Developing Postharvest Disinfestation Treatments for Legumes Using Radio Frequency Energy
Notice bibliographique
Résumé
There is an urgent need to develop technically effective and environmentally sound phytosanitary and quarantine treatments for the legume industry to replace chemical fumigation. The goal of this study was to develop practical non-chemical treatments for postharvest disinfestations of legumes using radio frequency (RF) energy. A pilot-scale 27 MHz, 6 kW RF unit was used to investigate RF heating and consequent quality attributes in treated chickpea, green pea, and lentil samples. Only 5-7 min was needed to raise the central temperature of 3 kg legume samples to 60C using RF energy, compared to more than 275 min when using forced hot air at 60C. RF heating uniformity in product samples was improved by adding forced hot air, and back and forth movements on the conveyor at 0.56 m min-1. The final temperatures exceeded 55.8C in the interior of the sample container and 57.3C on the surface for all three legumes, resulting in low uniformity index values of 0.014-0.016 (ratio of standard deviation to the average temperature rise) for the interior temperature distributions and 0.061-0.078 for surface temperature distributions. RF treatments combined with forced hot air at 60C to maintain the target treatment temperature for 10 min followed by forced room air cooling through a 1 cm product layer provided good product quality. No significant differences in weight loss, moisture content, colour or germination were observed between RF treatments and unheated controls.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».