Improvement of the Fourier Transform Near Infrared Method to Evaluate Extra Virgin Olive Oils by Analyzing 1,2‐Diacylglycerols and 1,3‐Diacylglycerols and Adding Unesterified Fatty Acids
Notice bibliographique
Résumé
Extra virgin olive oils (EVOO) command higher prices because they contain health-promoting nutrients and desirable sensory characteristics. Many targeted methods have limited success in determining olive oil authenticity. Therefore, attention has been paid to rapid spectroscopic methods that provide the composition of multiple components. A Fourier transform near infrared (FT-NIR) method was reported that identified five major fatty acids and volatiles in EVOO, plus four models that identify common adulterants and their content. However, it did not include diacylglycerol (DAG) and unesterified fatty acids (FFA) known to be associated with freshness of the oil. The newly improved FT-NIR method now includes 1,2-DAG and 1,3-DAG models based on the DAG isomer content in freshly prepared EVOO, and a FFA model based on quantitative addition of oleic acid. The new FT-NIR method was used to reassess previously used EVOO products to evaluate their freshness. Based on these results and review of the published data, we propose several revisions to the EVOO regulation: limit FFA to ≤0.5%, include 1,2-DAG and 1,3-DAG in standard, place no limit on 1,2-DAG because it characterizes the oils, set the 1,3-DAG content to ≤1.0%, and lower the content of 18:2n-6 to 1.5%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».