Comparing three textural measurements of chicken breast fillets affected by severe wooden breast and spaghetti meat
Notice bibliographique
Résumé
In this study, we compared three popular textural tests: the compression, Meullenet–Owens razor blade (MORS), and Allo–Kramer (AK) tests, which are used to detect the wooden breast (WB) and spaghetti meat (SM) myopathies. A total of 209 fillets (71 WB, 71 SM, 67 normal) were selected from three different flocks at a large commercial plant. Thawed fillets were subjected to 20% compression tests before and after cooking, and cooked samples were subjected to the MORS and AK tests. The compression test on raw samples showed that normal and SM fillets had lower force (5.61 and 4.69 vs. 9.52 N), work (25 and 22 vs. 45 N mm), and Young’s modulus (2.71 and 2.11 vs. 4.29 N/s, p < .001) values than those of WB. The results of the compression test were confirmed by the cooked fillet results. The MORS test showed that SM had lower shear force (12.8 vs. 14.7 N) and work (249 vs. 288 N mm) values than those of the normal fillets, while WB showed intermediate values. The AK test results showed that SM had lower shear force (10.5 vs. 14.5 N) and Young’s modulus (31.0 vs. 46.0 N/s; p ≤ .01) values than those of WB fillets, whereas normal fillets had intermediate values. The compression test can be used to identify WB in both raw and cooked meat. The MORS test could distinguish cooked SM fillets from normal fillets, whereas the AK test differentiated SM from WB.HIGHLIGHTS This study compared the compression, Meullenet–Owens razor blade, and Allo–Kramer tests for detecting wooden breast (WB) and spaghetti meat (SM). The compression test identified WB in both raw and cooked fillets. Meullenet–Owens razor blade test distinguished SM from normal fillets. Allo–Kramer test accurately distinguished SM from WB fillets.
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 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 | 0,000 | 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 tête enseignante, 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 ».