Measuring pH of Pork at Specific Temperatures Postmortem to Predict Quality Traits
Notice bibliographique
Résumé
The objective of this study was to explore if pH measurements collected at specific temperatures (39–31°C) during the early postmortem period can predict pork quality with greater accuracy than pH assessments collected at fixed-time intervals (45 min and 24 h postmortem). To achieve this, pH, temperature, and meat quality data were collected from the longissimus thoracis from the left sides of 558 commercially sourced pork carcasses, including 296 barrows and 262 gilts. The results showed that pH values at 45 min and 24 h postmortem were not significantly correlated (P > .05). Furthermore, pH values at 45 min and 24 h postmortem were weakly correlated with pH at 39°C to 31°C (r ≤ 0.27; P < .05). There was a strong positive correlation (0.73 ≤ r ≤ 0.99; P < .05) among pH measurements at 39°C to 31°C, indicating consistency in pH across specific temperatures. Stepwise regression analysis identified multiple significant predictors for each quality trait examined. Specifically, pH at 35°C explained 11.5% of the variability in L* , pH at 36°C explained 27.5% of the variability in purge loss, and pH at 32°C explained 12.7% of the variability in slice shear force. Our findings show that pH collected at specific temperatures may be a good predictor of important pork quality attributes and could be used for research purposes and incorporated as selection objectives for genetic selection programs.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».