Non-Destructive Assessment of Microstructural Changes in Kabuli Chickpeas during Storage
Notice bibliographique
Résumé
The potential of hyperspectral imaging (HSI) and synchrotron phase-contrast micro computed tomography (SR-µCT) was evaluated to determine changes in chickpea quality during storage. Chickpea samples were stored for 16 wk at different combinations of moisture contents (MC of 9%, 11%, 13%, and 15% wet basis) and temperatures (10 °C, 20 °C, and 30 °C). Hyperspectral imaging was utilized to investigate the overall quality deterioration, and SR-µCT was used to study the microstructural changes during storage. Principal component analysis (PCA) and Partial Least Squares Discriminant Analysis (PLS-DA) were used as multivariate data analysis approaches for HSI data. Principal component analysis successfully grouped the samples based on relative humidity (RH) and storage temperatures, and the PLS-DA classification also resulted in reliable accuracy (between 80 and 99%) for RH-based and temperature-based classification. The SR-µCT results revealed that microstructural changes in kernels (9% and 15% MC) were dominant at higher temperatures (above 20 °C) as compared to lower temperatures (10 °C) during storage due to accelerated spoilage at higher temperatures (above 20 °C). Chickpeas which had internal irregularities like cracked endosperm and air spaces before storage were spoiled at lower moisture from 8 wk of storage.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».