Chemometrics-driven monitoring of cheese ripening: a multimodal spectroscopic and scanning electron microscopy investigation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The integration of spectroscopic techniques with chemometrics offers a means to monitor quality changes in dairy products throughout processing and storage. This study employed Attenuated Total Reflectance-Mid-Infrared Spectroscopy (ATR-MIR) coupled with Independent Components Analysis (ICA), and 3D Front-Face Fluorescence Spectroscopy (FFFS) paired with Common Components and Specific Weight Analysis (CCSWA). The research focused on Cheddar cheeses aged for 1, 2, 3, and 5 years, alongside Comté cheeses aged for 6, 9, and 12 months. The adopted approach offered valuable insights into the intricate cheese aging process within the food matrix. The ICA proportions and CCSWA scores highlighted the significant impact of biochemical transformations during maturation on the aging process. The extracted independent components (ICs) revealed variations in the vibration modes of amides, lipids, amino acids, and organic acids, facilitating the distinction between different cheese age categories. Additionally, CCSWA outcomes identified age-related differences through shifts in tryptophan fluorescence characteristics as the cheeses aged. These results were consistent with the observed alterations in the microstructure of cheese samples over time, corroborated by Scanning Electron Microscopy (SEM) imagery. The introduced multimodal methodology serves as a significant asset for determining the ripening stage of various types of cheese, offering a detailed perspective of cheese maturation beneficial to the dairy industry and researchers.
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle