Non-destructive and rapid discrimination of hard-to-cook beans using hyperspectral imaging
Notice bibliographique
Résumé
Dry beans stored under sub-optimal conditions tend to develop hard-to-cook (HTC) defect, which extends the cooking time making them less palatable while reducing their nutritional value. The current methods of identifying HTC beans are time-consuming, destructive, and unreliable. A rapid non-destructive inspection technique for pre-screening beans could help identify and discard HTC beans prior to processing. To this end, the potential of hyperspectral imaging technique covering the entire visible to near infrared (NIR) spectral range (400‒2500 nm) was evaluated for rapid and non-destructive identification of HTC beans. The HTC phenomenon was artificially induced in healthy white beans using two different combinations of suboptimal storage conditions of temperature and relative humidity (35℃, 75% RH for 45 days and 60℃, 75% RH for 10 days). Subsequently, the beans were cooked for specified durations and their hardness measured using a texture analyzer. The HTC and control (i.e. easy-to-cook (ETC)) beans were scanned with push-broom hyperspectral imaging systems. Results indicate that both sets of storage conditions rendered the beans HTC but the phenomenon induced by the two different methods was detected in different spectral ranges using hyperspectral imaging. Wavelengths across the entire visible and NIR ranges of electromagnetic spectrum were found useful in detecting HTC as beans stored at 35℃ and 75% RH for 45 days were identified mainly in the 1000‒2500 nm range and those stored at 60℃ and 75% RH for 10 days were identified in the 400‒1000 nm region. The degree of HTC defect could not be ascertained using this technique and requires further investigation.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».