Multivariate Approach to the Measurement of Tomato Maturity and Gustatory Attributes and Their Rapid Assessment by Vis−NIR Spectroscopy
Notice bibliographique
Résumé
Standard methods for determining quality and maturity are time- and labor-consuming and generally measure individual criteria at a specific time, without considering relationships among quality parameters. To propose a rapid and nondestructive analysis method describing multidimensional quality variables, an experiment was undertaken with mature green to overripe tomato fruits found on the North American retail markets. Factor analysis was used to analyze results. Four factors were considered, representing 81% of total variance. The first one, tomato maturity stage (TMS), is related to color, lycopene content, firmness, titratable acidity (TA), pH, and soluble solids (SS). Nondestructive rapid assessment by vis-NIR spectroscopy can predict TMS (r(2)=0.93). Factors 2 and 3 are both related to taste and should be considered simultaneously. Factor 2, called the gustatory index, is linked to electrical conductivity (EC), SS, TA, and pH. Factor 3, defined by SS, can be directly measured by a refractometer. Four categories of taste are proposed; the most desirable one ranks high both in soluble solids (above 4.5 degrees Brix) and in gustatory index (above 0). It was not possible to measure the gustatory index by vis-NIR spectroscopy (r(2)=0.17), but it can be estimated by EC, using a simple formula. The proposed limit between high and low gustatory index then corresponds to an EC of 5.4 mS/cm. Factor 4, variety, mostly discriminates the pink tomato type and field-grown samples from other varieties.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».