Monitoring of milk rennet coagulation: Chemical and physical perspective using Raman spectroscopy
Notice bibliographique
Résumé
• Raman spectroscopy and chemometrics are effective in monitoring milk renneting. • Raman signal baseline variation analysis allows the curd cutting time prediction. • Rheological cutting time was modelled through Raman PC scores inflection time. • An R 2 of 0.872 was obtained in cutting time prediction from Raman signal variation. • Baseline correction helps identifying significant components of milk coagulation. The present study applies Raman spectroscopy and chemometrics to monitor the milk renneting process. Raman sensor information (Laser 785 nm) was simultaneously retrieved with rheological measurements to predict the curd cutting time. Principal component analysis was conducted on Raman spectra to collect the relevant information on the coagulating process. Rheological cutting time was modelled using the time at the inflection point of first Principal Component scores, from which an R 2 of 0.901 was obtained for calibration purposes, while 0.872 resulted from a 6-fold cross-validation. For the first time, the response of the Raman sensor was also used to assess the dynamic evolution of signal intensity for every individual Raman shift in order to identify which chemical bonds and molecules are significantly involved in the renneting process. To this concern, the role of tryptophan, P O 4 3 − groups, aspartic acid and phenylalanine results to be important in projecting the original spectra in the principal component subspace. Raman signals can be employed to study the physical behavior of renneting milk and to analyze the changes in chemical bonds, depending on the data pretreatment method applied, specifically in baseline correction. The presented results demonstrate that Raman spectroscopy can be successfully implemented to provide quantitative and qualitative knowledge of the milk coagulation process.
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 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».