Processing Characteristics, Composition, Shelf-life, and Sensory Attributes of Beef Bacon Manufactured From Seven Value-Added Cuts of Beef
Notice bibliographique
Résumé
The purpose of this study was to evaluate the influence of different beef cuts on their potential for adding value by assessing processing characteristics, composition, shelf-life, and sensory attributes of these cuts as beef bacon. Six briskets (Institutional Meat Purchase Specification [IMPS]#120), 6 clod hearts (IMPS#114E; divided horizontally into 2 halves: silver-skin side and non–silver-skin side), 6 flanks (IMPS#193), 6 outside flats (IMPS#171B), and 7 short plates (IMPS#121A; cut into a deboned short-rib half and navel half) were sourced commercially from separate Canadian quality grade AA beef carcasses. Data for processing yields, composition, and image analysis were analyzed as a generalized linear mixed model with fixed effect of cut and random effect of replication nested within block (processing group). Sensory data collected using a trained sensory panel were analyzed in the same manner, with an additional fixed effect of storage day and additional random effects of session and panelist. Rested pump uptake, which was targeted at 20%, was not different (P = 0.21) among cuts; however, smokehouse cook yield differed (P < 0.01) among cuts, with heavier cuts (brisket, plate cuts, and outside flat) generally having greater yields compared with lighter cuts (clod cuts and flank). As expected, composition of bacon slices was affected (P < 0.01) by cut, with leaner cuts (clod cuts, flank, and outside flat) having greater moisture, lower lipid levels, and greater protein compared with fatter cuts (brisket and plate cuts). Sensory analysis revealed significant differences in muscle fiber toughness and connective tissue among cuts. The differences that were quantified in this study should allow manufacturers to tailor their cut selection to the processing specifications that may be most profitable and well-suited for the meat industry and its customer base. Overall, this research should help define beef bacon and further indicate that a variety of beef cuts can be used to manufacture beef bacon.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».