Documents disponibles écrits par cet auteur

Use of visible spectroscopy for quality classification of intact pork meat / Xing, Juan in Journal of food engineering, Vol. 82 N°2 (Septembre 2007) 

Public ISBD [article]  in Journal of food engineering > Vol. 82 N°2 (Septembre 2007) . - 135-141 p. Titre : Use of visible spectroscopy for quality classification of intact pork meat Type de document : texte imprimé Auteurs : Xing, Juan, Auteur ; Ngadi, Michael, Auteur ; Gunenc, Aynur, Auteur Article en page(s) : 135-141 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Pork  Quality  Color  Visible  spectroscopy  CIE  L*  a*  b*  Porc  Qualité  Couleur  Visible  spectroscopie  CIE  L*  a*  b* Index. décimale : 664 Résumé : Many quality characteristics of pork meat are associated with visible characteristics such as color. To develop an objective and nondestructive system to assess the quality of fresh pork meat, the potential of using visible spectroscopy to classify different quality classes of pork meat and to predict CIE L*, a* and b* values was investigated. Four different qualities of meat were considered namely RFN (red, firm and non-exudative), RSE (red, soft and exudative), PFN (pale, firm and non-exudative) and PSE (pale, soft and exudative). Reflectance spectra were acquired with a Minolta CM 3500d spectrophotometer in the range from 400 to 700 nm. The data analysis showed that it was possible to separate pale meat from red meat. In addition, PFN meat was distinguishable from PSE meat. However, the visible spectral information is not sufficient to separate all the four quality groups. The classification accuracy of using the reflectance spectra was better than using the L*, a* and b* values. The partial least squares regression was used to predict the L*, a* and b* values from the visible reflectance spectra. In general, the prediction for L* was better than for the a* and b* values. De nombreuses caractéristiques de la qualité de la viande de porc sont associées à des caractéristiques visibles, comme la couleur. À élaborer un objectif et non destructive du système pour évaluer la qualité de la viande de porc fraîche, le potentiel d'utilisation de la spectroscopie visibles à classer les différentes catégories de qualité de la viande de porc et de prédire CIE L *, a * et b * valeurs a été étudiée. Quatre différentes qualités de viande ont été pris en considération, notamment RFN (rouge, ferme et non exsudative), les sources d'énergie renouvelables (rouge, molle et exsudative), PFN (pâle, ferme et non exsudative) et le PSE (pâle, molle et exsudative). Réflectance spectres ont été acquis avec un Minolta CM 3500d spectrophotomètre dans une fourchette de 400 à 700 nm. L'analyse des données a montré qu'il était possible de séparer pâle viande provenant de la viande rouge. En outre, le PFN viande a été distinguée de la viande PSE. Toutefois, la partie visible du spectre information n'est pas suffisante pour séparer les quatre groupes de qualité. L'exactitude de la classification en utilisant les spectres de réflectance est mieux que d'utiliser le L *, a * et b * valeurs. La régression partielle des moindres carrés a été utilisé pour prédire les L *, a * et b * valeurs de la réflectance spectres visibles. En général, la prédiction de L * est meilleure que pour les a * et b * valeurs. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Spectroscopie En ligne : http://www.sciencedirect.com/science?_ob=ArticleListURL&_method=list&_ArticleLis [...] [article] Use of visible spectroscopy for quality classification of intact pork meat [texte imprimé] / Xing, Juan, Auteur ; Ngadi, Michael, Auteur ; Gunenc, Aynur, Auteur . - 135-141 p. Génie Chimique Langues : Anglais (eng) in Journal of food engineering > Vol. 82 N°2 (Septembre 2007) . - 135-141 p. Mots-clés : Pork  Quality  Color  Visible  spectroscopy  CIE  L*  a*  b*  Porc  Qualité  Couleur  Visible  spectroscopie  CIE  L*  a*  b* Index. décimale : 664 Résumé : Many quality characteristics of pork meat are associated with visible characteristics such as color. To develop an objective and nondestructive system to assess the quality of fresh pork meat, the potential of using visible spectroscopy to classify different quality classes of pork meat and to predict CIE L*, a* and b* values was investigated. Four different qualities of meat were considered namely RFN (red, firm and non-exudative), RSE (red, soft and exudative), PFN (pale, firm and non-exudative) and PSE (pale, soft and exudative). Reflectance spectra were acquired with a Minolta CM 3500d spectrophotometer in the range from 400 to 700 nm. The data analysis showed that it was possible to separate pale meat from red meat. In addition, PFN meat was distinguishable from PSE meat. However, the visible spectral information is not sufficient to separate all the four quality groups. The classification accuracy of using the reflectance spectra was better than using the L*, a* and b* values. The partial least squares regression was used to predict the L*, a* and b* values from the visible reflectance spectra. In general, the prediction for L* was better than for the a* and b* values. De nombreuses caractéristiques de la qualité de la viande de porc sont associées à des caractéristiques visibles, comme la couleur. À élaborer un objectif et non destructive du système pour évaluer la qualité de la viande de porc fraîche, le potentiel d'utilisation de la spectroscopie visibles à classer les différentes catégories de qualité de la viande de porc et de prédire CIE L *, a * et b * valeurs a été étudiée. Quatre différentes qualités de viande ont été pris en considération, notamment RFN (rouge, ferme et non exsudative), les sources d'énergie renouvelables (rouge, molle et exsudative), PFN (pâle, ferme et non exsudative) et le PSE (pâle, molle et exsudative). Réflectance spectres ont été acquis avec un Minolta CM 3500d spectrophotomètre dans une fourchette de 400 à 700 nm. L'analyse des données a montré qu'il était possible de séparer pâle viande provenant de la viande rouge. En outre, le PFN viande a été distinguée de la viande PSE. Toutefois, la partie visible du spectre information n'est pas suffisante pour séparer les quatre groupes de qualité. L'exactitude de la classification en utilisant les spectres de réflectance est mieux que d'utiliser le L *, a * et b * valeurs. La régression partielle des moindres carrés a été utilisé pour prédire les L *, a * et b * valeurs de la réflectance spectres visibles. En général, la prédiction de L * est meilleure que pour les a * et b * valeurs. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Spectroscopie En ligne : http://www.sciencedirect.com/science?_ob=ArticleListURL&_method=list&_ArticleLis [...]