Detecting color differences in lentil flour samples using an inexpensive, hand-held colorimeter
Notice bibliographique
Résumé
ABSTRACT Our lentil breeding program was interested in determining the effects of the red lentil genotype in processed food products’ colour intensity. This required a colorimeter that could accurately assess colour from the CIE L*a*b* colour space on a small sample of milled flour. Flour colour is commonly assessed with industry standard HunterLab colorimeters that require a large sample size (∼6g flour/sample). In recent years a new spectrophotometer (Nix) has become available. It was designed to quickly and accurately obtain CIEL*a*b* values for everyday items and requires a small amount of sample for analysis (0.5 g flour/sample), but its use has not been tested in milled flour products. To test whether this instrument was appropriate for milled flour colour, eight red lentil genotypes were evaluated for red colour using both instruments. Mean colour scores with Nix (a* and b*) were comparable to those obtained with the HunterLab (r 2 = 0.9-0.95 ), L* scores were less comparable (r 2 = 0.58-0.61 ). Both instruments were able to differentiate and rank red colour intensity in milled flour from the different red lentil genotypes. Nix procedures are more repeatable and use less sample than HunterLab validating its use for assessing red colour intensity in lentil flour. Research Highlights Companies making foods using red lentil flour seek red lentil genotypes that exhibit red colour intensity. Nix Spectro2 is an inexpensive photospectrometer made for small volume samples. It has not been tested on flour products. The selected red lentil genotypes tested showed a range of red colour intensities. Nix Spectro2 performance was comparable to industry standard HunterLab colorimeter.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».