Non-destructive approaches for quality evaluation of eggplant («Solanum melongena» L. cv. Traviata)
Bibliographic record
Abstract
Des essais en laboratoire ont été effectués pour développer un indice de fraîcheur pour une variété américaine d'aubergine (Solanum melongena L. cv. Traviata). Des essais de compression non destructifs et d'imagerie hyperspectrale dans le proche infrarouge (NIR, 900 à 1 700 nm), ont été réalisées pour mesurer la fermeté (S) et la brillance de la peau des aubergines fraîches et entreposées sous différentes conditions de luminosité et de température). La densité de fruit (D) a été calculée en divisant la masse (W) par le volume (V). Il a été démontré que la provenance des fruits (ferme) a été un facteur important qui a affecté les paramètres quantitatifs et qualitatifs. La lumière et la température ont aussi eu un impact sur ces paramètres et de leurs rapports respectifs, à des périodes d'entreposage différentes. Les paramètres S et G ont diminué au cours de l'entreposage post-récolte, tandis que le paramètre D a augmenté de façon significative au cours de la période d'entreposage. Sur cette base, un nouvel indice de fraîcheur (If) de l'aubergine a été défini comme étant le produit du rapport de fermeté de la surface (Sr) et le rapport de pelage brillant (Gr), divisé par le rapport de densité (Dr).Par la suite, les relations entre If et les paramètres Wr, Dr, Sr, et Gr, et la période de stockage (t) ont été établies en tenant compte de la cinétique (loi d'Arrhenius) ont permis d'établir des modèles permettant de prédire cet indice. Les valeurs du coefficient de corrélation (CC) et l'erreur quadratique moyenne (MSE) ont été évalués pour identifier les meilleurs modèles. Le modèle exprimant If en fonction de la perte de rigidité de la surface (SL; 1 – Sr) était le meilleur modèle avec la plus haute valeur de CC (0,99) et la plus basse valeur de MSE (0,0014). Le modèle le moins précis était lorsqu'on exprimait If en fonction de la perte de brillance de la peau (GL; 1 - Gr). Régressions par étapes ont permis d'identifier les longueurs d'onde les mieux corrélées à l'If. Les modèles construits avec de ces longueurs d'onde pour les fruits entreposés à 10 et 27°C étaient caractérisés par des valeurs de CC 0,73 et 0,90, respectivement. Indice de fraîcheur est un concept qui peut être utile pour éviter de sous-estimer la qualité des aubergines et, par conséquent, de fixer des prix équitables. Néanmoins, plusieurs variétés d'aubergines doivent être étudiés afin de valider ce concept. De plus, plus de températures doivent être étudiées afin d'accroître la précision des modèles prédicatifs basés sur la loi d'Arrhenius.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".