Fresh-cut apples: Challenges and opportunities for multi-disciplinary research
Notice bibliographique
Résumé
The fresh-cut apple industry has recently become established in North America. The future looks very bright for this value-added fruit product, however its growth requires improvements in quality and reduction of production costs. The existing industry has grown from concept to reality in response to research activities in anti-browning dips, package technology, sensory analysis, postharvest physiology, postharvest pathology and food microbiology. Several examples of how these critical research inputs have impacted and continue to impact on the industry practice are discussed. The next generation of questions and challenges posed by the industry will require some new inputs. Research in several disciplines will be need accessed to resolve the emerging issues. Traditional breeding effort and/or molecular technologies will be needed to provide non-browning fruit, fruit with better processing characteristics such as small cores to reduce waste and improved flavour and nutrition retention after cutting. With new cultivars, further work will be required to understand the commercial handling of each, including selection of harvest maturity and optimization of storage protocols. Also, pre-harvest factors such as phosphorus nutrition will need to be investigated further in terms of their effects on fruit tissue and membrane stability. Management of fungal pathogens is a key issue that needs to be studied from the field through storage and after cutting and packaging of the sliced fruit. The very nature of fresh-cut fruit has and continues to require a coordinated multi-disciplinary research strategy. Key words: Value-chain, value-added, apples, fresh-cut, integrated research
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».