Detection of omega-3 fatty acid in designer eggs using hyperspectral imaging
Notice bibliographique
Résumé
Quantification of n-3 polyunsaturated fatty acids (PUFA) is an important aspect in quality control of designer eggs. Prediction of these fatty acids would be of value for egg grading stations. The aim of the present study was to evaluate the ability of hyperspectral imaging (HSI) to classify the eggs according their content in n-3 PUFA as a rapid and non-destructive technique. Furthermore, HSI was used to predict the content of n-3 PUFA in designer eggs. Normal eggs, eggs containing 75 mg and eggs containing 125 mg docosahexaenoic acid were purchased from a grocery store. After hyperspectral transmittance images were collected in the spectral region of 900-1,700 nm, the eggs were broken and analyzed chemically in order to measure fatty acid content. Regions of interest (ROIs) of about 3,000 pixels from each egg were selected. K-means analysis was performed to classify eggs into the three aforementioned types. The classification accuracy was 100%. A partial least-squares regression model was built and used to link the ROIs with results obtained from the chemical analysis. The correlation coefficients between the measured and predicted values of alpha-linolenic acid, eicosapentaenoic acid, and docosahexaenoic acid were 0.94, 0.73 and 0.87, respectively. The root mean square error values for the validation sets were 38.65, 3.31 and 7.03, respectively. These results showed that HSI could be used both for discriminating the eggs between normal and designer eggs and for prediction of n-3 PUFA content in eggs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».