MétaCan
Menu
Retour à la cohorte
Enregistrement W1584455116 · doi:10.52151/jae2013501.1506

Measurement of Physical Dimensions of Mung Bean

2013· article· en· W1584455116 sur OpenAlexaff
L. Ravikanth, Digvir S. Jayas, K. Alagusundaram, V. Chelladurai

Notice bibliographique

RevueJournal of Agricultural Engineering (India) · 2013
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMung beanVeterinary medicineMathematicsEngineeringBiologyStatisticsMedicineHorticulture

Résumé

récupéré en direct d'OpenAlex

Physical dimensions of mung bean (Vigna radiate) are essential to design equipment for handling, conveying, separation, drying, aeration, storage and processing of mung bean. Physical dimensions (area, perimeter, maximum radius, minimum radius, mean radius, major axis length and minor axis length) were measured as a function of moisture content in the range of 9.9 to 18.3% w.b. using digital image processing technique. Four hundred and fifty individual kernels were selected randomly for each moisture content and colour image of individual kernels using a digital camera. Of the seven morphological features analyzed, four features (area, perimeter, maximum radius and mean radius) of mung bean were significantly (α=0.05) different at different moisture contents. These four features increased linearly with increase in moisture content of grain. Minimum radius and length of the mung bean kernel did not show significant change (α = 0.05) with increase in moisture content from 9.9 to 18.3% w.b.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,262
Score d'incertitude au seuil0,251

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 Opus0,012
Tête enseignante GPT0,198
Écart entre enseignants0,186 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Engineering (India)Même sujetFood composition and propertiesTravaux en français237 207