• P. Sans, and P. Combris, Padrões Mundiais de consumo de carne: uma visão geral dos últimos cinquenta anos (1961–2011, Meat Sci. 1090, 106–111 (2015). 

doi: https://doi.org/10.1016/j.meatsci.2015.05.012.

• J. Li, J. Li, R. Liu, Y. Wei, S. Wang, Identificação de onze espécies de carne em alimentos por PCR hexaplex em tempo real com análise de curva de fusão, Controle de alimentos. 121, 107599 (2021). 

doi: https://doi.org/10.1016/j.foodcont.2020.107599.

• D.E. Kane, and R.S. Hellberg, Identificação de espécies em produtos de carne moída vendidos no mercado comercial dos EUA usando os métodos baseados em ADN, Controle de alimentos. 59, 158–163 (2016). 

doi: https://doi.org/10.1016/j.foodcont.2015.05.020.

• L.O. Chuah, X.B. He, M.E. Effarizah, Z.A. Syahariza, A.K. Shamila-Syuhada, G. Rusul, Rotulagem incorreta de produtos de carne bovina e de aves vendidos na Malásia, Controle de alimentos. 62, 157–164 (2016).

doi: https://doi.org/10.1016/j.foodcont.2015.10.030.

• M. Waqas, Z. Hussain, A. Ihsan, Identificação de espécies de carne: Sistema de amplificação de mutação refratária - Ensaio baseado na reação em cadeia da polimerização, Métodos de análise alimentar. 12, 2813–2822 (2019).

doi: https://doi.org/10.1007/s12161-019-01640-2.

• A. Fuseini, S.B. Wotton, T.G. Knowles, P.J. Hadley, Fraude de carne halal e questões de segurança no Reino Unido: uma revisão no contexto da União Europeia, Ética Alimentar. 1, 127–142 (2017). 

doi: https://doi.org/10.1007/s41055-017-0009-1.

• M.A. Razzak, S.B.A. Hamid, M.E. Ali, Uma plataforma multiplex baseada em laboratório em um chip para detetar possíveis fraudes na introdução de carne de porco, cão, gato, rato e macaco na cadeia alimentar, Aditivo alimentar, Parte A. 32, 1–12 (2015).

doi: https://doi.org/10.1080/19440049.2015.1087060.

• B. Sezer, A. Bjelak, H.M. Velioglu, I.H. Boyaci, Identificação de espécies de carne em produtos cárneos processados ​​com uso num ensaio de espectroscopia de degradação induzida por laser baseado em proteína, Química Alimentar. 373, 131245 (2022). 

doi: https://doi.org/10.1016/j.foodchem.2021.131245.

• H. Sun, C. Song, X. Lin, X. Gao, Identificação de espécies de carne por decomposição induzida por laser combinada e espectroscopias Raman, Espectro-química. Acta B: At. Espectrosc.  194, 106456 (2022). 

doi: https://doi.org/10.1016/j.sab.2022.106456.

• A.N. Iskakova, G.K. Abitayeva, A.B. Abeev, Z.S. Sarmuzina, Dados de meta-análise da precisão dos testes de adulteração de carne por PCR em tempo real, Dados Br. 41, 107972 (2022). 

doi: https://doi.org/10.1016/j.dib.2022.107972.

• P. Chaudary, and Y. Kumar, Avanços recentes em técnicas moleculares multiplex para identificação de espécies de carne, Análise. 110, 104581 (2022). 

doi: https://doi.org/10.1016/j.jfca.2022.104581.

• A. Rohman, S. Orbayinah, A. Hermawan, S. Sudjadi, A. Windarsih, S. Handayani, Desenvolvimento da reação em cadeia da polimerização em tempo real para identificação de almôndegas bovinas ,Aplicação Biotecnologia Alimentar 2. (2), 100148 (2022). 

doi: https://doi.org/10.1016/j.afres.2022.100148.

• W. Wang, X. Wang, T. Wei, T. Zhang, Q. Zhang, X. Zhou, B. Liu, Uma abordagem de PCR multiplex em tempo real para identificação e quantificação de frações de ovelha/cabra, raposa e murino em carnes usando sequências de DNA nuclear, Controle de alimentos. 126, 108035 (2021). 

doi: https://doi.org/10.1016/j.foodcont.2021.108035.

• K.Y. Song, H.J. Hwang, J.H. Kim, Método de PCR de convecção multiplex baseado em DNA ultrarrápido para identificação de espécies de carne com possíveis aplicações no local, Química Alimentar 229, 341–346 (2017). 

doi: https://doi.org/10.1016/j.foodchem.2017.02.085.

• M.M. Kapitula, and S. Jun, A aplicação de sistemas de visão computacional na ciência e indústria da carne – Uma revisão, Ciência da Carne. 192, 108904 (2022). 

doi: https://doi.org/10.1016/j.meatsci.2022.108904.

• A.T. Garavand, S. Fatahi, M. Omid, Y. Makino, Avaliação da qualidade da carne com base na técnica de visão computacional: uma revisão, Ciência da Carne. 156, 183–195 (2019). 

doi: https://doi.org/10.1016/j.meatsci.2019.06.002.

• G. Ren, N. Gan, Y. Song, J. Ning, Z. Zhang, Avaliação da qualidade do chá preto usando um sistema de visão computacional feito em laboratório, juntamente com características morfológicas e quimiometria, Microquímica. J. 160(A), 105600 (2021). 

doi: https://doi.org/10.1016/j.microc.2020.105600.

• G. Ren, N. Gan, Y. Song, J. Ning, Z. Zhang, Zhang, B. Xie, W. Li, G. Zhou, X. Zhao, Design and initial validation of micro image strain sensing system based on digital microscope-camera, Opt. Laser Technol. 149, 107858 (2022). 

doi: https://doi.org/10.1016/j.optlastec.2022.107858.