Advancing the science of wheat quality evaluation using nuclear magnetic resonance (NMR) and ultrasound‐based techniques
Notice bibliographique
Résumé
Background and objectives The need for cost‐effective, fast, and reliable techniques to evaluate wheat protein content and quality has led to the modification of available methods as well as the development of new methods. This review provides information on two emerging methods, that is, low‐field nuclear magnetic resonance (LF‐NMR) and low‐intensity ultrasound, with potential for evaluating wheat protein content and quality. Findings New techniques with additional capabilities have been developed over the years to provide wheat researchers with information that could not be acquired by the use of conventional methods. LF‐NMR and low‐intensity ultrasound are two emerging techniques in the world of cereal science whose speed, ease of operation, and reliability could promote their applications to wheat screening research studies. This review of these two potential wheat protein quality evaluation methods highlights the necessity of developing such cutting‐edge tools which are advantageous over the conventional tools. Conclusions Easy‐to‐use LF‐NMR and low‐intensity ultrasound seem to have the potential to provide nondestructive, fast evaluation methods that are superior to the currently used techniques in terms of accuracy and cost, respectively. However, further investigations to achieve complete development of such methods are still required. Significance and novelty The potential of LF‐NMR and low‐intensity ultrasound as fast, accurate, and cost‐effective wheat screening tools was confirmed through critical discussions and comparisons of a variety of most widely used wheat quality evaluation techniques.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».