Aplicaciones de la técnica de análisis de imagen

Aplicaciones de la técnica de análisis de imagen
en la determinación de la calidad de la canal y de la carne (Revisión)
J.A. Mendizábal *, V. Goñi
ETSIA. Universidad Pública de Navarra. Campus de Arrosadía. 31006 Pamplona
[email protected]
RESUMEN
El análisis de imagen es una técnica de reciente desarrollo que consiste en la digitalización de imágenes
que son convertidas en matrices de puntos, los cuales aportan información sobre su posición, su luminosidad, su
color, etc., lo que permite numerosas aplicaciones en los más variados campos. La presente revisión se centra en
las aplicaciones que dicha técnica presenta en la determinación de distintos parámetros que definen la calidad de
la canal y de la carne de los principales animales de abasto. Así, la técnica de análisis de imagen se utiliza para
determinar en el animal vivo su peso y el de la canal que se obtendrá de él, mediante la realización de medidas
corporales (superficies y longitudes) que permitirán obtener coeficientes de determinación de 0,8-0,9 en las predicciones realizadas mediante este método. Asimismo, esta técnica mejora la precisión que se obtenía en la determinación de la conformación y de la composición tisular de la canal mediante los métodos clásicos (patrones
fotográficos, clasificadores entrenados...). Con respecto a la determinación de la calidad de la carne son varias
las aplicaciones que permite la técnica de análisis de imagen. Así, la medida del grado de veteado de la carne
por análisis de imagen se convierte en más objetiva que la obtenida por el método de los patrones fotográficos y
mucho más rápida que mediante el método de extracción química de la grasa. También se utiliza esta técnica en
la medida del color de la carne (coordenadas RGB) y en la determinación del tamaño y tipo de fibras musculares, factor este que está relacionado con la dureza de la carne.
PALABRAS CLAVE:
Análisis de imagen
Calidad de la canal
Calidad de la carne
INTRODUCCIÓN
El análisis de imagen es una técnica que se basa en la adquisición y digitalización de
una imagen captada mediante una toma de vídeo a la que se adapta un objetivo óptico (fo-
* Autor para correspondencia
Recibido: 29-1-01
Aceptado para su publicación: 15-3-01
Invest. Agr.: Prod. Sanid. Anim. Vol. 16 (1), 2001
100
J.A. MENDIZÁBAL, V. GOÑI
tográfico, microscópico, etc.). La digitalización convierte la imagen grabada en una matriz de puntos, que son identificados en soporte informático en función de sus coordenadas, entre otras, de posición, de luminosidad y de color (Swatland, 1995). De esta forma,
en la imagen digitalizada, se podrán realizar múltiples mediciones de longitudes, perímetros o áreas, contajes de células o partículas, medidas de color, de densidad, etc. Toda la
información que proporciona la imagen permite numerosas aplicaciones dentro del campo
de la Producción Animal (Van der Stuyft et al., 1991). Así, por ejemplo, Turner et al.
(1988) describieron más de 90 potenciales aplicaciones de esta técnica en la producción
porcina. No obstante, en la presente revisión únicamente se tratarán las aplicaciones de
esta técnica referidas a la determinación de la calidad de la canal y de la carne de las principales especies ganaderas.
APLICACIONES EN LA DETERMINACIÓN DE LA CALIDAD DE
LA CANAL
Peso vivo y peso canal
Schofield y Marchant (1990) idearon mediante la técnica de ánalisis de imagen un
método para el cálculo del peso vivo de los animales, con objeto de obtener lotes uniformes de animales para su posterior sacrificio y comercialización. Además, con este método
conseguían evitar el manejo de los animales durante la operación de pesaje, con el consiguiente estrés asociado a la pérdida de la calidad de la carne. En ganado porcino, estos autores obtuvieron que la predicción del peso vivo a partir del área corporal del animal (excluida la cabeza y el cuello), tomada dicha imagen desde un plano superior, venía a explicar un 83 % de la variabilidad del peso vivo. En un trabajo posterior Marchant et al.
(1999) estudiaron mediante análisis de imagen el peso vivo y la conformación durante la
fase de crecimiento (entre 34 y 98 kg PV) prediciendo el peso vivo de estos animales mediante dicho método con una elevada precisión (errores estándar comprendidos entre 0,17
y 0,39 kg) (Fig. 1). No obstante, Brandl y Jorgensen (1996) advierten que las ecuaciones
de predicción obtenidas mediante este método pueden diferir entre genotipos, ya que observaron que para un mismo área corporal el ganado porcino Yorkshire danés presentaba
mayor peso que el Landrace danés.
En ganado vacuno, Basarab et al. (1997) consiguieron determinar con precisión el
peso vivo de terneros en cebo mediante medidas realizadas por análisis de imagen (altura
a la grupa, índice de desarrollo esquelético e indice de musculatura), con lo que obtuvieron en el momento del sacrificio lotes uniformes de terneros en peso vivo (variabilidad
del 14,3 %). También Kuchida et al. (1994), mediante medidas realizadas por análisis de
imagen sobre el animal vivo, trataron de caracterizar cuantitativamente la canal, obteniendo valores de R2 = 0,93 en la predicción del peso de la canal a partir de diferentes medidas corporales realizadas en el animal vivo.
101
ANÁLISIS DE IMAGEN EN CALIDAD DE CANAL Y CARNE
L1
L2
L3
L5
L4
L6
A2
A3
A1
Fig. 1.–Análisis de imagen para la determinación del peso vivo de ganado porcino a partir de
diferentes espesores (L1, L2, L3, L4, L5), longitudes (L6) y áreas (A1, A2, A3)
(Marchant et al., 1999)
Conformación de la canal
Horgan et al. (1995) demostraron que la técnica de análisis de imagen permite obtener resultados más precisos que los obtenidos por los clasificadores de canales mediante
la asignación de una nota de conformación. Así, en corderos cruzados Suffolk ´ Scottish
Mule, uno de los cruces más utilizados en el Reino Unido para la producción de carne de
cordero, mediante medidas de conformación obtenidas de dos imágenes digitalizadas de
las canales (dorsal y lateral) obtenían una R2 = 0,95 cuando predecían la cantidad de carne
comercializable de la canal. En parecidos términos se expresa Hopkins (1996), que en
corderos australianos (Poll Dorset ´ Border Leicester ´ Merino) observó que la utilización de medidas de conformación determinadas mediante análisis de imagen mejoraba, con respecto al peso de la canal caliente, la predicción del índice de desarrollo muscular (relación entre la longitud del fémur y el peso de diversos músculos adyacentes)
(R2 = 0,40 y R2 = 0,51, respectivamente). También Stanford et al. (1998), en corderos de
razas Rambouillet, Targhee, Suffolk y Hampshire, obtuvieron precisiones elevadas al predecir la cantidad de carne comercializable (R2 = 0,74) con un sistema de análisis de imagen (VIAscan) desarrollado por la Australian Meat Research Corporation (AMRC), en
comparación con las obtenidas mediante los sistemas clásicos de clasificación de canales
(R2 = 0,52).
Invest. Agr.: Prod. Sanid. Anim. Vol. 16 (1), 2001
102
J.A. MENDIZÁBAL, V. GOÑI
Composición de la canal
Cross et al. (1983) fueron los primeros en utilizar la técnica del análisis de imagen en
la predicción de la composición tisular de canales bovinas. Con la utilización de esta técnica conseguían mejorar la precisión que se obtenía en la estimación de la composición tisular de la canal con medidas no instrumentales (escalas de color, conformación, veteado...). Si en ausencia de métodos instrumentales la R2 obtenida en dicha predicción era de
0,84, con la utilización del análisis de imagen (medida del área del longissimus dorsi, área
de grasa total, medida del espesor graso, medida del veteado) se mejoraba hasta valores
de R2 = 0,94. Karnuah et al. (1996) obtuvieron valores de R2 comprendidos entre 0,80 y
0,96 en la predicción de la cantidad de músculo, grasa y hueso de canales de terneros cruzados Black Japanese ´ Holstein mediante medidas realizadas en cortes transversales de
la canal.
También en ganado ovino se utiliza esta técnica para predecir la composición tisular
de las canales. Así, Standford et al. (1998) obtuvieron valores de R2 = 0,62 al predecir la
cantidad de grasa de la canal a partir de medidas realizadas mediante análisis de imagen.
De parecida magnitud fueron los valores obtenidos al predecir el despiece de las canales
(R2 = 0,71 y 0,62 para el porcentaje de pierna y de espalda, respectivamente).
APLICACIONES EN LA DETERMINACIÓN DE LA
CALIDAD DE LA CARNE
Medida del grado de veteado
Uno de los primeros trabajos en los que se utilizó la técnica de análisis de imagen
para la medida del veteado de la carne fue el de Newman (1984). Debido a la diferente luminosidad o nivel de gris que muestran las zonas correspondientes a la grasa (luminosidad elevada) y al músculo (luminosidad baja) en imágenes digitalizadas del músculo longissimus dorsi (L.D.) se pueden discriminar las zonas de músculo y de grasa entre sí, determinándose de esta manera el grado de veteado de la carne (Fig. 2). Cuando este mismo
autor relacionó los datos obtenidos mediante análisis de imagen con los obtenidos mediante análisis químico la correlación obtenida fue de r = 0,94 (Newman, 1987). Asimismo, Gerrard et al. (1996) los relacionaron con los determinados visualmente por un panel
de catadores obteniendo valores de r = 0,92. No obstante, como indican Ishii et al. (1992),
es necesario considerar el número de determinaciones realizadas por músculo, ya que incluso entre las dos secciones de una misma muestra las diferencias en el grado de veteado
pueden ser considerables.
En Japón, donde el grado de veteado de la carne de vacuno está considerado como
uno de los parámetros determinantes de la calidad de la carne y se consumen carnes con
elevado grado de infiltración (Zembayashi y Lunt, 1995; Dubeski et al., 1997), han sido
varios los trabajos realizados hasta el momento sobre aplicación del análisis de imagen a
la medida del veteado. Los valores de la relación área de grasa intramuscular/área del
músculo L.D. (AGI/ALD) obtenidos oscilan alrededor del 8 % para la Japanese Black y
del 5 % para la Japanese Shorthorn (Kuchida et al., 1992). En EE.UU., Gerrard et al.
(1996) aportan un valor medio de 5,28 % de grasa intramuscular en una muestra represen-
ANÁLISIS DE IMAGEN EN CALIDAD DE CANAL Y CARNE
103
Fig. 2.–Medida del grado de veteado en el músculo longissimus dorsi mediante análisis de imagen
(Mendizábal et al., 1998)
tativa de dicho mercado. Estos datos contrastan con los que se obtienen con las razas europeas y españolas, que son sensiblemente inferiores. Así, en razas bovinas españolas de
carne los valores de AGI/ALD obtenidos en terneros sacrificados a pesos ligeros (aproximadamente 300 kg de PV) oscilan entre un 0,9 % para la raza Asturiana y un 2,9 % para
la Avileña, mientras que en terneros sacrificados a pesos elevados (aproximadamente 550
kg de PV) oscilan entre un 2,2 % para la Asturiana y un 6 % para la Retinta (Goñi et al.,
1999). Cabe destacar que en la raza de lidia, donde existe la creencia de que los toros llegan a la lidia demasiado engrasados, su carne presentó una relación AGI/ALD media del
1,5 % (Mendizábal et al., 1998).
Medida del color
El color es uno de los atributos que más determinan la aceptabilidad de la carne en el
momento de la compra por parte del consumidor (Cross et al., 1986). Tradicionalmente,
han sido los patrones fotográficos los que se han utilizado para la evaluación del color de
la carne (Colomer, 1986; USDA, 1989). En la actualidad han surgido modernos sistemas
de procesamiento del color para objetivizar su medida. El método de las coordenadas CIE
Invest. Agr.: Prod. Sanid. Anim. Vol. 16 (1), 2001
104
J.A. MENDIZÁBAL, V. GOÑI
L* (luminosidad), a* (índice de rojo) y b* (índice de amarillo) determinadas mediante espectrofotómetro es posiblemente el más extendido para determinar el color de la carne
(Renerre, 1982). El análisis de imagen mediante las coordenadas RGB (rojo, verde y azul)
es también muy utilizado. Así, Gerrard et al. (1996) obtuvieron una R2 = 0,86 entre los
valores de color obtenidos para carne comercial estadounidense por un panel de catadores
(siguiendo los patrones de la Iowa State University, 1989) y los obtenidos mediante análisis de imagen con la medida de las coordenadas RGB.
Otra de las aplicaciones del análisis de imagen se centra en la medida de la superficie de metamioglobina de la carne. La medida de la concentración de la metamioglobina
es un indicador de la intensidad de los procesos de oxidación de pigmentos de la carne,
de forma que tasas altas de metamioglobina son las responsables de la aparición de zonas de coloración marrón en la superficie de la carne fresca. Los métodos utilizados
para determinar dicha concentración son variados y complejos: el método de extracción
de pigmentos (Chen y Trout, 1991; Demos y Mandigo, 1996) o el método de la proporción K/S (Kryzwicki, 1979). Sin embargo, Demos et al. (1996) proponen la utilización
del análisis de imagen para la determinación de la superficie de mioglobina en la carne,
ya que observaron que mediante la medida de los parámetros tono, brillo e intensidad
podían explicar el 93 % de la variación de la superficie de metamioglobina de la carne,
concluyendo que el análisis de imagen es un método rápido y objetivo de medida de dicho parámetro.
Dureza
Otro de los criterios determinantes de la calidad de la carne según el consumidor es
la dureza de la carne (Lawrie, 1988; Ouali, 1991). Entre los distintos factores que influyen sobre dicho atributo se acepta que uno de los principales es la relación entre los diferentes tipos de fibras musculares (Valin, 1988; Henckel et al., 1997). Las clasificaciones existentes de tipos de fibras musculares son varias (Fernández et al., 1995). Según
sus propiedades contráctiles, determinadas mediante su actividad ATPasa, pueden clasificarse en fibras de contracción lenta (Tipo I ò a ) y de contracción rápida (Tipo II ò b )
(Brooke and Kaisser, 1970). Además según su metabolismo oxidativo, relacionado con
la actividad de la succinato deshidrogenasa (SDH), se clasificarían en fibras rojas (oxidativas) y blancas (glicolíticas) (Ashmore y Doerr, 1971). La proporción de cada tipo de
fibras, junto con el grosor o área de su sección, va a tener una influencia clara sobre la
terneza y palatabilidad de la carne (Listrat et al., 1999). En este sentido, Totland et al.
(1988) en ganado bovino relacionan un aumento en la proporción de fibras de tipo II (de
contracción rápida) con una mayor terneza de la carne. En ganado porcino, Candek-Potokar et al. (1999) sugieren que un incremento de la proporción de fibras a W (de contracción lenta y blancas) o del área de su sección beneficia la capacidad de retención de
agua (CRA) en la carne fresca y la jugosidad de la carne cocinada. En esta misma especie, Serra et al. (1998) y Andrés et al. (1999) señalan como elemento diferenciador del
cerdo ibérico la mayor proporción de fibras oxidativas que presenta al compararlo con
cerdos de razas mejoradas.
Estos dos parámetros, tipos de fibras y área de la sección de las mismas, pueden ser
determinados mediante análisis de imagen. Para ello se utilizan cortes histológicos de
aproximadamente 10 m m de grosor obtenidos mediante criostato. Los distintos tipos de fi-
ANÁLISIS DE IMAGEN EN CALIDAD DE CANAL Y CARNE
105
bras adquieren una coloración o densidad distinta tras ser sometidas a distintas tinciones
para determinar la actividad de la ATPasa (Guth y Samaha, 1969) y de la SDH (Nachlas
et al., 1957), lo que unido a la utilización de la tinción con azorubina que define mejor los
contornos de las fibras, van a permitir la utilización del análisis de imagen para determinar perfectamente el tipo y el área de la sección de las fibras musculares en la carne (Buche y Mauron, 1997; Fig. 3).
Fig. 3.–Medida del área de las fibras musculares mediante análisis de imagen
(Buche y Mauron, 1997)
Otras aplicaciones sobre la determinación de la calidad de la carne
Además de las aplicaciones del análisis de imagen sobre la medida del grado de veteado, del color y de la dureza, atributos fundamentales que definen la calidad de la carne, se han descrito también otras aplicaciones que contribuyen a una mayor conocimiento de la calidad de la carne. Así, Irie et al. (1996) describen las posibilidades de utilización de la técnica del análisis de imagen para la medida de la capacidad de retención de
agua (CRA) de la carne. Cuando ésta se mide por el método de la presión sobre papel de
filtro (Grau y Ham, 1953) el análisis de imagen permite realizar de una forma rápida y
exacta la medida de las áreas, tanto de la muestra como la de la mancha que produce en
el papel de filtro el liquido exudado, evitando así la laboriosa operación de la planimetría.
Por último, en esta misma línea, el análisis de imagen se utiliza también para la medida del tamaño de las células grasas o adipocitos (Pallier et al., 1985), habiéndose encontrado en nuestras razas rústicas españolas, tanto ovinas como bovinas, una estrecha relación entre el tamaño de los adipocitos y el grado de engrasamiento de la canal y de la carne de dichos animales (Soret et al., 1998; Mendizábal et al., 1999).
Invest. Agr.: Prod. Sanid. Anim. Vol. 16 (1), 2001
106
J.A. MENDIZÁBAL, V. GOÑI
SUMMARY
Carcass and meat quality determination by image analyse (Review)
Image analysis is a technological tool that is being utilized in a growing range of applications in diverse industries. In this approach, images are photographed, then utilizing computer algorithms, converted into point
matrixes (i.e. digitized), which designates image for positions, lighting, and color. The use of image analysis
techniques is suitable for application in animal agriculture, especially meat carcass evaluation. Therefore, the
purpose of this study was to determine the efficacy of image analysis as a means of evaluating various measures
of cattle live weight and carcass weight (R2 = 0.8-0.9) could be made with a relativel high degree of accuracy.
The accuracy of utilizing image analysis techniques for other aspects of tissue compositional determinations is
also presented.
KEY WORDS:
Image analysis
Carcass quality
Meat quality
REFERENCIAS BIBLIOGRÁFICAS
ANDRÉS A.I., RUIZ J., VENTANAS J., TEJEDA J.F., MAYORAL A.I., 1999. Muscle fibre types in Iberian
pigs: influence of crossbreeding with Duroc breed and rearing conditions. Ann. Zootech. 48, 397-405.
ASHMORE C.R., DOERR L., 1971. Comparative aspects of muscle fibre types in different species. Experimental Neurology 31, 408-418.
BASARAB J.A., MILLIGAN D., MCKINNON J.J., THORLAKSON B.E., 1997. Potential use of video imaging and real-time ultrasound on incoming feeder steers to improve carcass uniformity. Can. J. Anim. Sci.
77, 385-392.
BRANDL N., JØRGENSEN E., 1996. Determination of live weight of pigs from dimensions measured using
image analysis. Computers and Electronics in Agriculture 15, 57-72.
BROOKE M.H., KAISER K.K., 1970. Muscle fiber types: how many and what kind? Arch. Neurol. 23 (4),
369-379.
BUCHE P., MAURON D., 1997. Quantitative characterization of muscle fiber by image analysis. Computers
and electronics in agriculture 16, 189-217.
CANDEK-POTOKAR M., LEFAUCHEUR L., ZLENDER B., BONNEAU M., 1999. Effect of slaughter
weight and/or age on histological characteristics of pig longissimus dorsi muscle as related to meat quality.
Meat Science 52, 195-203.
CHEN C.M., TROUT G.R., 1991. Color and its stability in restructured beef steaks during frozen storage: effects of various binders. J. Food Sci. 56, 1461-1464.
COLOMER F., 1986. Producción de canales ovinas frente al Mercado Común Europeo. Interés de la denominación de origen del ternasco aragonés. Institución Fernando el Católico. Diputación Provincial de Zaragoza.
Zaragoza.
CROSS H.R., GILLILAND D.A., DURLAND P.R., SEIDEMAN S., 1983. Beef carcass evaluation by use of a
video image analysis system. J. Anim. Sci. 57(4), 908-917.
CROSS H.R., DURLAND P.R., SEIDEMAN S., 1986. Sensory qualities of meat. En: Muscle as food (Ed.:
Bechtel P.). Academic Press, Orlando.
DEMOS B.P., MANDIGO R.W., 1996. Color of fresh, frozen and cooked ground beef patties manufactured
with mechanically recovered neck bone lean. Meat Science 42 (4), 415-429.
DEMOS B.P., GERRARD D.E., GAO X., TAN J., MANDIGO R.W., 1996. Utilization of image processing to
quantitative surface metmyoblobin on fresh beef. Meat Science 43 (3-4), 265-274.
DUBESKI P.L., JONES S.D.M., AALHUS J.L., ROBERTSON W.M., 1997. Canadian, American, and Japanese carcass grades of heifers fed to heavy weights to enhance marbling. Can. J. Anim. Sci. 77, 393-402.
FERNÁNDEZ X., LEFAUCHEUR L., CANDEK M., 1995. Comparative study of two classifications of muscle
fibres: consequences for the photometric determination of Glycogen according to fibre type in red and white muscle of the pig. Meat Science 41 (2), 225-235.
GERRARD D.E., GAO X., TAN J., 1996. Beef marbling and color score determination by image processing.
Journal of Food Science 61 (1), 145-148.
ANÁLISIS DE IMAGEN EN CALIDAD DE CANAL Y CARNE
107
GOÑI V., MENDIZÁBAL J.A., BERIAIN M.J., ALBERTÍ P., ARANA A., EGUINOA P., PURROY A., 1999.
Marbrure de la viande de veaux de sept races á viande espagnoles determinée par Analyse d’Image. Renc.
Rech. Ruminants 6, 278.
GRAU W.R., HAMM R., 1953. Muscle as food. En: Food Science and Technology. Betchell, P.J. ed. A Series
of Monographs, 1985. Academic Press, Nueva York.
GUTH L., SAMAHA F.J., 1969. Qualitative differences between actomyosin ATPase of slow and fast mammalian muscles. Experimental Neurology 25, 138-152.
HENCKEL P., OKSBJERG N., ERLANDSEN E., BARTON-GADE P., BEJERHOLM C., 1997. Histo-and
biochemical characteristics of the Longissimus Dorsi muscle in pigs and their relationships to performance
and meat quality. Meat Science 47 (3-4), 311-321.
HOPKINS D.L., 1996. The relationship between muscularity, muscle:bone ratio and cut dimensions in male and
female lamb carcasses and the measurement of Muscularity using Image Analysis. Meat Science 44 (4),
307-317.
HORGAN G.W., MURPHY S.V., SIMM G., 1995. Automatic assessment of sheep carcasses by image analysis.
Animal Science 60, 197-202.
IOWA STATE UNIVERSITY, 1989. Standards for Beel Color. Iowa State Extension Publication #515.
IRIE M., IZUMO A., MOHRI S., 1996. Rapid Method for Determining water-holding capacity in meat using video image analysis and simple formulae. Meat Science 42 (1), 95-102.
ISHII T., CASSENS R.G., SCHELLER K.K., ARP S.C., SCHAEFER D.M., 1992. Image analysis to determine
intramuscular fat in muscle. Food Structure 11, 55-60.
KARNUAH A.B., MORIYA K., MITANI K., YAMAZAKI T., SASAKI Y., 1996. Estimation of carcass composition by computer image analysis in the cross sections of cross-bred steers. Can. J. Anim. Sci. 76,
497-506.
KRZYWICKI K., 1979. Assessment of relative content of myoblobin, oxymyoblobin and metmyoblobin at the
surface of beef. Meat Science 3 (1), 1-10.
KUCHIDA K., YAMAKI K., YAMAGISHI T., MIZUMA Y., 1992. Evaluation of meat quality in Japanese
beef cattle by Computer Image Analysis. Anim. Sci. Technol. (Jpn.) 63 (2), 121-128.
KUCHIDA K., YAMAGISHI T., TAKEDA H., YAMAKI K., 1994. The estimation of beef carcass traits using
computer image analysis for body measurement in Japanese Black steers. Anim. Sci. Technol. (Jpn.) 65
(5), 401-406.
LAWRIE R.A., 1988. Meat Science. Pergamon Press. New York.
LISTRAT A., RAKADJIYSKI N., JURIE C., PICARD B., TOURAILLE C., GEAY Y., 1999. Effect of the type
of diet on muscle characteristics and meat palatability of growing Salers bulls. Meat Science 53, 115-124.
MARCHANT J.A., SCHOFIELD C.P., WHITE R.P., 1999. Pig growth and conformation monitoring using
image analysis. Animal Science 68, 141-150.
MENDIZÁBAL J.A., PURROY A., BERIAIN M.J., LIZASO G., INSAUSTI K., 1998. Medida del grado de veteado de la carne mediante análisis de imagen. Caso de la carne de toro de lidia. Información Técnica Económica Agraria 94A (1), 43-48.
MENDIZÁBAL J.A., ALBERTÍ P., EGUINOA P., ARANA A., SORET B., PURROY A., 1999. Adipocyte
size and lipogenic enzyme activities in different adipose tissue depots in steers of local Spanish breeds.
Animal Science 69, 115-121.
NACHLAS M.M., TSOU K., DE SOUZA E., CHANG C., SELIGMAN A.M., 1957. Cytochemical demonstration of succinic deshydrogenase by the use of a mew p-nitrophenyl substituted ditetrazole. Journal of Histochemistry and Cytochemistry 5, 420-436.
NEWMAN P.B., 1984. The use of video image analysis for quantitative measurement of visible fat and lean in
meat: Part 1-Boneless fresh and cured meats. Meat Science 10, 87-100.
NEWMAN P.B., 1987. The use of video image analysis for quantitative measurement of visible fat and lean in
meat: Part 3-Lipid content variation in commercial processing beef and its prediction by Image Analysis.
Meat Science 19, 129-137.
OUALI A., 1991. Sensory quality of meat as affected by muscle biochemistry and modern technologies. En:
Animal Biotechnology and the quality of meat production. Fiems, L.O., Cottyn B.G., Demeyer D.I. ed.
Elsevier, Amsterdam, pp. 85-105.
PALLIER E., MAX J.P., BURLET C., DEBRY G., 1985. Human and animal fat cell size determination using
an image analyzing computer. The American Journal of Clinical Nutrition 41, 818-820.
RENERRE M., 1982. La couleur de la viande et sa mesure. Bull. Tech. C.R.Z.V. Theix. I.N.R.A. 47, 47-54.
SCHOFIELD C.P., MARCHANT J.A., 1990. Image analysis for estimating weight of live animals. Optics in
Agriculture 1379, 209-219.
Invest. Agr.: Prod. Sanid. Anim. Vol. 16 (1), 2001
108
J.A. MENDIZÁBAL, V. GOÑI
SERRA X., GIL F., PÉREZ-ENCISO M., OLIVIER M.A., VÁZQUEZ J.M., GISPERT M., DÍAZ I., MORENO
F., LATORRE R., NOGUERA J.L., 1998. A comparison of carcass, meat quality and histochemical characteristics of Iberian (Guadyerbas line) and Landrace pigs. Livestock Production Science 56, 215-223.
SORET B., MENDIZÁBAL J.A., ARANA A., PURROY A., EGUINOA P., 1998. Breed effects on cellularity
and lipogenic enzymes in growing Spanish lambs. Small Ruminants Research 29, 103-112.
STANDFORD K., RICHMOND R.J., JONES S.D.M., ROBERTSON W.M., PRICE M.A., GORDON J., 1998.
Video image analysis for on-line classification of lamb carcasses. Animal Science 67, 311-316.
SWATLAND H.J., 1995. Video Image Analysis. En: On-Line evaluation of meat. Technomic Publising Company, Inc. USA. pp. 271-290.
TOTLAND G.K., KRYUR H., SLUIDA E., 1988. Composition of muscle fibres types and connective tissue in
bovine M. semitendinosus and its relation to tenderness. Meat Science 23 (4), 303-315.
TURNER M.J.B., BENSON J.A., HANLEY M., HARTWELL E.S., 1988. Automatic weight monitoring of
pigs-Part 1: Trials of prototype wiegh platforms. Divisional Note DN 1459, AFRC Inst. Engng. Res., Silsoe.
USDA, 1989. Official United States Standards for Grades of Beef Carcasses. Agricultural Marketing Service.
U.S. Dept. of Agriculture, Washington DC.
VALIN C., 1988. Différenciation du tissu musculaire. Conséquences technologiques pour la filiére viande. Reproduction Nutrition Developpement 28, 845-856.
VAN DER STUYFT E., SCHOFIELD C.P., RANDALL J.M., WAMBACQ P., GOEDSEELS V., 1991. Development and application of computer vision systems for use in livestock production. Computers and Electronics in Agriculture 6, 243-265.
ZEMBAYASHI M., LUNT D.K., 1995. Distribution of Intramuscular Lipid Throughout M. longissimus thoracis et lumborum in Japanese Black, Japanes Shorthorn, Holstein and Japanese Black Crossbreds. Meat
Science 40, 211-216.