The Drying Effect of Varying Light Frequencies on the Proximate and Microbial Composition of Tomato
Notice bibliographique
Résumé
Tomato samples were dried at different frequency of light using clothes of different colours with wooden dryingfabrication. The proximate composition and microbial count of the Tomato fruits were determined. Resultsshowed that temperature and relative humidity of the environment affected the rate of drying of tomato as wellas the growth of spoilage organisms in the fruits. Highest temperature values of tomato was observed in thecontrol and light red colour frequency which also had a slightly lower average bacterial count (53 × 103 cfu/g and62 × 103 cfu/g) respectively. The light purple colour had highest average bacterial count of 96 × 103 cfu/g whichwas significantly higher (P<0.05) compared with the control and other colour frequency. Tomato dried with lightgreen colour frequency had the highest amount of protein and carbohydrate (13.78% and 51.37%, respectively).Dark blue colour had the highest amount of fat (0.97%), light blue colour had the highest fibre (25.30%), whilethe highest percentage of ash was observed in black colour (54.30%). All data from the colour frequencies weresignificantly different (higher or lower) from the control at (P<0.05). Microorganisms isolated from tomato fruitduring drying were: Erwinia carotovora, Proteus sp, Bacillus sp, Micrococcus luteus, Aspergillus sp, Aspergillusniger, Rhizopus stolonifer, and Penicillium chrysogenum.
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 | 0,001 | 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 | 0,000 |
| 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 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 ».