MétaCan
Menu
Retour à la cohorte
Enregistrement W2554818531 · doi:10.7482/0003-9438-56-085

Instrumental colour measurement as a tool for light veal carcasses online evaluation

2013· article· en· W2554818531 sur OpenAlexaff
A. Horcada, M. Juárez, A. Molina, M. Valera, M.J. Beriain

Notice bibliographique

RevueArchives animal breeding/Archiv für Tierzucht · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensAlberta Crop Industry Development Fund
Organismes subventionnairesnon disponible
Mots-clésBreedCarcass weightAnimal scienceBiologyVeterinary medicineMathematicsBody weightMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract. Eight-hundred and forty-five veal carcasses (535 males and 310 females) from Pirenaica breed and its crosses with Charolais and Limousin were used to compare carcass colour visual assessments 60 min post-mortem with the values obtained using a spectrocolorimeter (CIE Lab colour system) on the pectoralis superficialis muscle. Carcass weights ranged between 240 and 360 kg. Visual colour was subjectively evaluated by two trained assessors. The best correlation between visual appraisal and L* was observed in carcasses of 300–320 kg. A relatively strong correlation between visual appraisal and a* values was observed in carcasses of 280–300 kg of weight. However, the correlation between b* and visual appraisal was low. Using discriminant functions that included L* and a*, the spectrocolorimeter classified correctly 60 % of carcasses in the class colour assigned by the assessors. In fact, 99% of male and 96% of female carcasses were correctly assigned in the most common colour of veal carcasses in the Spanish market ('pink', 5). These results indicate that on-line instrumental colour measurements on pectoralis superficialis muscle could be recommended to objectively evaluate carcass colour of commercial veal for the Spanish market.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,080
Tête enseignante GPT0,300
Écart entre enseignants0,220 · 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'étudeObservationnel
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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives animal breeding/Archiv für TierzuchtMême sujetMeat and Animal Product QualityTravaux en français237 207