Evaluation of pork quality by proton nuclear magnetic resonance
Notice bibliographique
Résumé
Consumers today are offered a diversified meat section at their local retail outlets.As the number of meat sources grows, consumers favour meat of higher quality.Competition is coming not only from other meat products but also from meats being imported internationally.There are growing concerns that pork quality is in fact struggling.After decades of research, issues such as pale soft exudative (PSE) pork and dark firm dry (DFD) pork remain prevalent.If such products reach the consumer, the industry risks the consumer no longer choosing pork in the future.To prevent economic losses to the industry, these products need to be detected and withheld.The problem lies in the fact that conventional techniques for meat quality measurement are slow, expensive, and destructive.Effective quality assurance programs that can keep up with market trends require a fast, non-destructive, method for measuring meat quality.The purpose of this study is to investigate low-field time-domain proton nuclear magnetic resonance (NMR) as a tool for rapid, non-destructive, multidimensional meat quality assessment.In the first section, a review of current literature with regards to meat science, meat quality, and meat quality measurement tools and techniques.This is followed by a review of current literature regarding NMR as a tool for meat quality assessment.NMR is then used in an experiment to investigate its applicability in measuring cooking loss, drip loss, and thaw loss.This was performed by using a transverse relaxometry experiment using a benchtop NMR at 6 MHZ at 4 °C of samples averaging 539 g -a size and temperature closer to what might be seen in industrial applications.Currently, the literature has exclusively investigated NMR as a tool for measuring meat quality on samples often around 1 x 1 x 5 cm in size and at room temperature.This study seeks to close that knowledge gap.Using multivariate cm à température pièce.Cette étude cherche à approfondir nos connaissances dans le domaine de qualité de viande par RMN.Après une analyse multi variable, une corrélation de r = 0.686, 0.573, 0.452 a été obtenue en perte à la cuisson, perte en eau et ainsi qu'en cycle de gèle-dégèle.Dans la deuxième partie, RMN a été utilisée pour mesurer le pourcentage de gras en état solide à 9 températures différentes pour chaque échantillon dans le but de prédire la valeur d'iode.Une corrélation de r = 0.87 a été obtenue.Ceci démontre l'applicabilité de l'RMN pour l'industrie.Cela aussi nous permet d'investiguer quels autres facteurs pourraient influencer la consistance d'un gras.En conclusion, l'RMN pourrait devenir applicable dans l'industrie si les recherches et développements de l'RMN ainsi que la viande se poursuivent.Elle démontre le potentiel de mesurer la perte à la cuisson, perte en eau et en cycle de gèle-dégèle, ainsi que la consistance des gras.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».