Development of safe storage guidelines for prairie-grown flaxseed (Linum usitatissimum) and characterization of stored seeds using near infrared spectroscopy
Notice bibliographique
Résumé
Canada is the largest producer of flaxseed in the world with a production of 483.2 thousand tonnes in 2019. Maintaining the quality of huge amounts of seeds especially under constantly varying environmental conditions is an ongoing challenge. Therefore, the current research focuses on developing safe storage guidelines for flaxseed, which can help farmers plan proper post-harvest operations to avoid losses. Locally sourced flaxseed was conditioned to moisture contents of 7, 8, 9, and 13% and stored in relative humidity (RH) conditions of 54, 65, 75, and 94% at temperatures of 10, 20, and 30℃ for 16 weeks. The indices of spoilage were seed germination, free fatty acid value (FAV), visible mold, and protein content. The influence of temperature, RH, and storage period on germination rate and FAV was statistically significant (P = 0.05). The protein content did not change significantly with relative humidity, but a significant change was observed due to temperature. The seeds must be dried within 3 weeks of storage if it is to be stored at a moisture content of 13% or above and at temperatures over 20 °C. Samples at 10 and 20°C can be safely stored for at least 16 weeks if MC is maintained between 7 and 9%. Another goal of this study is to use non-destructive imaging techniques of visible near-infrared (Vis-NIR; 450-1100 nm) and shortwave infrared (SWIR; 1000-2500 nm) hyperspectral imaging for stored flaxseed quality assessment. Principal component analysis (PCA), partial least squares-discriminant analysis (PLS-DA), and partial least squares regression (PLSR) models were developed to model flax quality. Satisfactory groupings were demonstrated through PCA models in the Vis-NIR range based on storage period and temperature. PCA in the SWIR range distinguished flaxseed based on initial MC. The PLS-DA model achieved classification accuracies of 81.5, 72.8, and 87.5 % in calibration, cross-validation, and external prediction for flaxseed based on initial MC, respectively. The PLSR prediction model for MC and FAV yielded reliable results but not for predicting protein content and germination rate. As a result, it was established that NIRS may be utilized by food processors and farmers to analyze flaxseed quality non-destructively.
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 | 0,000 |
| 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) | 0,001 | 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 ».