MétaCan
Menu
Retour à la cohorte
Enregistrement W3080717389 · doi:10.1139/cjas-2020-0049

Performance of near-infrared spectroscopy in pork shoulder as a predictor for pork belly softness

2020· article· en· W3080717389 sur OpenAlexafffundvenue
Stephanie Lam, Olugbenga P. Soladoye, N. Prieto, B. Uttaro, J.L. Aalhus, I. L. Larsen, P.J. Shand, C. Gariépy, M. Juárez

Notice bibliographique

RevueCanadian Journal of Animal Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of SaskatchewanAlberta Ministry of Agriculture and ForestryAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaAlberta Livestock and Meat Agency
Mots-clésNear-infrared spectroscopySpectroscopyInfrared spectroscopyFood scienceMaterials scienceChemistryBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Pork belly quality indicators are economically relevant in the pork industry. Near-infrared (NIR) spectroscopy of the pork shoulder outer subcutaneous fat layer, belly flop angle, and subjective softness scores of the pork belly were measured (N = 144) to determine the accuracy of pork shoulder NIR spectroscopy as a predictor of pork belly softness. The NIR spectra hot carcass estimates explained over 80.0% variability in pork belly softness (80.5%–90.8%), with low prediction error, suggesting that NIR spectroscopy measured in the pork shoulder is an efficient and accurate indicator of pork belly softness to classify pork bellies for specific market demands.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,260
Écart entre enseignants0,220 · 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'étudeExpérimental (laboratoire)
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

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207