Rendimientos productivos y calidad de la canal de hembras, machos castrados quirurgicamente y machos inmunocastrados procedentes de líneas paternas duroc y pietrain

Tradicionalmente la castración quirúrgica ha sido la práctica más habitual en la producción de cerdo blanco destinado a la industria de productos cárnicos curados. La castración quirúrgica conlleva un empeoramiento de los rendimientos productivos y penaliza el bienestar animal. Como alternativa ha surgido la inmunización de los cerdos contra el factor de liberación de la gonadotropina (GnRH) (Fàbrega et al., 2010). La inmunocastración suprime la función testicular (Zamaratskaia et al., 2008) y reduce la producción de androsterona (Dunshea et al., 2001) y escatol (Matthews et al., 2000) así como la agresividad (Jaros et al., 2005). Por tanto, la inmunocastración puede ser una alternativa a la castración física en situaciones comerciales. Por otro lado, para la obtención de productos curados se precisan canales con más grasa y mayor proporción de partes nobles que para productos frescos, por lo que se utilizan estrategias como aumentar el peso al sacrificio o el cruce con líneas paternas específicas. El objetivo de este estudio fue evaluar el rendimiento productivo y la calidad de la canal de hembras enteras (HE), machos castrados (MC) y machos inmunocastrados (MI) procedentes de genéticas paternas Duroc (DU) y Pietrain (PI) con un peso al sacrificio de 134 kg.

Application of Independent Components Analysis with the JADE algorithm and NIR hyperspectral imaging for revealing food adulteration

In recent years, Independent Components Analysis (ICA) has proven itself to be a powerful signal-processing technique for solving the Blind-Source Separation (BSS) problems in different scientific domains. In the present work, an application of ICA for processing NIR hyperspectral images to detect traces of peanut in wheat flour is presented. Processing was performed without a priori knowledge of the chemical composition of the two food materials. The aim was to extract the source signals of the different chemical components from the initial data set and to use them in order to determine the distribution of peanut traces in the hyperspectral images. To determine the optimal number of independent component to be extracted, the Random ICA by blocks method was used. This method is based on the repeated calculation of several models using an increasing number of independent components after randomly segmenting the matrix data into two blocks and then calculating the correlations between the signals extracted from the two blocks. The extracted ICA signals were interpreted and their ability to classify peanut and wheat flour was studied. Finally, all the extracted ICs were used to construct a single synthetic signal that could be used directly with the hyperspectral images to enhance the contrast between the peanut and the wheat flours in a real multi-use industrial environment. Furthermore, feature extraction methods (connected components labelling algorithm followed by flood fill method to extract object contours) were applied in order to target the spatial location of the presence of peanut traces. A good visualization of the distributions of peanut traces was thus obtained

Discurso pronunciado por el Excmo. Sr. D. Rafael Portaencasa Baeza, Rector Magnífico de la Universidad Politécnica de Madrid, en el solemne acto académico con motivo de la Festividad de Santo Tomás de Aquino e Investidura de Doctores Honoris Causa de los Profesores Dres. Paul Lacombe, Michel Carpentier y John McCarthy

Discurso pronunciado por D. Rafael Portaencasa con motivo de la Festividad de Santo Tomás de Aquino e investidura de Doctores "Honoris Causa" de los profesores Lacombe (científico de renombre en el campo de Minas), MacCarthy (destacado investigador en el campo de la inteligencia artificial) y Carpentier.