faixa de comprimentos de onda, por exemplo 440 nm a 800 nm. Tais medições podem ser realizadas em diferentes intervalos ao longo da faixa de comprimentos de onda e várias medidas podem ser realizadas para cada intervalo.

[00152] O sistema 10 inclui adicionalmente um processador 28, uma memória 30 e um software 32 residentes na memória 30 e acessíveis ao processador 28. Nesta modalidade, o processador 28 e a memória 30 fazem parte de um computador 34, que está em comunicação de dados 36 com o espectrômetro 24.

[00153] O computador 34 pode ser colocalizado com os outros componentes do sistema 10 (daqui em diante referido como o aparelho óptico 38), ou pode estar localizado remotamente e em comunicação de dados com o espectrômetro 24 através de uma rede de dados, tal como uma LAN ou a Internet. Pode estar fisicamente conectado ao espectrômetro por um cabo ou em comunicação sem fio. Alternativamente, os dados do espectrômetro 24 podem ser salvos, por exemplo, em um cartão de memória e posteriormente transferidos para o computador 34 para análise e/ou armazenados na nuvem. Será apreciado que a divulgação abrange todos os meios de transferência de dados do espectrômetro 24 para o computador 34, e todas as diferentes formas que o computador 34 pode assumir, incluindo um computador de mesa, laptop ou dispositivo móvel.

[00154] O aparelho óptico 38, com ou sem o computador 34 pode ser portátil. Isso pode permitir ao usuário caminhar ao longo de uma cadeia de matadouros em movimento contínuo, transportando produtos de carne e sondar os produtos de carne, ou sondar produtos de carne em um refrigerador sem removê-los do refrigerador. Por exemplo, os componentes do aparelho óptico 38 e do hardware de controle 34 podem ser montados em uma maleta tipo Pelican e afixados a uma fiação. Isso permite que a configuração completa seja usada, por exemplo, como uma mochila, enquanto as medidas estão sendo realizadas. Não é necessária uma conexão contínua à rede elétrica.

[00155] A sonda de fibra óptica 16 pode ser alojada em um alojamento em forma de pistola 39, como mostrado na Figura 2. O corpo do alojamento 41 e a tampa superior 43 nesta modalidade são feitos de plástico ABS usinado por CNC. A placa frontal 45 e as sondas 16 são feitas de aço inoxidável. As sondas 16 são tubos de 3 mm de diâmetro externo x 1 mm de diâmetro interno x 75 mm de comprimento com um estreitamento e uma rosca M3. Uma janela de policarbonato translúcida 47 está incluída na tampa superior 43, selada com um silicone de qualidade alimentar. O alojamento 39 pode facilitar a inserção e operação das sondas 16. Por exemplo, o comprimento das sondas 16 que se estendem além do alojamento 39 pode ser definido para uma profundidade desejada de inserção para o produto de carne que está sendo analisado. Será apreciado que outras formas e materiais do alojamento 39 possam ser usados alternativamente.

[00156] Outro hardware ou equipamento pode ser usado em conjunto com o sistema 10, por exemplo, um escâner de código de barras para leitura de códigos de barras que identificam os produtos de carne 12, de modo que um determinado produto 12 e seus dados espectrais medidos possam ser associados.

[00157] Diferentes modalidades do aparelho óptico 38 foram testadas. Em uma primeira versão, o aparelho óptico 38 incluía um laser de onda contínua de 405 nm (CW) 14 dispensando 15 mw de potência, um espectrômetro de chama UV/Vis 24 (tempo de integração 100 ms-200 ms) coletando todos os comprimentos de onda de 350 nm-1100 nm, um filtro de passagem longa de 407 nm 26, uma fibra bifurcada multimodal de 200 uM 18 para combinar o laser 12 e o espectrômetro 24, uma fibra multimodal de 200 uM para dispensação e coleta combinadas do sinal e uma agulha de aço inoxidável 16 para dispensação da fibra no produto de carne 12.

[00158] Em uma segunda versão, o aparelho óptico 38 foi projetado para fazer várias medições ao mesmo tempo. O aparelho óptico 38 incluía os componentes da primeira versão, exceto pelo uso de quatro fibras multimobalares de 200 uM para dispensação e coleta combinadas de sinal, e também um divisor óptico PS Jena 1x6 para várias amostras. Os componentes foram todos montados em uma maleta tipo Pelican para portabilidade.

[00159] Em uma terceira versão, também projetada para realizar várias medições ao mesmo tempo, o aparelho óptico 38 incluía um laser CW de 405 nm 14 para cada agulha 16, os lasers 14 dispensando 10-40 mw de potência, um espectrômetro de chama UV/Vis 24 coletando todos os comprimentos de onda de 350 nm a 1100 nm, um feixe bifurcado de 200 uM 18 (4xfibras) dispensando luz ao espectrômetro 24 e um conjunto de filtros de 420 nm 26, todos montados em uma maleta tipo Pelican para portabilidade.

[00160] Diferentes versões do hardware de controle 34 também foram testadas para controlar a ativação/desativação do/s laser/es 14, coletar dados do espectrômetro 24 e controlar um escâner de código de barras. O código foi personalizado e controlado usando um beaglebone. Uma versão do hardware de controle 34 inclui uma bateria LiPo 14S de 4,7 V, um beaglebone para controle de componentes de software, uma placa personalizada adicional para controle de laseres (entradas controladas pelo beaglebone), tensão regulada para ~ 5-6 V e integrada a um escâner de código de barras sem fio. Em operação, medições de dados espectrais são realizadas usando o aparelho óptico 38 da Figura 1. À medida que a carne é movida ao longo de uma linha de processamento de carne, a sonda 16 pode ser inserida na carne a uma profundidade de 20-60 mm, o laser 14 ativado e resultante autofluorescência na carne medida pelo espectrômetro 24. Um código de barras associado à carne pode ser escaneado para obter um número de identificação e os dados espectrais gerados pelo espectrômetro 24 podem ser rotulados usando o número de identificação.

[00161] Foram realizados ensaios sondando carcaças quentes (menos de 30 minutos desde a matança) e carcaças frias (12-24 horas em um refrigerador de 4 °C). A varredura a quente e a frio levou cerca de 3 horas, e um tempo de transição de cerca de 15 a 30 minutos foi usado ao fazer a transição da sonda de quente para fria e vice-versa. Espera- se que o uso final seja de 6 a 10 horas e a sonda provavelmente permaneça no ambiente quente ou frio por pelo menos 3 horas. Espera-se que seja improvável que uma operação de varredura sofra ciclos térmicos frequentes (entrada/saída do refrigerador em menos de 30 minutos).

[00162] A carne foi sondada enquanto viajava em uma cadeia de matadouros em movimento contínuo a uma velocidade de aproximadamente 8 a 12 carcaças por minuto. A temperatura ambiente durante a varredura a quente foi de aproximadamente 15-35 °C e a temperatura ambiente durante a varredura a frio foi de aproximadamente 1-15 °C. A varredura de produtos de carne fria era feita quando as carcaças saíam do refrigerador em uma cadeia de matadouros ou enquanto as carcaças estavam estacionárias no refrigerador. Quatro escâneres foram realizados na carcaça quente e quatro, 24 horas após a morte na carcaça fria. Uma amostra de carne de 200 g foi colhida, rotulada e envelhecida a 4 °C. A amostra de carne foi avaliada para variáveis definidas, incluindo IMF, força de cisalhamento, pH e cor. Detalhes de algumas das variáveis são fornecidos na tabela abaixo.

[00163] Os dados espectrais e o número de identificação podem então ser enviados para um computador no qual o software 32 está instalado (por exemplo, em um local remoto).

[00164] Os dados espectrais podem então ser processados utilizando uma ou mais das seguintes etapas: • A compensação de dados pode ser realizada para remover espectros saturados. Dados espectrais abaixo de 440/450 nm ou acima de 800 nm podem ser cortados. • Os espectros fora da faixa podem ser removidos. • É possível calcular a média de vários espectros para obter um espectro por amostra. • Os espectros podem ser normalizados para um máximo local. • Pode ser calculada a média dos pontos de dados para reduzir o número de variáveis de resposta em um conjunto (por exemplo, a resolução dos dados espectrais pode ser reduzida em 10x).

[00165] O software 32 inclui uma série de instruções executáveis pelo processador 28 para executar um método para analisar os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne 12. Com referência à Figura 3, o método 40 inclui as etapas de recebimento de 42 dados representativos da luz emitida pelo produto de carne 12 após a aplicação da luz incidente ao produto de carne 12; analisar 44 os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne 12; e avaliar 46 a qualidade do produto de carne 12 com base em um ou mais parâmetro(s).

[00166] A análise 44 dos dados pode envolver o uso de um ou mais modelo(s) para prever os um ou mais parâmetro(s) da saída de dados do espectrômetro 24. Com base nessas previsões, a qualidade do produto de carne 12 pode ser avaliada 46.

[00167] Um ou mais parâmetro(s) pode(m) ser valores previstos das propriedades do produto de carne, ou uma faixa de valores prováveis para essas propriedades (por exemplo, um valor +/- um erro). Alternativamente, um ou mais parâmetro(s) pode(m) ser uma categorização de uma propriedade do produto de carne em uma de uma pluralidade de categorias relacionadas a uma propriedade do produto de carne, ou como estando acima ou abaixo de um limite.

[00168] A Figura 4 representa um método 48 de criação de um ou mais modelo(s) para avaliar a qualidade de um produto de carne. O método 48 pode ser implementado em software e compreende, para uma pluralidade de produtos de carne de amostra, receber dados 50 representativos da luz emitida do produto de carne de amostra na aplicação de luz incidente no produto de carne de amostra; para os produtos de carne de amostra, recebendo um ou mais valor(es) predeterminado(s) 52; e usando os dados e um ou mais valor(es) predeterminado(s) para criar um ou mais modelo(s) 54 para prever um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne. Os modelos podem ser criados usando métodos estatísticos lineares ou algoritmos de aprendizado de máquina supervisionados. Outros modelos são contemplados. Um modelo de previsão pode, portanto, ser criado para cada variável por sinais espectrais/assinaturas/impressões digitais. Redes neurais e abordagens de aprendizado profundo podem ser aplicadas aos dados 50 para aumentar a previsibilidade além do que os modelos lineares podem alcançar.

[00169] Usando o sistema e o software descritos, verificou-se que os parâmetros de carne de cordeiro e carne de bovino, utilizados como produtos de carne indicativos de outras carnes vermelhas, poderiam ser previstos na velocidade da linha (em amostras quentes, frias e refrigeradas) com precisão suficiente para avaliar a qualidade do produto de carne.

[00170] As pessoas habilitadas na técnica apreciarão que o software 32 pode ser fornecido de várias maneiras; por exemplo, em um meio legível por computador, tal como um disco ou uma memória do computador 34, ou como um sinal de dados, tal como por transmissão de um servidor.

[00171] Também será apreciado que variações no sistema e no método acima são possíveis. Por exemplo, a sonda 16 pode ser inserida no produto de carne em várias posições, com medições realizadas em cada posição e/ou múltiplas medições realizadas com a sonda 16 na mesma posição. Em outra modalidade, múltiplas sondas podem ser usadas para realizar várias medições simultâneas de autofluorescência.

[00172] Exemplos do desenvolvimento do sistema e do método são dados abaixo. Deve ser entendido que a descrição a seguir tem o objetivo de descrever apenas modalidades particulares e não se destina a ser limitativa em relação à descrição acima.

Exemplo 1 - Carcaças de medição e amostragem para análise da qualidade alimentar da carne

[00173] As seguintes medidas foram obtidas para 200 carcaças de cordeiro: • HCWT - peso da carcaça quente; • GRfat - uma medida da profundidade do tecido na 12 a costela (principalmente gordura); • EMW - largura do músculo ocular; • EMD - profundidade do músculo ocular; • FatC - a quantidade de gordura sobre o músculo ocular; • EMA - área muscular do olho; • pHu_loin - o pH do músculo ocular; • pHu_temp - a temperatura do músculo ocular no momento da medição do pHu; • L - medida de cor = luminosidade; • a - medida de cor = vermelhidão; • b - medida de cor = amarelecimento; • SF - força de cisalhamento; e • IMF - gordura intramuscular.

[00174] Essas medidas são fornecidas no Apêndice A (Tabela 3) abaixo.

Metodologia

[00175] As medições foram obtidas da seguinte forma:

(i) medição de carcaça

[00176] Foram medidos o peso da carcaça quente (HCWT), profundidade de tecido no local da GR (profundidade de GR), espessura da cfat e área do músculo ocular (EMA) na 12a costela. O HCWT foi provido pela planta de processamento. A profundidade de GR (mm) foi medida com uma faca de GR 4-6h após morte na 12a costela, a 110 mm da coluna vertebral no lado direito da carcaça.

[00177] Após o resfriamento durante a noite, aproximadamente 21 h post mortem, 13 - 15 cm da seção esquerda do lombo (m. longissimus thoracic et lumborum; LL) foram removidos acima da 12a costela. A partir desta seção do LL, a cor do músculo ocular fresco foi medida depois que a seção exposta do LL foi deixada “florescer” por 30-60 minutos. Um Cromômetro Minolta foi usados para medir a luminosidade (L*), vermelhidão (a*) e amarelecimento (b*) do lombo. Os níveis de pH foram registrados como uma estimativa do pH final (pHu do lombo) usando o medidor de pH TPS WP-80 ligado ao sensor de temperatura e uma sonda de pH Ionode. A largura do músculo ocular (EMW; mm), profundidade do músculo ocular (EMD; mm) e cFat (mm) foram medidas com pinças digitais na superfície exposta do LL. A EMA foi calculada a partir de EMW e EMD de acordo com a equação: EMA = EMW*EMD*0,008.

(ii) Coleta e processamento de amostras

[00178] Cerca de 24 horas após a morte, a gordura e o epimísio foram removidos da seção do LL que foi previamente removida da carcaça. Foram coletadas amostras de força de cisalhamento (SF5; 65g) e gordura intramuscular (IMF; 40g). As amostras do IMF foram congeladas imediatamente após a coleta.

[00179] As amostras do SF5 foram acondicionadas a vácuo e envelhecidas a 4-5 °C por cinco dias antes do congelamento a -20°C.

(iii) Medição da força de cisalhamento

[00180] As amostras congeladas de 65 g LL foram colocadas em banho-maria a 71 °C por 35 minutos para cozinhar e, em seguida, imersas em água resfriada antes do processamento. As amostras foram processadas de acordo com os métodos de Hopkins D.L. & Thompson JM (2001) “The relationship between tenderness, proteolysis, muscle contraction and dissociation of actomyosin.” Meat Science 57, 1 - 12, e uma máquina Lloyd LRX foi usada para medir 5-6 subamostras de 1 cm3 de cada 65 g de amostra LL.

(iv) Medição de gordura intramuscular

[00181] As amostras do IMF foram liofilizadas e o conteúdo do IMF foi determinado usando um procedimento de infravermelho próximo (como descrito em Perry D., Shorthose W.R., Ferguson D.M. & Thompson J.M. (2001) "Methods used in the CRC program for the determination of carcass yield and beef quality." págs. 953 - 7).

Resultados

[00182] O número de medições e estatísticas simples é mostrado na Tabela 1. Um fornecedor foi usado para obter uma grande faixa de carcaças, representativas do que seria típico na indústria australiana de cordeiros. As carcaças variaram de 14 a 32 kg, com 3,5 a 33,0 mm de gordura no local da GR, com um peso médio de carcaça de 21 kg e uma gordura média de 12,2 mm. Da mesma forma, o IMF, o SF5, a cor fresca e o pHu refletiam as faixas normais da indústria.

[00183] A faixa de parâmetros de qualidade alimentar e da forneceu uma fonte para a prova do conceito de análise de soluções de qualidade alimentar da carne. Tabela 1. Estatísticas de cordeiros medidos em PVP.

Exemplo 2 - Aquisição de dados e processamento de medições realizadas usando uma sonda (a) Sumário

[00184] Este exemplo descreve os resultados do processamento de dados de medições realizadas usando uma sonda de fibra.

[00185] As abordagens estatísticas lineares e categóricas foram empregadas na análise.

[00186] A análise dos dados foi usada para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne e, assim, avaliar a qualidade do produto de carne com base em um ou mais parâmetro(s).

[00187] Dos parâmetros investigados, verificou-se que as medidas de qualidade da carne do IMF (gordura intramuscular) e SF (força de cisalhamento) poderiam ser previstas estatisticamente de forma significativa usando as duas abordagens de modelagem.

[00188] Verificou-se também que o conhecimento do estado da carne no momento da medição melhora a modelagem, à medida que os espectros mudam nas condições da carne.

[00189] Com base nesses dados, é evidente que uma medição dos substitutos da qualidade da carne pode ser obtida na velocidade da linha.

(b) Aquisição de dados

[00190] As medições de dados espectrais foram realizadas usando o aparelho óptico 38 da Figura 1.

[00191] A sonda de fibra 16 foi inserida em cada uma das 200 carcaças de cordeiro, o laser 14 foi ativado para aplicar luz incidente à carcaça através da sonda 16 e o espectrômetro 24 gerou dados espectrais representativos da autofluorescência excitada na carcaça de cordeiro. Foram realizadas doze a vinte amostras para cada carcaça, e isso foi repetido em diferentes temperaturas, para que um conjunto de dados quente, um conjunto de dados resfriado e um conjunto de dados frios fossem obtidos.

[00192] Os dados espectrais foram então processados da seguinte forma, para reduzir a complexidade dos dados e aumentar a precisão da previsão: 1. Os dados foram importados do espectrômetro 24 como arquivos .txt. 2. A compensação de dados foi realizada para remover espectros saturados. Os espectros que tinham bordas afiadas e picos planos foram removidos da análise. A detecção dos dados saturados foi realizada por uma série de exclusões de corte. 3. Dados espectrais abaixo de 440 nm foram cortados para remover o fundo do laser. 4. Vários espectros para cada amostra foram calculados para obter um espectro por amostra. 5. Todos os espectros foram normalizados para eliminar as flutuações da intensidade do laser. Os espectros médios foram normalizados para máximos locais. 6. Cada dez pontos de dados foram calculados como média para reduzir o número de variáveis de resposta em um conjunto (isto é, separando os comprimentos de onda).

[00193] Exemplos dos dados espectrais processados a temperaturas quentes, refrigeradas e frias obtidos após o processamento descrito nos pontos 1 a 5 acima são mostrados nas Figuras 5A-5C.

(c) Modelagem

[00194] Variáveis previsoras: Os seguintes parâmetros externos foram considerados variáveis previsoras na análise: 1. HCWT - peso da carcaça quente; 2. GRfat - uma medida da profundidade do tecido na 12a costela (principalmente gordura); 3. EMW - largura do músculo ocular; 4. EMD - profundidade do músculo ocular; 5. FatC - a quantidade de gordura sobre o músculo ocular; 6. EMA - área muscular dos olhos; 7. pHu_loin - o pH do músculo ocular; 8. pHu_temp - a temperatura do músculo ocular no momento da medição do pHu; 9. L - medida da cor = luminosidade; 10. a - medida da cor = vermelhidão; 11. b - medida da cor = amarelecimento; 12. SF - força de cisalhamento; 13. IMF - gordura intramuscular.

[00195] Os estudos identificaram o SF e o IMF como duas medidas importantes para a qualidade da carne.

Métodos

[00196] Inicialmente, foram usados dois métodos para encontrar correlação entre todos os parâmetros externos e as variáveis de resposta (dados espectrais): 1) modelo linear com o Critério de Informação de Akaike e 2) validação cruzada em k interações. Cada um dos métodos forneceu vários parâmetros de produção que foram usados para estimar quão bem o modelo descreveu os dados. Esses parâmetros de produção incluem: • Erro Padrão Residual (RSE) - medida da qualidade do ajuste de regressão linear. Qualquer previsão ainda estaria incorreta nesse valor. • R ao quadrado - mede como o modelo se ajusta aos dados reais. Valor entre 0 e 1, onde valores mais altos corresponderiam a um melhor ajuste. • R ao quadrado ajustado - ajustado para o número de variáveis. • Estatística F - indicou se havia uma relação entre nosso previsor (parâmetros externos) e variáveis de resposta (dados espectrais). Deve ser muito maior que 1. • valor-p - testou a hipótese nula (que variáveis previsoras não têm efeito na resposta). Tem que ser menor que 0,005 para poder rejeitar a hipótese nula (para dizer que a relação existe). Nas figuras, log10(valor-p) foi plotado para melhor representação visual dos valores.

[00197] Os resultados desta análise criaram um modelo que permitiu estimar uma variável contínua para a pontuação de previsão. Esse é um valor +/- uma taxa de erro foi retornada pelo modelo ideal.

[00198] Uma abordagem categórica alternativa também foi aplicada usando o aprendizado de máquina que fragmentou o conjunto de dados em graduações categóricas para cada variável. Por exemplo, as pontuações de 2-3 do IMF foram categorizadas em B, 3-4 em C, etc. Assim, foi provida uma medida que permitia categorizar, em vez de quantificar as medidas.

Sumário dos resultados do modelo linear

[00199] As Figuras 6 a 9 apresentam os parâmetros de produção do modelo estatístico. O previsor de pHu_temp foi excluído da análise, pois essa variável variou em etapas e foi encontrada para produzir resultados estatísticos artificiais. Além disso, esse parâmetro era fisicamente irrelevante para a variável de resposta espectral considerada na análise.

[00200] A Figura 6 mostra os valores de R ao quadrado médios para todos os conjuntos de dados, com média de três métodos: modelo linear, Critério De Informação de Akaike e Validação Cruzada de 5 interações.

[00201] Considerando R ao quadrado e os valores de R ao quadrado ajustados, as seguintes variáveis previsoras apresentaram melhores resultados em relação aos outros parâmetros: HCWT, GRfat, FatC, SF e IMF. Isso foi relativamente consistente em todos os três conjuntos de dados; no entanto, o parâmetro de luminosidade, L, pareceu ter um melhor valor de R ao quadrado para o conjunto de dados Cold. O parâmetro pHu_loin mostrou um valor de R ao quadrado ajustado mais alto para o conjunto de dados Hot.

[00202] Os valores da estatística F foram quase duas vezes maiores para os mesmos parâmetros: HCWT, GRfat, FatC, SF e IMF, e valores de p menores foram atribuídos aos mesmos parâmetros. Aqui, o parâmetro de luminosidade, L, também mostrou melhores estatísticas para o conjunto de dados frios, enquanto o parâmetro pHu_loin mostrou melhores valores para o conjunto de dados quentes.

[00203] A Figura 7 mostra valores de R ao quadrado ajustados para todos os conjuntos de dados para o modelo linear e o Critério de Informação de Akaike.

[00204] A Figura 8 mostra o Erro Padrão Residual Relativo médio para todos os conjuntos de dados em média no modelo linear e na AIC; e valores da estatística F para todos os conjuntos de dados para o modelo linear. Valores muito maiores que 1 (mostrados na linha preta) indicam que há relação entre variáveis previsoras e de resposta.

[00205] A Figura 9 mostra log10 (valor-p) para todos os conjuntos de dados para o modelo linear e o Critério de Informação de Akaike. Valores abaixo do limiar de log10 (0,05) = -1,3 indicam que podemos rejeitar a hipótese nula, e existe uma relação entre variáveis previsoras e de resposta.

Sumário dos resultados do modelo categórico

[00206] A análise incorporando abordagens estatísticas categóricas permitiu maior coleta de dados, de modo que todas as medições a quente, em refrigeração e a frio foram analisadas em conjunto, com uma atribuição categórica de sua temperatura de medição. O conjunto de dados foi dividido aleatoriamente em um conjunto de build:teste de 80:20 para permitir a validação independente do modelo. Uma avaliação paralela de 5 tipos diferentes de abordagens de aprendizado de máquina foi realizada com as mais bem selecionadas em um teste comparativo. Para o SF K, a abordagem do vizinho mais próximo criou o melhor modelo previsor com uma precisão de 96,6% no conjunto de dados de teste. Ou seja, das 33 classificações C de SF, o modelo atribuiu 1 incorretamente como D.

[00207] Para o IMF, o teste comparativo produziu uma precisão de 94,7% usando uma abordagem de bosque aleatório. Estatística de Matriz de Confusão

Observações e conclusões

[00208] R ao quadrado: No geral, os valores de R ao quadrado foram relativamente baixos, mesmo para os parâmetros relacionados à gordura, e foram em torno de 0,6, com os valores de R ao quadrado esperados mais baixos. O Critério de Informação de Akaike resultou em um modelo melhorado quando as variáveis de resposta mais ajustadas foram deixadas no modelo. Em média, 30 a 50% das variáveis de resposta inicial foram deixadas após a aplicação da AIC. O Método De Validação Cruzada em k interações mostrou valores de R ao quadrado semelhantes ao modelo linear, ou AIC.

[00209] Número de variáveis de resposta: Ao reduzir o número de variáveis de resposta, os resultados estatísticos gerais pioraram, enquanto um aumento no número de variáveis de resposta levou à melhoria geral do modelo estatístico. Isso era de se esperar, pois indicava que a quantidade total de dados disponíveis para calcular o modelo máximo não havia sido atingida. Isso confirmou que uma abordagem 80/20 e k interações era justificada. Ao considerar os resultados relativos na análise estatística, os mesmos parâmetros apresentaram melhor correlação do que outros, independentemente do número de variáveis de resposta consideradas.

[00210] Variação nos dados espectrais: quando foram escolhidos intervalos de menor variação nos dados espectrais em vez da faixa mais variável, o resultado do modelo estatístico melhorou, mesmo quando o mesmo número de variáveis de resposta foi considerado.

[00211] Erros padrão residuais relativos: os RSEs para os parâmetros relacionados à gordura foram os seguintes: 10% para HCWT, 30% para GRfat, 45% para FatC e 15% para IMF.

[00212] Relação entre variáveis previsoras: a análise da correlação entre as próprias variáveis previsoras revelou que havia correlações internas entre vários parâmetros. Por exemplo, a Tabela 2 mostra o resultado estatístico dos modelos lineares criados com base na relação entre alguns parâmetros externos. Tabela 2. Relação estatística entre parâmetros externos.

[00213] Conclusões do modelo linear: Os modelos criados para os seguintes parâmetros mostraram-se mais estatisticamente significativos quando comparados com outros parâmetros analisados: HCWT, GRfat, FatC, SF e IMF. Também pode ser assumida alguma relação interna entre esses parâmetros. Existe, portanto, um modelo que pode prever estatisticamente de forma significativa o HCWT, GRfat, FatC, SF e IMF. Embora cada modelo seja diferente.

[00214] Conclusões do modelo categórico: O aumento da precisão da abordagem categórica foi proporcional à perda de informações obtidas no modelo linear.

[00215] Conclusões gerais: Parece que é possível um modelo estatisticamente significativo que preveja medidas substitutas da qualidade da carne usando uma abordagem baseada em fibras coletada na velocidade da linha.

[00216] Dados adicionais são fornecidos nos Apêndices A e B, providos abaixo. Apêndice A - Parâmetros externos da qualidade da carne (Tabela 3) Tabela 3. Parâmetros externos da qualidade da carne

Anexo B - Comparação de estatísticas para cada conjunto de dados

[00217] A Figura 10 mostra R ao quadrado e valores de R ao quadrado ajustado para todos os conjuntos de dados. lm - modelo linear, aic - Critério de Informação de Akaike, método de validação cruzada de k interações com 5 interações.

[00218] A Figura 11 mostra os valores relacionados ao Erro Padrão Residual (RSE) e a Estatística F para todos os conjuntos de dados. lm - modelo linear, aic - Critério de Informação de Akaike. O valor da estatística F é considerado bom para muito maior que 1 (mostrado como linhas pretas).

[00219] A Figura 12 mostra log10 (valor-p) para todos os conjuntos de dados. lm - modelo linear, aic - Critério de Informação de Akaike. A linha preta mostra uma posição do limite = logio (0,05) ~ -1,3, onde os valores abaixo dela permitem rejeitar uma hipótese nula.

Exemplo 3 - Medição e análise do IMF, Força De Cisalhamento e pH de carcaças de carne bovina (quente e frio)

[00220] Foram realizadas medições ao longo de dois dias. No primeiro dia, 159 carcaças de carne bovina quente foram escaneadas usando a primeira versão do aparelho óptico 38, como descrito acima, com uma agulha da sonda 16 afixada diretamente à fibra bifurcada 18. Análises de 139 corpos foram obtidas com 20 corpos excluídos devido a escaneamento ruim ou variáveis ausentes. O tempo de integração foi de aproximadamente 80 ms e as assinaturas espectrais não foram normalizadas. Uma assinatura espectral média de carne bovina quente mais uma variação é mostrada na Figura 13. Qualquer assinatura espectral com uma intensidade <5000 a 500 nm foi excluída, pois isso ocorreu devido a ume escaneamento acidental da carne.

[00221] No segundo dia, as mesmas 159 carcaças, agora frias, foram escaneadas usando o mesmo aparelho, exceto que a agulha da sonda 16 foi afixada à fibra bifurcada 18 através de um cabo Patch. Análises de 124 corpos foram envolvidas com 35 corpos excluídos devido a escaneamento ruim ou dados variáveis ausentes. O tempo de integração foi de aproximadamente 100 ms. Uma assinatura espectral média de carne bovina fria mais uma variação é mostrada na Figura 14. Qualquer assinatura espectral com uma intensidade de <1000 a 500 nm foi excluída, pois isso ocorreu devido a uma varredura acidental de carne. Apesar de um tempo de integração de aproximadamente 100-150 ms, o sinal de carne foi extremamente baixo. Isso tornou-se uma subtração base problemática. Além disso, o uso de um cabo patch reduziu a eficiência da coleta em comparação com as medições feitas no primeiro dia.

[00222] Após o processamento dos dados e geração do modelo linear com o Critério de Informação de Akaike, verificou-se que IMF, SF e pH têm um valor R2 aproximado de 0,4 - 0,5 em carcaças quentes (Figuras 14-16) e IMF, SF, e pH têm um valor R2 aproximado de 0,5 - 0,6 em carcaças frias (Figuras 17-20).

[00223] A Figura 15 mostra a porcentagem medida de gordura intramuscular versus a porcentagem prevista de gordura intramuscular para a carcaça quente. A previsão do percentual de gordura intramuscular tem um R2 de 0,44 usando um modelo Linear com AIC.

[00224] A Figura 16 mostra a força de cisalhamento medida versus a força de cisalhamento prevista para a carcaça quente. A previsão da força de cisalhamento tem um R2 de 0,51 usando o modelo Linear com AIC.

[00225] A Figura 17 mostra o pH medido versus o pH previsto para a carcaça quente. A previsão de pH tem um R2 de 0,45 usando o modelo Linear com AIC.

[00226] A Figura 18 mostra a porcentagem medida de gordura intramuscular versus a porcentagem prevista de gordura intramuscular para a carcaça fria. A previsão do percentual de gordura intramuscular tem um R2 de 0,63 usando um modelo Linear com AIC.

[00227] A Figura 19 mostra a força de cisalhamento medida versus a força de cisalhamento prevista para a carcaça fria. A previsão da força de cisalhamento tem um R2 de 0,66 usando o modelo Linear com AIC.

[00228] A Figura 20 mostra o pH medido versus o pH previsto para a carcaça fria. A previsão de pH tem um R2 de 0,48 usando o modelo Linear com AIC.

[00229] Embora a presente divulgação tenha sido descrita com referência a exemplos particulares, será apreciado pelos habilitados na técnica que a divulgação pode ser incorporada em muitas outras formas.

[00230] Deve ser entendido que várias alterações, adições e/ou modificações podem ser feitas nas partes descritas anteriormente sem se afastar do escopo da presente divulgação e que, à luz dos ensinamentos acima, a presente divulgação pode ser implementado em software, firmware e/ou hardware de várias maneiras, como seria entendido pela pessoa habilitada.

[00231] Como usadas neste documento, as formas singulares “um”, “uma” e “o” e “a” podem se referir a artigos plurais, a menos que especificamente indicado de outra forma.

[00232] Ao longo desta relatório descritivo, a menos que o contexto exija de outra forma, a palavra “compreender”, ou variações como “compreende” ou “compreendendo”, serão entendidas como implicando a inclusão de um elemento declarado ou número inteiro ou grupo de elementos ou números inteiros mas não a exclusão de qualquer outro elemento ou número inteiro ou grupo de elementos ou números inteiros.

[00233] Todos os métodos descritos na presente invenção podem ser executados em qualquer ordem adequada, a menos que indicado de outra forma na presente invenção ou claramente contradito pelo contexto. O uso de todos e quaisquer exemplos, ou linguagem de exemplo (por exemplo, “tal como”) provida na presente invenção, visa meramente iluminar melhor as modalidades de exemplo e não representa uma limitação no escopo da invenção reivindicada, a menos que seja reivindicado de outra forma. Nenhuma linguagem no relatório descritivo deve ser interpretada como indicando qualquer elemento não reivindicado como essencial.

[00234] A descrição provida na presente invenção é em relação a várias modalidades que podem compartilhar características e características comuns. Deve ser entendido que uma ou mais características de uma modalidade podem ser combináveis com uma ou mais características das outras modalidades. Além disso, um único recurso ou uma combinação de recursos das modalidades pode constituir modalidades adicionais.

[00235] Os títulos do assunto usados na presente invenção são incluídos apenas para facilitar a referência do leitor e não devem ser usados para limitar o assunto encontrado ao longo da divulgação ou das reivindicações. Os títulos do assunto não devem ser usados para interpretar o escopo das reivindicações ou as limitações da reivindicação.

[00236] Os futuros pedidos de patente podem ser depositados com base no presente pedido, por exemplo, reivindicando prioridade do presente pedido, reivindicando um estado de divisão e/ou reivindicando um estado de continuação. Deve ser entendido que as seguintes reivindicações são providas apenas a título de exemplo e não se destinam a limitar o escopo do que pode ser reivindicado em qualquer aplicação futura. As reivindicações também não devem ser consideradas para limitar o entendimento (ou excluir outros entendimentos) da presente divulgação. Os recursos podem ser adicionados ou omitidos das reivindicações de exemplo posteriormente.

Claims (12)

1. Método para avaliar a qualidade de um produto de carne, o método caracterizado pelo fato de compreender: receber dados representativos da luz autofluorescente emitida pelo produto de carne após a aplicação de luz laser incidente de uma sonda inserida no produto de carne; analisar os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne; e avaliar a qualidade do produto de carne com base em um ou mais parâmetro(s).

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de a luz laser incidente compreender um comprimento de onda na faixa de 402 nm a 408 nm.

3. Método, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de os dados recebidos compreenderem dados espectrais excitados pela aplicação de luz laser no produto de carne.

4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de os dados espectrais compreenderem dados na faixa de 350 nm a 1100 nm.

5. Método, de acordo com qualquer uma das reivindicações 1 a 4, caracterizado pelo fato de um ou mais parâmetro(s) compreender(em) um ou mais de: um parâmetro indicativo do peso da carcaça quente (parâmetro de HCWT); uma medida da profundidade do tecido sobre uma 12a costela (parâmetro de GRfat); um parâmetro indicativo de uma quantidade de gordura sobre um músculo ocular (parâmetro de FatC); um parâmetro indicativo de gordura intramuscular (parâmetro IMF); um parâmetro indicativo de força de cisalhamento (parâmetro SF); um parâmetro indicativo do pH do produto de carne; e um parâmetro indicativo da cor do produto de carne.

6. Método, de acordo com a reivindicação 5, caracterizado pelo fato de os dados serem analisados usando um ou mais modelo(s) para prever os um ou mais parâmetro(s).

7. Método, de acordo com a reivindicação 6, caracterizado pelo fato de um ou mais modelo(s) ser(em) criado(s) usando dados de treinamento incluindo dados representativos da luz emitida por uma pluralidade de amostras de produtos de carne após a aplicação de luz incidente nas amostras de produtos de carne, cada amostra de produto de carne tendo valores predeterminados para um ou mais parâmetro(s).

8. Método, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de o produto de carne ser uma carcaça, uma parte de uma carcaça, um corte de carne da carcaça, ou um produto processado derivado da carcaça ou do corte de carne.

9. Método, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de que os dados compreendem dados espectrais que são processados antes da análise para reduzir um número de pontos de dados em toda a faixa espectral.

10. Sistema para avaliar a qualidade de um produto de carne, o sistema caracterizado pelo fato de compreender: uma fonte de luz para a aplicação de luz laser incidente de uma sonda inserida no produto de carne; um dispositivo de medição para a produção de dados representativos da luz autofluorescente emitida pelo produto de carne após a aplicação da luz laser incidente no produto de carne; um processador; uma memória; e instruções residentes na memória acessível ao processador, as instruções sendo executáveis pelo processador para analisar os dados para determinar um ou mais parâmetro(s) indicativo(s) da qualidade do produto de carne, e prover uma medida da qualidade do produto de carne com base em um ou mais parâmetro(s).

11. Sistema, de acordo com a reivindicação 10, caracterizado pelo fato de que o processador está em conexão física de dados com o dispositivo de medição ou em conexão de dados localmente com o dispositivo de medição.

12. Sistema, de acordo com a reivindicação 10, caracterizado pelo fato de que a fonte de luz e o dispositivo de medição compreendem parte de uma sonda, e o processador e a memória estão localizados remotamente a partir da sonda e recebem os dados pela Internet.