MétaCan
Menu
Retour à la cohorte
Enregistrement W3027518327 · doi:10.1111/ijfs.14626

Colour change with longitudinal compression supports hypothesis of multilayer interference as cause for meat iridescence

2020· article· en· W3027518327 sur OpenAlexaff
Chiara Ruedt, Monika Gibis, Shai Barbut, Jochen Weiß

Notice bibliographique

RevueInternational Journal of Food Science & Technology · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Guelph
Organismes subventionnairesForschungskreis der ErnährungsindustrieUniversität Hohenheim
Mots-clésIridescenceInterference (communication)Reflection (computer programming)OpticsWavelengthMaterials scienceRefractionCompression (physics)ReflectivityStructural colorationOptoelectronicsComposite materialPhysicsTelecommunicationsPhotonic crystalChannel (broadcasting)Computer science

Résumé

récupéré en direct d'OpenAlex

Summary The mechanism of iridescence in meat and meat products is still not fully understood but a widely accepted hypothesis is that it originates from a multilayer interference from sarcomere discs. In multilayer interference, the reflected wavelength is affected by the refraction angles, the thicknesses and refractive indices of the intermittent layers. A variation of these factors should therefore cause a disappearance or shift of iridescent colours. To test this hypothesis, we progressively compressed iridescent rolled fillets of ham longitudinal to the long axes of the muscle fibres and measured the interference colours by reflection spectrophotometry. We observed an interference colour shift from longer to shorter wavelengths and reflection intensity decreased with increasing compression pressure. Our data indicate that the compression decreased the layer thickness, so that constructive interference occurred at shorter wavelengths. The results thus provide support for multilayer interference being a primary cause and mechanism for meat iridescence.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,143
Tête enseignante GPT0,314
Écart entre enseignants0,172 · 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'étudeObservationnel
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food Science & TechnologyMême sujetMeat and Animal Product QualityTravaux en français237 207