Rapid assessment of canola spoilage under sub-optimal storage condition using FTIR spectroscopy
Notice bibliographique
Résumé
The storage environment of grains and oilseeds influences their physico-chemical properties that determine shelf-life and nutritional quality. In case of oilseeds, and more specifically canola, analytical chemistry methods are commonly used to determine their quality which is characterized by fatty acid value (FAV) of samples. As wet chemistry methods are time consuming and require the use of chemicals, Fourier transform infrared (FTIR) spectroscopy combined with multivariate data analysis was investigated for rapid assessment of canola quality as affected by sub-optimal storage. Moreover, in order to conduct the analysis on-site outside of a laboratory setting, the feasibility of using a portable instrument was studied. An FTIR spectrum of canola seeds stored at sub-optimal storage condition (35°C and 84% relative humidity) was obtained weekly for a period of five weeks. The quality degradation over this storage period was measured in terms of reduction in germination and FAV content. Principal components analysis (PCA) was applied on FTIR spectral data for dimensionality reduction and the first two principal components could successfully separate canola samples of different qualities (based on their respective storage durations). Quantitative analysis for prediction of FAV using partial least squares (PLS) regression method was done and models were built utilizing the entire spectral data as well by grouping the spectral into three spectral bands. A root mean square error of prediction (RMSEP) of 4.4% and R2=0.96, was achieved with the model built using the entire mid-infrared region. The spectral bands of 1000–1500 cm-1 and 2500–3000 cm-1 were also able to provide comparable results. Various combinations of spectral pre-processing of data were also explored. The results establish that portable FTIR instruments provide an accurate and rapid alternative to chemical analysis for predicting spoilage and determining canola quality.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».