Factors influencing the fatty acid determination in fats and oils using Fourier transform near‐infrared spectroscopy
Notice bibliographique
Résumé
Abstract Fourier transform near‐infrared (FT‐NIR) technology is matrix dependent and thus highly dependent on factors that influence the absorption spectra. Ignoring these factors during the development of FT‐NIR models will affect the accuracy and reliability of the classification of fats and oils and the determination of their fatty acid (FA) composition. Four factors were studied: the temperature at which samples are scanned, differences in FA chain length and number of double bonds, and the presence of non‐triacylglycerol components. The results showed that an increase in the recording temperature decreased the absorption peak intensity, but not the position. FT‐NIR spectral differences were linked to variations in molecular vibrations resulting from the number of carbon atoms or double bonds in the FA. The FT‐NIR method could clearly differentiate between chain lengths from 10:0 to 18:0 and numbers of double bonds from zero (18:0) to three (18:3). Contaminants in triacylglycerols altered the FT‐NIR spectra, resulting in increased errors in the FA content. An increased concentration of β‐sitosterol in triolein decreased or increased the observed contents of cis9‐18:1 and cis11‐18:1, respectively. An FT‐NIR model adjusted for the phytosterol content corrected this discrepancy. The revised FT‐NIR model was successfully used to provide the accurate FA compositions of commercial sunflower oils.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».