Prediction of beef tenderness using hyperspectral imaging
Notice bibliographique
Résumé
Cuts from different types of beef muscles [e.g., infraspinatus (Top blade, TB), gluteus medius (Top sirloin, TS), psoas major (Tenderloin, TL), and longissimus thorasis (Rib eye, RE)] were dry-aged for up to 21 days and then subjected to near-infrared hyperspectral imaging to gauge its usefulness in evaluating beef tenderness.Imaged in reflection mode using a hyperspectral (900 nm< λ <1700 nm) imaging system, samples were then cooked (grilled one side to internal temperature of 40ºC, turned and grilled to a final internal temperature of 71ºC) and examined for tenderness by the Warner-Bratzler shear force (WBSF) method.Stepwise regression of mean spectral data collected from the samples was used to determine wavebands that can be used assess beef tenderness.Multiple Linear Regression (MLR) was used to assess the relative advantage of the selected wavebands to predict tenderness of beef samples.An overall correlation coefficient (R) for each muscle type (R=0.89 for TS, R=0.86 for RE, R=0.81 for TB, and R=0.83 for TL) shows the possibility of using hyperspectral imaging for predicting beef tenderness.
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 | 0,000 | 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 ».