Neste trabalho utilizaram-se métodos de regressão e processamento de imagens a cores para avaliar a pontuação da cor no centro das amostras de lombo de porco.
Foram seleccionadas uma centena de amostras de lombo com pontuações subjetivas de cor entre 1 e 5 (NPB, 2011; n=20 para cada pontuação de cor) para determinar os valores de correlação entre as medições do colorímetro Minolta e as características do processamento de imagens. Extrairam-se 18 características de cor da imagem a partir do modelo RGB (encarnado, verde, azul), HSI (tom, saturação, intensidade) e L*a*b*. Ao comparar os valores do colorímetro Minolta com os obtidos a partir do processamento de imagens, as correlações foram significativas para L* (0,91), a* (0,80) e b* (0,66). Usaram-se dois modelos de regressão (linear e "stepwise") para avaliar os resultados da cor da carne de porco. O modelo de regressão linear proposto tinha um coeficiente de determinação (R2) de 0,83 em comparação com os resultados da regressão "stepwise" (R2=0,70).
Estes resultados indicam que os métodos de visão artificial têm potencial para serem utilizados como uma ferramenta na previsão da cor da carne de porco.
Xin Sun, Jennifer Young, Jeng Hung Liu, Laura Bachmeier, Rose Marie Somers, Kun Jie Chen, David Newman. Prediction of pork color attributes using computer vision system. Meat Science, Volume 113, March 2016, Pages 62–64.
doi:10.1016/j.meatsci.2015.11.009