Predição do rendimento de cortes comerciais de novilhas nelore

RESUMO

O objetivo foi avaliar a relação entre as medidas in vivo e na carcaça com a produção de cortes comercias e desenvolver modelos para a predição dos cortes comerciais da carcaça de novilhas Nelore. Foram utilizadas 81 novilhas escolhidas aleatoriamente antes do abate, contidas em tronco individual para posterior tomadas de imagens da área de olho-de-lombo (AOL, cm2) e espessura de gordura de cobertura (EGC, mm), na da garupa (P8) profundidade de alcatra (PP8, cm) e espessura de gordura da garupa (EGP8, mm).Os animais foram abatidos, divididos em traseiro e dianteiro posteriormente desossadas, separados em cortes e pesados separadamente. Os dados coletados foram analisados com auxílio do pacote estatístico RStudio versão 2.15.0 em um modelo de stepwise entre as medidas in vivo e o peso da carcaça quente (variáveis independentes), CCB= cortes comerciais brasileiros; RCCB= rendimento cortes comerciais brasileiros; PCE= peso cortes especiais; RCE= rendimento cortes especiais; PCD= peso cortes dianteiros; PCT= peso cortes traseiros; RCD= rendimento cortes dianteiros; RCT= rendimento cortes traseiros (variável dependente). As correlações variaram de 0,20 a 0,91 positivamente e -0,20 a -0,37 negativamente. Foram estimadas correlações de Pearson entre as características, rendimento e alguns cortes cormerciais, com as medidas obtidas no animal vivo e na carcaça resfriada, com as medidas obtidas no animal vivo e na carcaça resfriada. Os melhores modelos encontrados foram aqueles para predição dos cortes comerciais, cortes especiais e cortes traseiros. Em um modelo de stepwise entre as medidas in vivo e o peso da carcaça quente para predição das porções comestíveis dos cortes primários da carcaça expressas em quilogramas apresentaram bons resultados com R2 variando de moderado a alto, RCCB (0,93) PCT e CCB (0,85) e PCE (0,69)

ABSTRACT

The objective was to evaluate the relationship between the measurements in vivo and carcass with the production of commercial courts and develop models for the prediction of carcass commercial cuts of Nellore heifers. They used 81 heifers randomly chosen before slaughter, contained in individual trunk for later taken pictures of eyeloin area (AOL, cm2) and thickness of fat cover (EGC, mm) in the rump (P8) depth rump (PP8, cm) and fat thickness of the croup (EGP8, mm) .The animals were slaughtered, divided into front and rear later boneless, separated into sections and weighed separately. Data were analyzed using the statistical package rstudio version 2.15.0 in a stepwise model between the measures "in vivo" and the hot carcass weight (independent variables), CCB = Brazilian commercial cuts; RCCB = income Brazilian commercial cuts; PCE = weight special courts; CER = yield special cuts; PCD = weight front cuts; PCT = weight back cuts; RCD = income front cuts; TCR = yield rear sections (dependent variable). The correlations ranged from .20 to .91 positively and -0.20 to - some cormerciais cuts, with the measurements obtained in live animals and cold carcass, with the measurements obtained in live animals and cold housing. The best models were those found to predict commercial cuts, special cuts and back cuts. In a model of stepwise between the measures "in vivo" and the hot carcass weight for predicting the edible portions of the primary cuts expressed in kilograms carcass showed good results with R2 ranging from moderate to high, RCCB (0.93) and PCT CCB (0.85) and PCE (0.69).0.37 negatively. Pearson correlations were estimated between features, performance and some cormerciais cuts, with the measurements obtained in live animals and cold carcass, with the measurements obtained in live animals and cold housing. The best models were those found to predict commercial cuts, special cuts and back cuts. In a model of stepwise between the measures "in vivo" and the hot carcass weight for predicting the edible portions of the primary cuts expressed in kilograms carcass showed good results with R2 ranging from moderate to high, RCCB (0.93) and PCT CCB (0.85) and PCE (0.69).