Étude des principaux défauts sensoriels du sirop d'érable par analyses physicochimiques, spectroscopie de fluorescence 3D et analyses factorielles
Bibliographic record
Abstract
La production du sirop d'érable contribue de façon importante à l'économie du secteur agroalimentaire du Canada et tient une place de premier plan dans l'identité culturelle du pays. En 2018, le Canada a produit environ 40 millions de litres de sirop d'érable, représentant une valeur de 384 millions de dollars. L'augmentation de la production du sirop d'érable au fil des années et selon les prévisions établies conduit à développer le système de classification actuel. Cette étude porte sur la caractérisation physicochimique de 18 échantillons de sirops d'érable ayant une qualité inférieure et d'étudier en deuxième lieu l'adéquation de la spectroscopie de fluorescence frontale 3D (3D-Frontal Fluorescence Spectroscopy) sur une large gamme de longueurs d'onde d'excitation-émission comme technologie discriminante des défauts sensoriels de 90 échantillons de sirops d'érable en vrac répartis en 3 séries, chacune regroupe 6 différentes catégories de sirops (« OK », « VR4 », « VR5 », « VR12 », « VR13 », « VR42 »). Les résultats d'analyses des acides organiques montrent que l'acide malique est le plus abondant par rapport aux acides citrique et fumarique. Les échantillons de référence appartenant à la catégorie « OK » avaient toujours les concentrations moyennes les plus faibles en acide organique. La concentration en acide fumarique dans les échantillons de la catégorie « OK » est significativement plus faible que le reste des échantillons. Aucune différence n'est remarquée pour le degré de Brix et de pH entre les différentes classes analysées. Cependant, les couleurs des échantillons variaient significativement en fonction de la catégorie analysée. De plus, une corrélation négative est établie entre la concentration des échantillons en polyphénols et leur pourcentage de transmission de lumière. L'analyse en composantes principales des données physicochimiques montre qu'il existe une relation réciproque entre deux groups d'échantillons comme les sirops les plus clairs et sucrés (« VR05 » « VR42 » et « OK ») sont moins concentrés en polyphénols et en acides organiques (« VR04 », « VR12 » et « VR13 ») et vice versa. L'analyse de 18 échantillons par spectroscopie de fluorescence frontale couplée à l'analyse en composante indépendante, mène à générer deux signaux de fluorescence différents sur IC1 et IC10 permettant d'avoir une meilleure discrimination des défauts sensorielle. En plus, l'application d'une analyse factorielle discriminante sur les spectres de 90 échantillons de trois différentes séries permet de générer une fonction discriminante ayant des pourcentages de classification globale variant entre 97,78 % et 94,44 %.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".