3.4. Quality predictions using the

3.4. Quality predictions using the microbial spoilage model

As it has been previously reported (Nuin et al., 2008), models as the one proposed are excellent tools to predict shelf-life under different storage conditions. In this section we explore the potential of our predictive model of SSOs to estimate not just shelf-life, but also different freshness categories of whitefish as defined by the QSM (Council Regulation (EC) No, 2406/96, 1996) and the QIM (Bremner, 1985). QSM establishes four fish quality categories that range from extra-quality (E) to not admitted (NA), and includes two intermediate quality grades (A and B). On the other hand, QIM classifies hake quality on a natural number scale which depends on the fish species. In this study, it has been found that SSO concentrations correlate particularly well with QIM via an expression of the form:
equation(6)
View the MathML sourceQIM=nint10lQ−1wherelQ=αPs+βSh
Turn MathJax on
where QIM is the corresponding quality index (ranging between 0–19) for hake (Baixas-Nogueras et al., 2003b), and “nint” is the function that computes the nearest integer value.

Data from experiments 1, 2, 3 and OD, which included QIM and QSM evaluations from a panel of experts, have been used to estimate parameters in expression (6), resulting in α = 0.068 and β = 0.129 with a regression coefficient r = 0.89. Note that such value should be considered reasonably good, specially taking into account that QIM is an integer variable which refers to skin, eyes, gill and flesh quality; while concentrations of SSOs were measured only in flesh. To the authors' best knowledge, only the work by Giuffrida et al. (2013) has tried to connect concentrations of SSOs with QIM directly although for a different species and with SSO concentrations taken not just in flesh, but also in skin and gill.

Comparison of the QSM and QIM values obtained for the different experiments suggested the equivalences presented in Table 4. Such characterization recognizes the existence of two overlapping categories which we resolve by defining the new grades A–B and B–NA between the A and B and between B and NA fish grades, respectively

ผลลัพธ์ (ไทย) 1:

3.4 คาดคะเนคุณภาพโดยใช้รูปแบบจุลินทรีย์เน่าเสียตามที่ได้รับรายงาน (Nuin et al. 2008), รุ่นที่นำเสนอเป็นเครื่องมือที่ยอดเยี่ยมการทำนายอายุการเก็บรักษาภายใต้สภาพการจัดเก็บที่แตกต่างกัน ในส่วนนี้ เราสำรวจศักยภาพของเรารุ่น SSOs ระบบการประเมินไม่เพียงแต่อายุ แต่ความสดชื่นที่แตกต่างกันประเภทของไวท์ฟิช ตามค่า (ระเบียบสภา (EC) No, 2406/96, 1996) และ QIM (Bremner, 1985) ค่าสร้างสี่ประเภทคุณภาพปลาที่หลากหลายจากคุณภาพ (E) จะไม่เข้า (NA), และมีเกรดคุณภาพระดับกลางที่สอง (A และ B) บนมืออื่น ๆ QIM จัดประเภทคุณภาพจัดทำขึ้นในระดับจำนวนธรรมชาติซึ่งขึ้นกับเกี่ยวกับพันธุ์ปลา ในการศึกษานี้ จะได้รับพบว่า ความเข้มข้นของ SSO ความสัมพันธ์ดีกับ QIM ผ่านนิพจน์ของฟอร์ม:equation(6)ดู MathML sourceQIM = nint10lQ−1wherelQ = αPs + βShเปิด MathJaxที่ QIM ดัชนีคุณภาพที่สอดคล้องกัน (ตั้งแต่ 0 – 19) สำหรับจัดทำขึ้น (Baixas-Nogueras et al. 2003b), และ "nint" คือ ฟังก์ชันที่คำนวณค่าจำนวนเต็มที่ใกล้ที่สุดมีการใช้ข้อมูลจากการทดลองที่ 1, 2, 3 และ OD ซึ่งรวม QIM และค่าประเมินจากแผงของผู้เชี่ยวชาญ การประมาณพารามิเตอร์ในนิพจน์ (6), ในα = 0.068 และβ = 0.129 โมเลกุลกับ r เป็นค่าสัมประสิทธิ์ถดถอย = 0.89 หมายเหตุว่าค่าดังกล่าวควรถือว่าสมเหตุสมผลดี พิเศษคำนึง QIM ที่เป็นตัวแปรจำนวนเต็มซึ่งหมายถึงผิว ตา เหงือกและเนื้อมี คุณภาพ ในขณะที่ความเข้มข้นของ SSOs ถูกวัดในเนื้อเท่านั้น ความรู้ที่ดีที่สุดของผู้เขียน เฉพาะการทำงานโดย Giuffrida et al. (2013) ได้พยายามที่จะเชื่อมต่อความเข้มข้นของ SSOs กับ QIM โดยตรงแม้ว่า สำหรับสายพันธุ์แตกต่างกัน และ มีความเข้มข้นของ SSO ที่ถ่ายไม่ใช่แค่ ในเนื้อ แต่ยังอยู่ ในผิวหนังและเหงือกเปรียบเทียบค่าค่าและ QIM ได้การทดลองที่แตกต่างแนะนำ equivalences ที่แสดงในตารางที่ 4 สมบัติดังกล่าวตระหนักถึงการดำรงอยู่ของสองประเภทที่ทับซ้อนกันซึ่งเราแก้ไข โดยการกำหนดเกรดใหม่ A – B และ B – นา ระหว่าง A และ B และ ระหว่าง B และนาปลาเกรด ตามลำดับ

ผลลัพธ์ (ไทย) 2:

3.4 การคาดการณ์ที่มีคุณภาพโดยใช้รูปแบบการเน่าเสียของจุลินทรีย์

ตามที่ได้รับรายงานก่อนหน้านี้ (Nuin et al., 2008) เป็นหนึ่งในรูปแบบที่นำเสนอเป็นเครื่องมือที่ดีในการทำนายอายุการเก็บรักษาภายใต้สภาพการเก็บรักษาที่แตกต่างกัน ในส่วนนี้เราสำรวจศักยภาพของรูปแบบการคาดการณ์ของเรา SSOs เพื่อประเมินไม่ได้เป็นเพียงอายุการเก็บรักษา แต่ยังประเภทที่แตกต่างกันของความสดใหม่สัดตามที่กำหนดโดย QSM (สภา Regulation (EC) No, 2406/96, 1996) และ Qim (Bremner, 1985) QSM กำหนดสี่ประเภทที่มีคุณภาพปลาที่หลากหลายจากการที่มีคุณภาพพิเศษ (E) จะไม่ได้เข้ารับการรักษา (NA) และรวมถึงสองเกรดคุณภาพกลาง (A และ B) บนมืออื่น ๆ , Qim classifies คุณภาพ Hake ในระดับจำนวนธรรมชาติซึ่งขึ้นอยู่กับสายพันธุ์ปลา ในการศึกษาครั้งนี้จะได้รับพบว่าความเข้มข้นของสปส. มีความสัมพันธ์โดยเฉพาะอย่างยิ่งกับ Qim ผ่านการแสดงออกของรูปแบบนี้:
สมการ (6)
ดู MathML sourceQIM = nint10lQ-1wherelQ = αPs + βSh
เปิด MathJax ใน
ที่ Qim เป็นดัชนีชี้วัดคุณภาพที่สอดคล้องกัน ( ระหว่าง 0-19) สำหรับเฮค (Baixas-Nogueras et al., 2003b) และ "nint" เป็นฟังก์ชั่นที่คำนวณค่าจำนวนเต็มที่ใกล้ที่สุด.

ข้อมูลจากการทดลองที่ 1, 2, 3 และ OD ซึ่งรวมถึง Qim และการประเมินผล QSM จากผู้ทรงคุณวุฒิที่ได้รับการใช้ในการประมาณค่าพารามิเตอร์ในการแสดงออก (6) ส่งผลให้ในα = 0.068 และβ = 0.129 มีค่าสัมประสิทธิ์การถดถอย r = 0.89 โปรดทราบว่าค่าดังกล่าวควรได้รับการพิจารณาที่ดีพอสมควรโดยเฉพาะคำนึงถึงว่า Qim เป็นตัวแปรจำนวนเต็มซึ่งหมายถึงผิวหนังตากิและคุณภาพของเนื้อหนัง ในขณะที่ความเข้มข้นของ SSOs วัดเฉพาะในเนื้อ เพื่อที่จะมีความรู้เพียงการทำงานของผู้เขียนโดย Giuffrida et al, (2013) ได้พยายามที่จะเชื่อมต่อความเข้มข้นของ SSOs กับ Qim โดยตรง แต่สำหรับสายพันธุ์ที่แตกต่างกันและมีความเข้มข้น SSO นำไม่เพียง แต่ในเนื้อหนัง แต่ยังอยู่ในผิวหนังและเหงือก.

เปรียบเทียบ QSM และค่า Qim ได้รับสำหรับการทดลองที่แตกต่างกันปัญหา equivalences นำเสนอในตารางที่ 4 ลักษณะดังกล่าวตระหนักถึงการดำรงอยู่ของสองประเภทที่ทับซ้อนกันซึ่งเราจะแก้ปัญหาด้วยการกำหนดเกรดใหม่ A-B และ B-NA ระหว่าง A และ B และ B ระหว่างและปลา NA เกรดตามลำดับ

ผลลัพธ์ (ไทย) 3:

3.4 . คุณภาพคาดคะเนโดยใช้รูปแบบการเน่าเสียของจุลินทรีย์ตามที่ได้รายงานก่อนหน้านี้ ( นุ น et al . , 2008 ) , รุ่นเป็นหนึ่งเสนอเป็นเครื่องมือที่ดีเพื่อทำนายอายุการเก็บรักษาภายใต้สภาวะการเก็บรักษาที่แตกต่างกัน ในส่วนนี้เราสำรวจศักยภาพของแบบจำลองพยากรณ์ของ ssos ประเมินอายุการเก็บรักษาไม่เพียง แต่ยังสดประเภทของปลาแตกต่างกันตามที่กำหนดโดย qsm ( ระเบียบสภา ( EC ) ไม่ 2406 / 96 , 1996 ) และ qim ( เบรมเนอร์ , 1985 ) qsm สร้างสี่ประเภทที่หลากหลายจากปลาที่มีคุณภาพพิเศษ ( E ) ไม่รับ ( นา ) และรวมถึงสองเกรดคุณภาพระดับกลาง ( A และ B ) บนมืออื่น ๆ , qim ประมวลคุณภาพเตอร์บนจำนวนธรรมชาติซึ่งขึ้นอยู่กับขนาดปลาชนิด ในการศึกษานี้พบว่า สปส. ความเข้มข้นสัมพันธ์ได้ดีโดยเฉพาะอย่างยิ่งกับ qim ผ่านการแสดงออกของแบบฟอร์ม :สมการที่ ( 6 )ดู nint10lq MathML sourceqim = − 1wherelq = α PS + โชบีตาเปิด mathjax บนที่ qim เป็นดัชนีคุณภาพที่สอดคล้องกัน ( ช่วงระหว่าง 0 – 19 ) สำหรับแฮก ( baixas nogueras et al . , 2003b ) และ " nint " เป็นฟังก์ชันที่คำนวณค่าจำนวนเต็มที่ใกล้ที่สุดข้อมูลจากการทดลองที่ 1 , 2 , 3 และ OD ซึ่งรวม qim และการประเมินผล qsm จากแผงของผู้เชี่ยวชาญ ได้ถูกนำมาใช้เพื่อประมาณค่าพารามิเตอร์ในการแสดงออก ( 6 ) ส่งผลα = = 0.129 และ 0.068 บีตาด้วย regression coefficient = 0.89 . ทราบว่าค่าดังกล่าวควรได้รับการพิจารณาที่ดีพอสมควร โดยเฉพาะการพิจารณาว่า qim เป็นจำนวนเต็มตัวแปรซึ่งหมายถึงผิว , ตา , เหงือกและคุณภาพเนื้อ ในขณะที่ความเข้มข้นของ ssos เป็นวัดเดียวในเนื้อ ผู้เขียนที่ดีที่สุดของความรู้เฉพาะงาน โดยจูฟรีด้า et al . ( 2013 ) ได้พยายามที่จะเชื่อมต่อความเข้มข้นของ ssos กับ qim โดยตรงแม้ว่าสำหรับที่แตกต่างกันชนิดที่มีความเข้มข้นสปส. ได้รับไม่เพียง แต่ในเนื้อ แต่ยังในผิวหนัง และเหงือกเปรียบเทียบและ qsm qim ได้สำหรับการทดลองที่แตกต่างกันมี equivalences แสดงในตารางที่ 4 . เช่น การตระหนักถึงการดำรงอยู่ของทั้งสองซ้อนกัน ซึ่งเราก็แก้ไขโดยการกำหนดประเภทใหม่ เกรด A และ B และ B –นา ระหว่าง A และ B และระหว่าง B และนา ปลาเกรด ตามลำดับ