MeatScore: real-time meat quality classification system

• Grant number: 21/15240-3
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: March 01, 2022
• End date: April 30, 2022
• Field of knowledge: Agronomical Sciences - Animal Husbandry
• Principal Investigator: Giancarlo de Moura Souza
• Grantee: Richarlla Aparecida Buscariol Silva
• CNAE: Atividades de apoio à pecuária ; Pesquisa e desenvolvimento experimental em ciências físicas e naturais ; Atividades profissionais, científicas e técnicas não especificadas anteriormente
• Associated research grant: 20/09760-1 - MeatScore - real-time meat quality classification system, AP.PIPE

Abstract

A produção da carne bovina representa atualmente 30% do PIB do agronegócio brasileiro, resultado de décadas de investimento em tecnologias que proporcionaram o aumento da produtividade nesse setor. Visando se destacar no mercado cada vez mais exigente, diversas marcas estão buscando agregar indicadores de qualidade aos produtos cárneos. Todavia, vários desses parâmetros de qualidade da carcaça são atualmente determinados de modo subjetivo, e as iniciativas tecnológicas que realizam parte destas análises demandam infraestrutura moderna, tempo e elevado custo de análise. Devido a esta problemática, nas últimas décadas foram propostas técnicas analíticas alternativas capazes de substituir parcialmente as análises subjetivas que podem apresentar baixa precisão e confiabilidade. Dentre as tecnologias propostas, a espectroscopia NIR é a mais promissora para aplicação industrial, pois permite análises rápidas, simples, não invasiva, precisas e de baixo custo operacional, podendo ser aplicada em frigoríficos e indústria para o monitoramento em tempo real da qualidade da carne. Tal técnica tem sido estudada em países da vanguarda da pecuária, como EUA e Nova Zelândia, composta principalmente por animais taurinos, e apresentando bons resultados na classificação da qualidade da carne. Todavia a pecuária brasileira possui suas peculiaridades e uma nova ferramenta deve ser desenvolvida buscando acessibilidade e baixo custo. Além disso, nosso sistema de produção é atualmente composto em sua maioria, por animais indicus e também cruzamentos taurus/indicus, impossibilitando o uso da ferramenta proposta por eles na pecuária brasileira. Dessa forma, esta proposta tem como objetivo desenvolver uma tecnologia baseada na espectroscopia NIR combinada a diferentes algoritmos quimiométricos e de aprendizagem de máquina para realizar a predição de características da carcaça, tais como: maturidade fisiológica, marmorização e identificação de carnes seguramente duras ou macias no contexto da produção nacional. Serão avaliadas aproximadamente 2.000 carcaças bovinas de fêmeas cruzadas angus-nelore em frigoríficos da região de São Paulo, onde serão obtidas medidas de maturidade fisiológica, gordura intramuscular (marmorização) e os espectros NIR. Essas medidas serão mensuradas no músculo Longissimus (LD) entre 10ª e 13ª costela e apófises dos ossos das vértebras torácicas, lombar, sacral e costelas (maturidade fisiológica por ossificação). Também serão coletadas amostras do músculo LD para serem realizadas medidas de força de cisalhamento para avaliação da maciez. A partir dos espectros NIR, o produto resultante deverá ser capaz de determinar a maturidade, marmorização e categorias de maciez. Os resultados obtidos por meio dessa tecnologia irão auxiliar na identificação de carcaças com carne dura. Além disso, será mensurado o teor de gordura intramuscular e a maturidade fisiológica de modo objetivo. Estas características são, por exemplo, a base da classificação americana por contribuírem não apenas para classificação dos cortes nobres, mas também dos cortes com maior teor de tecido conjuntivo, influenciados significativamente pela maturidade fisiológica. Deste modo, a inovação aqui proposta é o desenvolvimento de métodos objetivos baseados nos espectros NIR para a determinação de características centrais dos sistemas de classificação da qualidade da carne através de um método eficiente e confiável de segregação de carnes seguramente duras e macias avaliadas pelo sistema MeatScore. (AU)