MétaCan
Menu
Retour à la cohorte
Enregistrement W1490297000 · doi:10.52151/jae2013504.1528

Studies on Pre-cooling of Mango for Extension of Shelf-Life

2013· article· en· W1490297000 sur OpenAlexaff
Sonali C. Khanbarad, Nandkishor Patil, R. F. Sutar, D.C. Joshi

Notice bibliographique

RevueJournal of Agricultural Engineering (India) · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensMiller Group (Canada)
Organismes subventionnairesnon disponible
Mots-clésShelf lifeExtension (predicate logic)Life extensionVeterinary medicineBiologyMathematicsBiotechnologyMedicineComputer scienceFood scienceGerontology

Résumé

récupéré en direct d'OpenAlex

A study was undertaken to observe the effect of pre-cooling on extending the shelf life of mango fruit (cv Neelam). Fully matured, good quality mango fruits were subjected to chilled water dipping, hydro-cooling and forced air cooling at 5 and 8 ° C, and compared with control treatments. Pre-cooled samples were shifted to three storage environments viz. ambient temperature (30 ± 3 °C), evaporative cooled storage (26 ± 3 °C) and cold store (13 °C at 85 to 90% RH). Results showed that chilled water dipping was the best method with minimum pre-cooling time (26 min at 5 °C). The minimum physiological loss in weight (PLW) (9.98%), TSS (17.90 °Brix), spoilage (10.47%) and maximum firmness (1.4 N) and titrable acidity (0.34%) were obtained for samples pre-cooled by chilled water dipping stored at cold storage. Maximum shelf life of 36 days was obtained for chilled water dipping at 5°C, followed by control (no pre-cooling) samples, 26 days at cold storage and only 10 days at ambient storage condition.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,217

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,249
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Engineering (India)Même sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207