Assessment of Oriental Noodle Appearance as a Function of Flour Refinement and Noodle Type by Image Analysis
Notice bibliographique
Résumé
ABSTRACT Fresh alkaline and white salted noodle sheets prepared from patent and straight‐grade flours of the western Canadian wheat class Canadian Prairie Spring White (CPSW), Karma and Vista, were visually characterized by image analysis over a 24‐hr period. In both cultivars, the number of specks increased with time although the actual numbers were significantly influenced by both detection size and sensitivity. Maximum speck generation was observed in Karma's straight‐grade kansui noodle sheets, increasing from 12.9 specks/cm2 at 1 hr to 58.0 after 24 hr. Lowest speck numbers were observed in Vista's patent white salted noodle sheets with 4.5 specks/cm2 at 1 hr increasing to 5.6 after 24 hr. The image analysis system was able to show that in combination with a significant cultivar effect, both flour refinement and noodle type significantly influenced the number of discolored specks detected over time. Straight‐grade flours yielded more specks than the patent flours, while salted noodle sheets consistently had fewer specks compared with their kansui noodle sheets at all time intervals. No differences were detected in the average size of the specks due to cultivar or noodle type in the patent flour noodle sheets. Noodle sheets made from Karma straight‐grade flour had significantly larger specks than noodle sheets made from Vista's straight‐grade flour for both noodle types. Patent flour kansui specks were lighter than their salted counterparts. Straight‐grade noodle specks were darker than their corresponding patent flours, but this difference was significant only in the kansui noodle sheets. Specks of all noodle sheets were characterized by darkness distribution profiles that highlighted key differences between the wheat cultivar samples due to noodle type and flour refinement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».