An interactance measurement, where

An interactance measurement, where the light was transmitted
into the meat and then back scattered to the surface combined with
X-ray computed tomography (CT), was used to measure salt and fat distribution,
without contact, in salted and smoked salmon filets (Segtnan
et al., 2009). Since CT responses for salt are affected by fat content, to investigate
this phenomenon, the research team calculated the predicted fat
contentwith the NIR interactancemeasurements and added this fat information
in the CTmodeling process. The combination of three X-ray energy
levels (80, 110, and 130 kV) gave the best CT calibrations forNaCl, with
the average prediction errors (root mean square error of cross-validation
(RMSECV)), RMSECV = 0.40% NaCl and R = 0.92. Adding fat predictions
based on NIR interactance imaging further improved the NaCl prediction
performance, giving RMSECV = 0.34% NaCl and R = 0.95. It
was also found that NIR interactance imaging alone was able to predict
NaCl contents locally in salted salmon filets with RMSECV = 0.56% and
R = 0.86.
A review dealingwith the applications of VIS/NIR imaging spectroscopy
for the inspection of fish and fish products such as finding blood,melanin
spots and nematodes, determining filet composition, determining
freshness and detecting a frozen/thawed cycle has been published recently
(Mathiassen,Misimi, Bondo, Veliyulin, & Ostvik, 2011). The authors observe
that the online (i.e. those with demonstrable industrial-scale speed
and cost) imaging technologies are to a limited degree capable of measuring
all properties of interest, and that the offline technologies have less
limitations and greater capabilities to inspect fish products with respect
to fat, protein, water, salt, freshness and anatomy.
.

ผลลัพธ์ (ไทย) 1:

วัดอินเตอร์ที่แสงถูกส่งเข้าไปในเนื้อ
แล้วกลับกระจายไปยังพื้นผิวรวมกับ
x-ray เอกซเรย์คอมพิวเตอร์ (CT) ถูกใช้ในการวัดเกลือและไขมันกระจาย
โดยไม่ต้องติดต่อในปลาแซลมอนรมควันและเค็ม filets (segtnan
et al,. 2009) ตั้งแต่การตอบสนองกะรัตเกลือรับผลกระทบจากปริมาณไขมัน, การตรวจสอบ
ปรากฏการณ์นี้ทีมวิจัยคำนวณไขมันทำนาย
contentwith interactancemeasurements NIR และเพิ่มข้อมูลนี้
ไขมันในกระบวนการ ctmodeling การรวมกันของสามรังสี-x
พลังงานระดับ (80, 110, และ 130 กิโลโวลต์) ให้ดีที่สุด fornacl สอบเทียบกะรัตด้วย
ข้อผิดพลาดการทำนายเฉลี่ย (root หมายถึงข้อผิดพลาดที่สองของการตรวจสอบข้าม
(rmsecv)) rmsecv = 0.40 % โซเดียมคลอไรด์และ r = 0.92การคาดการณ์การเพิ่มไขมัน
ขึ้นอยู่กับการถ่ายภาพ NIR อินเตอร์ปรับปรุงเพิ่มเติมทำนาย nacl
ประสิทธิภาพให้ rmsecv = 0.34% โซเดียมคลอไรด์และ r = 0.95
มันก็ยังพบว่าการถ่ายภาพอินเตอร์ NIR เพียงอย่างเดียวก็สามารถที่จะทำนาย
เนื้อหาโซเดียมคลอไรด์ในประเทศในเค็ม filets ปลาแซลมอนด้วย rmsecv = 0.56% และ
r = 0.86.
ทบทวน dealingwith การประยุกต์ใช้กำลัง / NIR เปคโทรสถ่ายภาพ
สำหรับการตรวจสอบของปลาและผลิตภัณฑ์ปลาเช่นการหาเลือดเมลานิน
จุดและไส้เดือนฝอยกำหนดองค์ประกอบต็กเนื้อสันกำหนด
ความสดใหม่และการตรวจสอบการแช่แข็ง / ละลายวงจรได้รับการเผยแพร่เมื่อเร็ว ๆ นี้
(mathiassen, misimi, บอน, veliyulin, & ostvik, 2011) ผู้เขียนสังเกตว่า
ออนไลน์ (เช่นผู้ที่มีความเร็วในระดับอุตสาหกรรมซึ่งแสดงให้เห็น
และเทคโนโลยีที่ค่าใช้จ่าย) การถ่ายภาพมีในระดับที่ จำกัด ที่มีความสามารถในการวัด
คุณสมบัติทั้งหมดที่น่าสนใจและออฟไลน์ที่เทคโนโลยีมีน้อย
ข้อ จำกัด และความสามารถมากขึ้นในการตรวจสอบผลิตภัณฑ์ปลาด้วยความเคารพ
ไขมัน, โปรตีน, น้ำ, เกลือความสดและลักษณะทางกายวิภาค .

ผลลัพธ์ (ไทย) 2:

หน่วยวัด interactance ที่มีการส่งผ่านแสง
เนื้อและหลังแล้วกระจายพื้นผิวกับ
X-เรย์คำนวณคอมพิวเตอร์ (CT) ใช้ในการวัดการกระจายของเกลือ และไขมัน,
ไม่ติดต่อ ในเค็ม และรมควันแซลม่อนนเดอร์ลอยน์ (Segtnan
et al., 2009) เนื่องจากได้รับผลตอบสนอง CT สำหรับเกลือจากไขมัน การตรวจสอบ
ปรากฏการณ์นี้ ทีมวิจัยคำนวณไขมันเคลื่อน
contentwith NIR interactancemeasurements และเพิ่มข้อมูลนี้ไขมัน
ในการ CTmodeling การรวมกันของสามเอ็กซ์เรย์พลังงาน
ระดับ (80, 110 และ 130 kV) ให้สุด CT เสริม forNaCl กับ
ผิดคาดเดาเฉลี่ย (ผิดพลาดรากค่าเฉลี่ยกำลังสองของ cross-validation
(RMSECV)), RMSECV = 0.40% NaCl และ R = 0.92 เพิ่มคาดคะเนไขมัน
ตาม NIR interactance ภาพเพิ่มเติมขึ้นทำนาย NaCl
ประสิทธิภาพ ให้ RMSECV = 0.34% NaCl และ R = 0.95 มัน
นอกจากนี้ยังพบว่า NIR interactance ภาพเพียงอย่างเดียวไม่สามารถที่จะทำนาย
NaCl เนื้อหาภายในนเดอร์ลอยน์แซลมอนเค็มกับ RMSECV = 0.56% และ
R = 0.86.
A dealingwith พิจารณาใบสมัครของ VIS/NIR ภาพก
สำหรับการตรวจสอบปลาและผลิตภัณฑ์ปลาเช่นการหาเลือด เมลานิน
จุดและ nematodes กำหนดองค์ประกอบเธช กำหนด
สดและแช่ แข็ง/thawed วงจรตรวจสอบถูกเผยแพร่ล่าสุด
(Mathiassen, Misimi, Bondo, Veliyulin & Ostvik, 2011) ผู้เขียนสังเกต
ที่ออนไลน์ (เช่นผู้ที่ มีความเร็วในการแสดงให้เห็นถึงระดับอุตสาหกรรม
และต้นทุน) เทคโนโลยีเกี่ยวกับภาพเป็นตัวจำกัดความสามารถในการวัด
คุณสมบัติทั้งหมดที่น่าสนใจ และเทคโนโลยีแบบออฟไลน์มีน้อย
ข้อจำกัดและความสามารถมากกว่าการตรวจสอบผลิตภัณฑ์ปลา ด้วยความเคารพ
ไขมัน โปรตีน น้ำ เกลือ สด และกายวิภาคศาสตร์.

ผลลัพธ์ (ไทย) 3:

การวัดที่ interactance ที่ความสว่างได้ส่งสัญญาณ
ในเนื้อและจากนั้นจึงเดินทางกลับกระจายตัวอยู่ในพื้นที่ที่ประกอบด้วยเครื่อง
X - ray สมอง( ct )ได้ถูกใช้เพื่อวัดเกลือและไขมันกระจาย
ไม่มีผู้ติดต่อใน filets ปลาแซลมอนรมควันปลาเค็มและ( segtnan
et al . 2009 ) นับตั้งแต่การตอบกลับสำหรับเกลือ( ct )ได้รับผลกระทบจากไขมันในการสืบสวนสอบสวน
ปรากฎการณ์นี้ทีมวิจัยที่คำนวณได้คาดว่าไขมัน
contentwith ที่ NIR ที่ interactancemeasurements และเพิ่มข้อมูลไขมันนี้
ซึ่งจะช่วยในกระบวนการ ctmodeling ได้ การรวมกันของทั้งสาม X - ray
ซึ่งจะช่วยประหยัดพลังงานระดับ( 80 , 110 และ 130 kV )( ct )ที่ดีที่สุด fornacl calibrations มีข้อผิดพลาดการคาดเดาโดยเฉลี่ย
(เกิดข้อผิดพลาด Square หมายถึงรากของกาชาด - การตรวจสอบ
( rmsecv ) rmsecv = 0.40% NaCl และ R = 0.92การเพิ่มการทำนายอ้วน
ซึ่งใช้ในการถ่าย ภาพ interactance NIR ต่อไปดีขึ้น NaCl
ซึ่งจะช่วยเพิ่ม ประสิทธิภาพ การคาดการณ์ที่ rmsecv ให้= 0.34% NaCl และ R = 0.95
ซึ่งจะช่วยได้และยังพบอีกว่า NIR interactance การถ่าย ภาพ คนเดียวก็สามารถทำนาย
NaCl เครื่องในปลาเค็มปลาแซลมอน filets ด้วย rmsecv = 0.56% และ
r = 0.86 .
ที่ตรวจสอบ dealingwith ที่แอปพลิเคชันของเผชิญหน้ากับ/ NIR ภาพ Emission Spectroscopy
สำหรับการตรวจสอบของ ผลิตภัณฑ์ ปลาและปลาเช่นการค้นหาเลือด nematodes และจุด melanin
การกำหนดองค์ประกอบการพิจารณากำหนดการริบบิ้น
ความสดใหม่และการตรวจจับการแช่แข็ง/ละลายได้รับการเผยแพร่ไปเมื่อไม่นานมานี้
( mathiassen misimi bondo veliyulin & ostvik 2011 ) ผู้เขียนให้สังเกตดูว่า
ซึ่งจะช่วยแบบออนไลน์(เช่นผู้ที่มีความเร็วในอุตสาหกรรมขนาดใหญ่ได้
ตามมาตรฐานและค่าใช้จ่าย)มีเทคโนโลยีการถ่าย ภาพ ในระดับจำกัด(มหาชน)ที่มีความสามารถในการวัดคุณสมบัติ
ทั้งหมดที่น่าสนใจและเทคโนโลยีแบบออฟไลน์ที่มีรายได้น้อย
ข้อจำกัดและความสามารถมากขึ้นในการตรวจสอบสินค้าปลาด้วยความเคารพ
ซึ่งจะช่วยให้ไขมันโปรตีนเกลือป่นน้ำและความสดใหม่กาย วิภา ค.
)