کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5543261 1554065 2017 5 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Sensor-array-based evaluation and grading of beef taste quality
ترجمه فارسی عنوان
ارزیابی درجه بندی و ارزیابی حسگر گوشت گوساله مبتنی بر سنسور
کلمات کلیدی
گوشت گاو، طعم ارزیابی، آرایه سنسور، شبکه های عصبی،
ترجمه چکیده
آرایه سنسور متشکل از الکترودهای یونی شامل 2 الکترود شیشه ای، 3 الکترودهای غشاء مایع و 7 الکترودهای نمکی نامحلول بود. قبل از تشخیص، الکترود کار در صورت نیاز در فعال سازی مایعات فعال شد و حالت های پایداری حسگرها در آب دئیزه شده تجزیه شد. نمونه های گوشت گاو پس از تمام شدن الکترود های کارایی تثبیت شد. سیگنال های پاسخ از نمونه ها توسط یک ایستگاه کاری الکتروشیمیایی ثبت شد و به عنوان نتایج ارزیابی مورد استفاده قرار گرفت. معیار ارزیابی حسی گوجه فرنگی گوشتی برای ارزیابی حسی نمونه های گوشتی ساخته شده است. نمونه ها با توجه به ضریب کیفیت با توجه به این معیار امتیاز گرفتند و نتایج با نتایج آرایه حسگر در ارزشیابی نمونه های گوشت گاو مقایسه شد. نتایج ارزیابی با استفاده از تجزیه و تحلیل مولفه های اصلی مورد استفاده قرار گرفت و برای ساخت مدل ارزیابی کیفیت طعم گوشت گاو بر اساس شبکه های عصبی مصنوعی استفاده شد. تست نشان می دهد این مدل دارای دقت 90٪ در طبقه بندی کیفیت نمرات گوشت گاو.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک دانش تغذیه
پیش نمایش مقاله
ارزیابی درجه بندی و ارزیابی حسگر گوشت گوساله مبتنی بر سنسور
چکیده انگلیسی
A sensor array composed of ion electrodes including 2 glass electrodes, 3 liquid-membrane electrodes and 7 insoluble salt electrodes was built. Before detection, the working electrodes were activated as required in activate fluids, and the stability states of sensors were analyzed in deionized water. Beef samples were evaluated after all working electrodes stabilized. The response signals from the samples were recorded by an electrochemical workstation and used as the evaluation results. A beef taste sensory evaluation criterion was built and used into sensory evaluation of beef samples. The samples were scored with quality grades according to this criterion, and the results were compared with the results of the sensor array in evaluation of beef broth samples. The evaluation results were processed by principal component analysis and used to build a beef taste quality evaluation model based on artificial neural networks. Tests show this model has an accuracy of 90% in classification of beef taste quality grades.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Meat Science - Volume 129, July 2017, Pages 38-42
نویسندگان
, , , , , , , , , ,