MétaCan
Menu
Retour à la cohorte
Enregistrement W1996934339 · doi:10.5539/jfr.v2n6p24

Effect of Moisture Content on Selected Physical and Mechanical Properties of Two Varieties of Tigernut (Cyperus spp)

2013· article· en· W1996934339 sur OpenAlexvenueno aff
A. S. Oyerinde, A. P. Olalusi

Notice bibliographique

RevueJournal of Food Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAgricultural Engineering and Mechanization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater contentAngle of reposeSphericityBulk densityPorosityMoistureMathematicsCyperusMaterials scienceHorticultureAgronomyComposite materialSoil scienceBiologyEnvironmental scienceSoil waterGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The effect of moisture content on some physical and mechanical properties of two varieties of tigernuts (Cyperus esculentus) was investigated. These properties include: geometric dimensions, linear dimensions, 1000 tuber weight, bulk density, tuber size, sphericity, angle of repose, porosity, coefficient of static friction and compressive strength. The moisture content levels used were 20, 25, 30, 35 and 40% wet basis (wb), and the two tigernut varieties used were yellow and brown types. The linear dimension, geometric diameter, sphericity, 1000- tuber weight, bulk density and angle of repose in both varieties increased with increasing moisture content. The average length, width and thickness of the yellow variety increases more than the brown variety at the determined moisture contents. True density of the yellow variety increased while the brown variety decreased with increase in moisture content. The porosity of the yellow variety reduces with increase in moisture content from 45.95 at 20% mc to 42.4 at 40% mc, while the brown variety decreased from 42.72 at 20% mc to 30.77 at 40% moisture content. The yellow variety had bigger size tubers than the brown variety and this has serious implications in packing, handling and transportation issues.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 Opus0,033
Tête enseignante GPT0,262
Écart entre enseignants0,229 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetAgricultural Engineering and MechanizationTravaux en français237 207