MétaCan
Menu
Retour à la cohorte
Enregistrement W2914077260 · doi:10.1007/s13197-019-03590-3

Model of dehydration and assessment of moisture content on onion using EIS

2019· article· en· W2914077260 sur OpenAlexaff
Monzurul Islam, Khan A. Wahid, Anh Dinh, Pankaj Bhowmik

Notice bibliographique

RevueJournal of Food Science and Technology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensNational Research Council CanadaSaskatchewan Research Council (Canada)University of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMean squared errorWater contentElectrical impedanceBiological systemRoot mean squareMoistureCorrelation coefficientMathematicsSoil scienceStatisticsMaterials scienceEnvironmental scienceEngineeringComposite materialElectrical engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Onion is perishable and thereby subject to drying during unrefrigerated storage. Its moisture content is important to ensure optimum quality in storage. To track and analyze the dynamics of natural dehydration in onion and also to assess its moisture content, noninvasive and nondestructive methods are preferred. One of them is known as electrical impedance spectroscopy (or EIS in short). In the first phase of our experiment, we have used EIS, where we apply alternating current with multiple frequency to the object (onion in this case) and generate impedance spectrum which is used to characterize the object. We then develop an equivalent electrical circuit representing onion characteristics using a computer assisted optimization technique that allows us to monitor the response of onion undergoing natural drying for a duration of 3 weeks. The developed electrical model shows better congruence with the impedance data measured experimentally when compared to other conventional models for plant tissue with a mean absolute error of 0.42% and root mean squared error of 0.55%. In the second phase of our experiment, we attempted to find a correlation between the previous impedance data and the actual moisture content of the onions under test (measured by weighing) and developed a mathematical model. This model will provide an alternative tool for assessing the moisture content of onion nondestructively. Our model shows excellent correlation with the ground truth data with a deterministic coefficient of 0.9767, root mean square error of 0.02976 and sum of squared error of 0.01329. Therefore, our two models will offer plant scientists the ability to study the physiological status of onion both qualitatively and quantitatively.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,283
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food Science and TechnologyMême sujetFood Drying and ModelingTravaux en français237 207