MétaCan
Menu
Retour à la cohorte
Enregistrement W2022498060 · doi:10.1007/s11746-005-1072-7

New technologies to determine solid fat content on‐line

2005· article· en· W2022498060 sur OpenAlexafffund
Silvana Martini, M. L. Herrera, Alejandro G. Marangoni

Notice bibliographique

RevueJournal of the American Oil Chemists Society · 2005
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNMR spectroscopy and applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLine (geometry)Nuclear magnetic resonance spectroscopyAnalytical Chemistry (journal)Resolution (logic)Materials scienceNMR spectra databaseCrystallizationChemistrySpectral lineChromatographyComputer sciencePhysicsOrganic chemistryMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The determination of solid fat content (SFC) is an important analytical procedure in the food industry. The most common way to determine SFC is by low‐resolution pulsed NMR (p‐NMR). Although this technique is very sensitive and easy to use, it has the disadvantage that it cannot be used for on‐line measurements. The present work compares new technologies to determine SFC on‐line. On‐line ultrasonic spectroscopy and NMR‐MOUSE (NMR mobile universal surface explorer) techniques were compared with off‐line p‐NMR measurements and there was a good correlation between the values obtained. Ultrasonic measurements accurately described the SFC variation, whereas NMR‐MOUSE determinations need to be improved to some extent owing to a strong temperature and motion dependence. These two techniques can be used as on‐line methodologies to determine SFC during the crystallization of fats.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,368
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,328
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Oil Chemists SocietyMême sujetNMR spectroscopy and applicationsTravaux en français237 207