Near-infrared Spectroscopy for Rapid Estimation of Dry Matter Content in Whole Unpeeled Potato Tubers
Notice bibliographique
Résumé
<p>The dry matter is one of the main quality parameters of raw and processed potatoes. In the present study, the potential of utilizing high throughput commercially available NIR interactance systems for dry matter determination in whole unpeeled potato tubers is investigated. The performance of a 2D NIR interactance instrument was compared with that of a 1D NIR interactance instrument and a traditional underwater weight apparatus. A total of 114 tubers were assessed individually with both of the NIR instruments (760-1040 nm), the underwater weight and an external reference method (freeze drying). The 1D interactance instrument obtained better prediction results than what the 2D instrument could achieve (R<sup>2</sup>=0.95, RMSECV=0.91, and R<sup>2</sup>=0.83, RMSECV=1.65, respectively). The underwater weight obtained the highest explained variance (R<sup>2</sup>=0.97), but the estimation was biased by approximately 1.5% (by weight). The poorer prediction performance of the 2D NIR interactance system can be partly explained by the lower penetration depths of the light compared to the 1D NIR interactance systems.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».