Using portable near-infrared spectroscopy to predict pig subcutaneous fat composition and iodine value
Notice bibliographique
Résumé
This study tested the potential of portable near-infrared spectroscopy (NIRS) to predict fatty acids (FA) composition and iodine value (IV) of pig subcutaneous fat. Following carcass splitting, the inner layer of subcutaneous fat at the shoulder from the left carcass side was scanned using a hand-held NIRS probe (350–2500 nm) and analysed for FA composition using gas chromatography. The NIRS successfully predicted the total polysaturated fatty acids (PUFA) and n-3 FA proportions, polyunsaturated/saturated fatty acids (PUFA/SFA) ratio, and IV (R 2 = 0.90–0.95; root-mean-square error of prediction, RMSEP = 0.019%–1.03% total FA). This portable technology also met the requirements for a quick screening of the proportions of total SFA, monounsaturated fatty acids (MUFA) and n-6 FA, n-6/n-3 ratio, and some individual FA such as C18:2n-6 and C18:3n-3 (R 2 = 0.80–0.89; RMSEP = 0.37%–1.11% total FA). However, unreliable predictions were found for other individual FA with low variability (coefficient of variation = 4%–8%) such as C16:0, C18:0, and C18:1 (R 2 = 0.60–0.77; RMSEP = 0.76%–1.00% total FA). These results show portable NIRS as a suitable technology to predict pig fat quality. In addition, this study has been successful in implementing this portable NIRS technology in a research abattoir to collect spectra directly on the carcass, which would enable carcass sorting based on fat composition or hardness for marketing purposes.
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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».