MétaCan
Menu
Retour à la cohorte
Enregistrement W1522330122 · doi:10.15376/biores.6.2.1219-1229

Color stability for wood products during use: Effects of inorganic nanoparticles

2011· article· en· W1522330122 sur OpenAlexafffund
Vincent Blanchard, Pierre Blanchet

Notice bibliographique

RevueBioResources · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovations
Organismes subventionnairesNatural Resources Canada
Mots-clésMaterials scienceColorimeterNanoparticleNanocompositePolyurethaneComposite materialDurabilityChemical engineeringNanotechnologyOptics

Résumé

récupéré en direct d'OpenAlex

Despite significant progress having been achieved in recent years to improve wood’s durability, additional developments are still necessary to increase its color stability. ZnO and CeO2 nanoparticles were compared to UV absorbers (Tinuvin 477 DW, 292 and 5151) commonly used to stabilize the wood products color. Nanoparticles, with concentrations in the range 1 to 2 wt%, and UV absorbers, using concentrations advised by the manufacturer, were dispersed in a waterborne UV curable polyurethane/polyacrylate resin. Dispersions were carried out with a high speed mixer at 2,500 RPM with micro glass beads or not, depending on the form of the nanoparticles. Nanocomposite coatings were aged with a weather-o-meter (CI 3000+ – Atlas) according ASTM G155. Color variations were measured with a colorimeter (BYK Gardner – Color Guide 45/0) working with the CIE L*a*b* system. The aim of the present study was to assess the effects of inorganic UV absorbers on the stabilization of color under indoor conditions. Results showed that nanoparticles (ZnO, CeO2) absorbed UV light frequencies in a manner similar to common organic molecules. Their efficiency was better at medium durations of light exposure, for which they could achieve the action of organic absorbers. Finally, the simultaneous use of both absorbers seems to create a protective synergy when degradation is due to UV energy alone.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,176
Écart entre enseignants0,149 · 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 source (Gemma direct ou Codex distillé), 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

Citations64
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetWood Treatment and PropertiesTravaux en français237 207