MétaCan
Menu
Retour à la cohorte
Enregistrement W2090293044 · doi:10.1155/2013/930236

Nanocrystalline Cellulose as Effect Pigment in Clear Coatings for Wood

2013· article· en· W2090293044 sur OpenAlexafffund
Mirela Simona Vlad-Cristea, Véronic Landry, Pierre Blanchet, Claudiane Ouellet‐Plamondon

Notice bibliographique

RevueISRN Nanomaterials · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversité LavalFPInnovations
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaArboraNanoFPInnovations
Mots-clésMaterials scienceNanocrystalline materialZeta potentialCoatingCelluloseComposite materialIridescenceAqueous solutionChemical engineeringNanotechnologyOpticsNanoparticleChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Nanocrystalline cellulose (CNC) is a renewable material with high potential in many applications. Due to its unique self-assembly and optical properties, CNC tends to behave as an iridescent pigment. The aim of this research was to explore the potential of CNC as an effect pigment in wood coatings. CNC-based coatings were developed from an aqueous CNC solution, a UV-curable water-based clear coating formulation, several colorants, and specialized additives. In this paper, the morphology of the resulting CNC films was investigated through circular dichroism and optical microscopy under polarized light. The effect of the CNC surface charge changes was monitored through zeta potential measurements. Color changes, or travel, and flop index were used to assess the iridescent effect of the coatings containing CNC. The experimental wood coatings contained CNC showed that the enhancement of the iridescent effect depends on the distribution and alignment of the CNC rod-like particles in order to generate the right pitch in the helical structure and their interaction with the polymer matrix as well with the additives. In conclusion, CNC could be successfully used as effect pigment in finishing systems, which can enhance the attractiveness and bring out the special grain of various types of wood.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,006
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,013
Tête enseignante GPT0,286
Écart entre enseignants0,273 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations16
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISRN NanomaterialsMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207