Development and validation of a color evaluation process for sweet potato preference characterization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study reports on the development of a process to objectively evaluate color using descriptive analysis. Panelists established a color lexicon (hue, lightness, evenness) and a two‐dimensional reference tool. The lexicon was applied to 23 baked sweet potato cultivars, along with a flavor lexicon. Color attributes all differentiated the products; most of the variation was due to color evenness. A consumer acceptance test ( n = 204) was conducted on a subset of the products and showed a strong bias for specific color attributes. Consumers liked even, light‐orange hue; however, small changes in color dimensions impacted visual appeal. Overall characterization of products is described by a three‐factor principal component analysis solution. F1 (44% variance) correlated to moist texture and a redder‐orange hue and inversely correlated to stickiness. F2 (30% variance) correlated with high evenness and inverse correlation with acidic, bitter taste, and earthy aroma. F3 (15% variance) correlated to high sweet taste and caramel aroma. Practical applications For consumers, food color is an indicator of key aspects of quality such as freshness, nutritional value, and sensory properties, and thus it is critically important for consumer liking. After creation and validation of a process for the evaluation of perceived color using a trained descriptive panel, an external preference map, which included the aspects of color, was able to identify three consumer segments with a complex preference pattern. This approach could be applied to more fully characterize other horticultural or food products where color is critical to the consumer sensory experience.
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.
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 | 0,000 |
| 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 découle