MétaCan
Menu
Retour à la cohorte
Enregistrement W2140546100 · doi:10.21273/hortsci.35.5.894

Objective Method for Measuring Firmness of Iceberg Lettuce

2000· article· en· W2140546100 sur OpenAlexaff
R. Andrew Schofield, Jennifer R. DeEll, Dennis P. Murr

Notice bibliographique

RevueHortScience · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensUniversity of GuelphAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésLactucaMathematicsCompression (physics)IcebergCompression testReproducibilityPostharvestSample (material)PopulationStatisticsHorticultureMaterials scienceBiologyComposite materialGeographyChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Traditional hand compression firmness scores of iceberg lettuce ( Lactuca sativa L.) heads were compared with force-deformation data collected from parallel-plate compression tests conducted with a universal testing machine. Sample deformation was measured over a load range of 30 to 40 N. A quadratic response surface best described the relationship between hand firmness scores (1 to 5 scale) and three measurements of sample deformation (mm). Sample deformation was as precise as hand compression in measuring lettuce firmness, and it provided improved reproducibility by eliminating much of the human error. Although adequate for most firm heads, the predictive ability of the statistical model was weak for soft heads (when the hand firmness score was <2), and for heads with inconsistencies in firmness because of uneven leaf distribution. The minimum sample size required to determine accurately the mean firmness score (±0.5 units) of a population of harvested lettuce was ≈20 heads. This may be a disadvantage, since sampling one head requires ≈1.5 minutes. Overall, the instrument-based method measures lettuce firmness as precisely as the hand compression method, and provides a standardized, objective measurement for postharvest researchers when exchanging or reporting firmness data.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,051
Tête enseignante GPT0,278
Écart entre enseignants0,228 · 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'étudeAutre devis
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

Citations4
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207