The statistical analysis was perfor

The statistical analysis was performed in SAS 9.2. The model validation was primarily done by evaluating the residuals (and the so-called studentized residuals) obtained after fitting the models for all three parameters (L*, a*, and b*). The plots used in the validation showed very similar patterns for the three parameters, and they will therefore be described In Fig. 4 the different kinds of samples considered in this experiment are illustrated. This illustration indicates that the colors returned by the two instruments are not the same. The ΔEab⁎ values of the average color values are illustrated in the top left plot in Fig. 5. A clear difference in magnitude of ΔEab⁎ depending on the processing level of the product is observed. For the fresh products the ΔEab⁎ values are all above five, whereas for the processed types, the values are all under five. This clear differentiation between the fresh/raw and processed samples can be related to the threshold for human detection of color difference. Larraín et al. (2008) states that no exact threshold has been established for meat color difference detection, but that a possible value could be around 2–6. This explains the visual differences observed in Fig. 4.

ผลลัพธ์ (ไทย) 1:

ทำการวิเคราะห์ทางสถิติใน SAS 9.2 ตรวจสอบแบบจำลองถูกหลักโดยประเมินค่าคงเหลือ (และค่าคงเหลือ studentized เรียกว่า) ได้รับหลังจากรูปแบบสำหรับทั้งสามพารามิเตอร์ที่เหมาะสม (L * เป็น *, และ b *) โครงการที่ใช้ในการตรวจสอบพบว่ารูปแบบคล้ายกันมากสำหรับพารามิเตอร์สาม และพวกเขาจะดังอธิบายไว้ใน Fig. 4 ดังรายละเอียดแตกต่างของตัวอย่างที่ถือว่าในการทดลองนี้ ภาพนี้แสดงสีที่ได้จากเครื่องมือสองไม่เหมือนกัน ค่า ΔEab⁎ ค่าสีเฉลี่ยดังรายละเอียดในแผนซ้ายสุดใน Fig. 5 ความแตกต่างชัดเจนในขนาดของ ΔEab⁎ ขึ้นอยู่กับระดับการประมวลผลของผลิตภัณฑ์ย่อย สำหรับผลิตภัณฑ์สด ค่า ΔEab⁎ ได้ทั้งหมดข้างต้น 5 ในขณะที่สำหรับชนิดของการประมวลผล ค่าอยู่ทั้งหมดภายใต้ห้า นี้สร้างความแตกต่างชัดเจนระหว่างตัวอย่างสด/ดิบ และประมวลผลสามารถเกี่ยวข้องกับขีดจำกัดสำหรับการตรวจจับมนุษย์ความแตกต่างของสี อเมริกา Larraín et al. (2008) ที่มีการสร้างไม่จำกัดแน่นอนสำหรับการตรวจหาความแตกต่างของสีเนื้อ แต่อาจได้ค่ารอบ 2-6 นี้อธิบายความแตกต่างภาพใน Fig. 4

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติที่ได้ดำเนินการใน SAS 9.2 การตรวจสอบรูปแบบที่ได้กระทำเป็นหลักโดยการประเมินเหลือ (และที่เรียกว่าเหลือ studentized) ได้รับหลังจากการปรับรุ่นสำหรับทั้งสามพารามิเตอร์ (L * * * * * และ b *) แปลงที่ใช้ในการตรวจสอบพบว่ามีรูปแบบที่คล้ายกันมากสำหรับสามพารามิเตอร์และพวกเขาจึงจะได้รับการอธิบายในรูป 4 ชนิดที่แตกต่างกันของกลุ่มตัวอย่างการพิจารณาในการทดลองนี้จะแสดง ตัวอย่างนี้แสดงให้เห็นว่าสีที่ส่งกลับโดยเครื่องดนตรีทั้งสองจะไม่เหมือนกัน ΔEab⁎ค่าของค่าสีค่าเฉลี่ยจะแสดงในพล็อตบนซ้ายในรูป 5. ความแตกต่างที่ชัดเจนในความสำคัญของการΔEab⁎ขึ้นอยู่กับระดับการประมวลผลของผลิตภัณฑ์ที่เป็นที่สังเกต สำหรับผลิตภัณฑ์ที่สดใหม่ค่าΔEab⁎มีทั้งหมดกว่าห้าในขณะที่ชนิดประมวลผลค่าที่มีทั้งหมดห้า นี้ความแตกต่างที่ชัดเจนระหว่างสด / ตัวอย่างดิบและประมวลผลสามารถที่เกี่ยวข้องกับเกณฑ์สำหรับการตรวจสอบของมนุษย์แตกต่างของสี Larraín et al, (2008) ระบุว่าไม่มีเกณฑ์ที่แน่นอนได้รับการจัดตั้งขึ้นสำหรับการตรวจสอบแตกต่างของสีเนื้อ แต่ที่มีค่าเป็นไปได้อาจจะอยู่ที่ประมาณ 2-6 นี้จะอธิบายถึงความแตกต่างที่สังเกตเห็นภาพในรูป 4

ผลลัพธ์ (ไทย) 3:

โดยวิเคราะห์ใน SAS 9.2 . รูปแบบการตรวจสอบถูกทำโดยการประเมินค่า ( เรียกว่าตัวค่า ) หลังจากได้รับการปรับรุ่นสำหรับทั้งสามพารามิเตอร์ ( L * , a * และ b * ) แปลงที่ใช้ในการตรวจสอบว่ารูปแบบคล้ายกันมากกับสามพารามิเตอร์ และพวกเขาจึงจะสามารถอธิบายในฟิค4 ชนิดของตัวอย่างที่พิจารณาในการทดลองนี้เป็นภาพประกอบ ภาพนี้แสดงให้เห็นว่าสีคืนโดยเครื่องมือที่ไม่เหมือนกัน การΔ eab ⁎มีค่าเฉลี่ยค่าสีต่างๆในพล็อต ด้านบนซ้ายในรูปที่ 5 ความแตกต่างที่ชัดเจนในขนาดของΔ eab ⁎ขึ้นอยู่กับการประมวลผลระดับของผลิตภัณฑ์เป็นที่สังเกตสำหรับสดผลิตภัณฑ์Δ eab ⁎ค่าทั้งหมดข้างต้นห้าในขณะที่ประมวลผลประเภท ค่าทั้งหมดภายใต้ห้า นี้ชัดเจนความแตกต่างระหว่างสดดิบ และประมวลผลตัวอย่างสามารถที่เกี่ยวข้องกับเกณฑ์ในการตรวจสอบความแตกต่างสีคน Larra í n et al . ( 2551 ) ระบุว่าไม่มีเกณฑ์ที่แน่นอนมีการสร้างเนื้อสีความแตกต่างในการตรวจจับแต่มูลค่าที่เป็นไปได้ที่อาจจะมีรอบ 2 – 6 ภาพนี้อธิบายถึงความแตกต่างที่พบในรูปที่ 4