MétaCan
Menu
Retour à la cohorte
Enregistrement W2775346378 · doi:10.1177/0960336017707869

FT-NIR the method of choice to verify the authenticity of extra virgin olive oils

2017· article· en· W2775346378 sur OpenAlexaff
John K. G. Kramer, Hormoz Azizian

Notice bibliographique

RevueNIR news · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueSpectroscopy and Chemometric Analyses
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésOlive oilCalibrationFraction (chemistry)Biological systemFourier transform infrared spectroscopyFingerprint (computing)Matrix (chemical analysis)ChemistryChromatographyEnvironmental scienceMathematicsMaterials scienceFood scienceComputer scienceArtificial intelligenceStatisticsChemical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Fourier transform near infrared spectroscopy was recently demonstrated to be an excellent method to evaluate the authenticity and adulteration of extra virgin olive oil. Since this method is matrix dependent, it takes a chemical fingerprint of all the components which sets it apart from the targeted methods. Careful examinations of the Fourier transform near infrared spectra lead to the identification of a minor carbonyl overtone absorption at 5269 cm −1 associated with the volatile fraction in extra virgin olive oil that appears to be a reliable indicator of authenticity. The same spectra were used to identify the fatty acids present in the oil using models based on comparison to accurate GC data. Gravimetric mixtures of extra virgin olive oil with refined edible oils were then prepared to develop PLS1 calibration models to identify possible adulterants and by how much. The great varietal difference in olive oils made it necessary to develop four unique sets of PLS1 calibration models for each extra virgin olive oil variety. As a result, an extra virgin olive oil acceptance specification was established.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
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)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,041
Tête enseignante GPT0,365
Écart entre enseignants0,324 · 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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNIR newsMême sujetSpectroscopy and Chemometric AnalysesTravaux en français237 207