预测肌肉内脂肪百分比的新技术的认证:将贝叶斯模型和行业规则结合起来,以实现透明的决策
Graham E Gardner1, Clair L Alston-Knox2
1School of Veterinary and Life Sciences Murdoch University, Murdoch, Western Australia, Australia.
PloS one
|March 24, 2025
概括
一种新的统计方法改善了肌内脂肪百分比 (IMF%) 技术的准确性评估. 它需要比行业标准更少的样本,增加了通过肉质检测认证的可能性.
科学领域:
- 农业科学 农业科学
- 食品科学 食品科学 食品科学
- 统计建模 统计建模
背景情况:
- 准确测量肌肉内脂肪百分比 (IMF%) 对肉类质量评估和行业标准至关重要.
- 评估IMF%技术准确性的现有基于规则的方法是样本密集的,可能缺乏统计能力.
- 认证门要求对IMF%测量技术进行强有力的统计验证.
研究的目的:
- 评估一种用于评估IMF%测量技术准确性的新统计方法.
- 将拟议的统计方法与当前基于规则的行业标准进行比较.
- 确定用于可靠认证IMF%技术所需的样本规模.
主要方法:
- 模拟了四个设备的IMF%预测数据,在0.5-9.5%范围内具有不同准确度.
- 将新的统计评估方法和现有的基于规则的方法应用于模拟数据.
- 根据两种方法的样本大小和准确度计算通过认证的可能性.
主要成果:
- 新的统计方法要求每季度仅需25个样本,以达到80%的认证成功概率.
- 基于规则的方法要求每季度至少200个样本在IMF%范围内,只有50%的认证成功概率.
- 开发的方法作为商业用户的免费在线分析应用程序.
结论:
- 这种新的统计方法为评估IMF%技术准确性提供了更有效和更强大的方法.
- 这种方法大大减少了认证所需的样本规模,节省了资源和时间.
- 可访问的在线应用程序促进了在肉类行业更广泛的采用和改进的准确性验证.
