MétaCan
Menu
Retour à la cohorte
Enregistrement W2017514465 · doi:10.5539/jas.v5n4p179

Effect of Hot Air Oven and Microwave Oven Drying on Production of Quality Dry Flowers of Dutch Roses

2013· article· en· W2017514465 sur OpenAlexvenueno aff
S A Safeena, V. S. Patil

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFlowering Plant Growth and Cultivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrowave ovenSilica gelHorticultureMathematicsTexture (cosmology)CultivarMaterials scienceBotanyFood scienceChemistryComposite materialMicrowaveBiologyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The present investigation was conducted to evaluate different oven drying methods for obtaining better quality dried flowers of four Dutch rose cultivars viz., Skyline, Lambada, Ravel’ and First Red. Flowers dried at 40°C in hot air oven with silica gel were more acceptable for colour (3.48), appearance (3.50) and texture (3.23). Flowers dried by non-embedding method took least time (52.32 hours) for drying compared to embedded method. Flowers of ‘Lambada’ dried without embedding took least time for drying (52.07 hours) in hot air oven compared to other cultivars. Quality parameters such as colour (3.48), appearance (3.51) and texture (3.29) were superior in flowers dried for 2.5 minutes in microwave oven by embedding in silica gel. Flowers of ‘Lambada’ dried for 2.5 minutes by embedding in silica gel were best for overall acceptability, while unacceptable quality was obtained in case of flowers dried without any embedding medium. With respect to mode of desiccation, embedded drying was best for quality parameters viz., colour (2.92), appearance (2.81) and texture (2.55); however, non-embedding methods were least acceptable for quality parameters. Flowers of cv. ‘Lambada’ dried by embedding in silica gel yielded best quality dried flowers as it scored maximum point for all the quality parameters studied.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,218 · 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

Citations14
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetFlowering Plant Growth and CultivationTravaux en français237 207