Un ordinateur intelligent pour estimer le persillé de la viande de porc

Utiliser de la vision par une caméra numérique couleur associée à un « ordinateur intelligent » et un logiciel d’apprentissage (technologie de la Machine Learning ou intelligence artificielle) permet de déterminer précisément et avec objectivité le taux de lipide intramusculaire (LIM en %) ou persillé de la viande.

Publié le 30 mars 2023 - Par Ifip-Institut du porc

Un ordinateur intelligent pour estimer le persillé de la viande de porc

Cette technologie de vision par une caméra numérique couleur associée à un « ordinateur intelligent » et un logiciel d’apprentissage (technologie de la Machine Learning ou intelligence artificielle) a été mise au point avec succès à l’Université de Sichuan, en Chine.

Les résultats ont montré des coefficients de corrélation significatifs et plus ou moins intéressants entre le LIM par Machine Learning et le LIM par analyse chimique classique sur les muscles de la longe. Il en est de même pour le score de persillage par photos étalons, l’épaisseur du gras dorsal, le pourcentage d’humidité de la viande et la valeur du pH (corrélations respectives de 0,68, 0,64, 0,48, 0,45 et 0,25).

Dans cette étude, un total de 1 481 photographies des muscles de la longe de 200 porcs ont été utilisées pour obtenir un score de vision par ordinateur de la qualité de la viande. Plus il y a de mesures de réalisées et plus la méthode Machine Learning par vision couleur est fiable. L’évaluation et le tri sensoriel objectif en abattoir des carcasses de porc et en particulier les lipides intramusculaires peuvent être largement améliorés par ces nouvelles technologies à terme selon les auteurs.

Côté biblio

Combining computer vision score and conventional meat quality traits to estimate the intramuscular fat content using machine learning in pigs, Dong Chen et Al. Université de Chengdu en Chine, Meat Science Vol. 185, mars 2022

Patrick Chevillon Ifip-Institut du porc

« Un indicateur fiable pour les filières de qualité »

Cette technologie moderne d’estimation du taux de LIM par Machine Learning, associant une ou des caméras couleurs numériques et des logiciels d’apprentissage, nécessite au départ une calibration minimum sur un échantillonnage de porcs qualifiés. Une fois calibrée, elle peut être automatisée et mise en ligne à l’abattoir ou en découpe pour constituer des bases de données précieuses de pilotage pour trier les viandes ou faire évoluer les cahiers des charges à l’élevage. Ceci peut présenter un intérêt en particulier sur les filières de « qualité souhaitant se distinguer sur le persillé des viandes (démarches label Rouge ou privées de marque supérieure). Cette technologie pourrait aussi, à terme, estimer la composition des carcasses. Cependant, elle ne semble pas, à ce stade, suffisante pour qualifier la qualité du maigre (humidité et pH de la viande).

article .content { display: none; } article .paywall .noscript { text-align: center; padding: 100px 10px 100px 10px; box-shadow: 0px 4px 4px rgba(0, 0, 0, 0.15); background: radial-gradient(circle at 50% 75%, rgba(240, 255, 255, 0.30) 0%, transparent 60%), radial-gradient(circle at 75% 15%, rgba(100, 149, 203, 0.60) 0%, transparent 60%), radial-gradient(circle at 10% 55%, rgba(44, 117, 255, 0.50) 0%, transparent 40%); max-width: 800px; margin: 10px; }