Hierarchical clustering as a tool to develop a classification scheme for rabbit meat quality
Notice bibliographique
Résumé
This study aimed to characterise the quality of meat from commercially-raised rabbits. Animals came from five different producers and were laughtered in three different plants under provincial or federal inspection jurisdiction. Animal behaviour evaluated by scan sampling prior to feed withdrawal (FW) and transport, as well as blood lactate concentration at exsanguination, did not raise concerns with respect to stress. Stomach pH was higher (P=0.047) when the FW time was short (≤13.5 h), at a mean value of 2.23. All pH values measured 1 h post-mortem from the Biceps femoris (BF) and almost all (97.6%) from the Longissimus lumborum (LL) were higher than 6. Values for ultimate pH measured 24 h postmortem(pHu) ranged from 5.80 to 6.83 and from 5.70 to 6.70 for BF and LL muscles, respectively. The maximum meat drip loss recorded was 2.6%, while cooking loss reached 30%. Meat lightness (L*) and colour intensity (C*) for the long FW times (≥23 h) were no different from those with short and intermediate (15.5 to 17.3 h) FW times. However, these colour parameters were higher for the short FW time class compared to the intermediate FW time class (P<0.02). A hierarchical cluster analysis based on pHu, cooking loss and lightness (L*) from 200 rabbit loins was performed. Of the four clusters created, clusters 1 and 2 had the best and second-best meat quality, respectively. Clusters 3 and 4 had the lowest meat quality and presented DFD-like (dark, firm and dry) characteristics. Meat did not exhibit PSE-like (pale, soft, exudative) characteristics, even for the slaughter lot with the minimum mean pHu. Of the eight slaughter lots evaluated, more than 50% of the meat from three of them fell into clusters 3 and 4; all three were in the intermediate FW time class. Overall, the quality of rabbit meat analysed was acceptable for commercial use, but rather variable. This suggests that there are factors within the value chain that are not yet fully controlled and require further investigation.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».