Assessment of food component distribution and structure by confocal laser scanning microscopy: A review
Notice bibliographique
Résumé
Structure and component distribution of food is critical for understanding their physico-mechanical, chemical, thermal, and biological properties, which have a direct impact on quality, safety, and consumer acceptability. Confocal laser scanning microscopy (CLSM) has developed as an effective method for studying structure and component distribution in bio-matrices at the micro-/nano-scales. This study detailed the working mechanism, sample preparation, advantages and disadvantages of employing this emerging technique in food sectors. Furthermore, this study investigated the use of CLSM to examine the topographical, internal structural and component distribution features of various food items (i.e., cereal, cheese, noodle, chocolate, plant-derived meat, gel, emulsion, nut, baked item, vegetable, grain, processed food, etc.) emphasizing the importance of structure and component distribution in determining overall product quality during consumption and storage. CSLM helps visualize fat globules, protein networks, starch granules, and the distribution of components and additives. By providing insights into structural changes during processing, CSLM can aids in quality control, product development, and understanding texture, stability, and shelf life of food product. CLSM image-based quantitative analysis, which reveals the subtle links between internal structure-component distribution and food quality attributes. CSLM is an essential tool for advancing food research and innovation. Further research in this area may result in the production of more improved food products.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».