Optimization of a Laboratory Dehulling Process for Lentil (<i>Lens culinaris</i>)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Red lentil ( Lens culinaris ) is mainly processed into dehulled and split forms before human consumption and characteristics such as dehulling efficiency (DE), which is the sum of percent dehulled whole seed (PDW) and percent dehulled split seed (PDS), are important to lentil breeders, processors, and exporters. A laboratory Satake dehuller was used to evaluate the dehulling characteristics of red lentil. The effects of dehulling conditions (abrasive wheel speed, dehulling time, and seed moisture content) were investigated using response surface methodology. Increasing dehulling time and seed moisture content decreased DE. Increasing seed moisture content decreased powder and broken fractions but increased the undehulled whole seed fraction. PDW was decreased but PDS was increased as dehulling time was increased. Percent hull removed during dehulling process decreased as seed moisture content was increased but increased as abrasive wheel speed or dehulling time was increased. The optimum dehulling conditions for the laboratory dehuller, based on maximizing DE and percent hull removed while minimizing powder fraction (loss), were established. Good agreement was found between experimental values for dehulling characteristics (DE, PDW, PDS, hull removed, and powder produced) obtained at optimum dehulling conditions and predicted values for those characteristics obtained using the models developed.
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.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 découle