MétaCan
Menu
Retour à la cohorte
Enregistrement W2292746877 · doi:10.1080/10942912.2015.1058274

Alternative for Rapid Detection and Screening of Pork, Chicken, and Beef Using Dielectric Properties in the Frequency of 0.5 to 50 GHz

2015· article· en· W2292746877 sur OpenAlexfundno aff
Zurina Zainal Abidin, Fatin Nordalila Omar, Dayang Radiah Awang Biak, Yaakob Che Man

Notice bibliographique

RevueInternational Journal of Food Properties · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesMount Allison UniversityUniversiti Putra Malaysia
Mots-clésDielectricMaterials scienceMicrowaveRaw materialRaw meatFood scienceAnalytical Chemistry (journal)ChemistryChromatographyOptoelectronicsComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Dielectric property at high microwave frequency region has been utilized for possible rapid detection and screening of different types of meat, especially for halal authentication. This investigation focused on both raw and sterilized (processed) beef, pork, and chicken samples. Dielectric response that consists of dielectric constant and dielectric loss factor was measured over the range of 0.5 to 50 GHz. All raw and sterilized meat samples could be differentiated by the dielectric values. Two distinct peaks were observed only for both raw and sterilized pork samples at the frequency around 7.43 and 31.19 GHz. These peaks can potentially be linked to compounds that exist only in pork such as DNA, microbes, enzyme, proteins, amino acids, and many others. Dielectric values for sterilized samples were lower than raw samples due to molecule structural changes that occurred in the samples. The dielectric results promise a great potential of utilizing dielectric properties as a rapid on-site detection approach prior to subsequent laborious analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,095
Tête enseignante GPT0,300
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), 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

Citations31
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food PropertiesMême sujetIdentification and Quantification in FoodTravaux en français237 207