MétaCan
Menu
Retour à la cohorte
Enregistrement W2138255273 · doi:10.1111/j.1745-4557.2003.tb00239.x

EFFECT OF DIFFERENT METHODS FOR APPLICATION OF AN ANTIFOG SHRINK FILM TO MAINTAIN CAULIFLOWER QUALITY DURING STORAGE

2003· article· en· W2138255273 sur OpenAlexaff
Jennifer R. DeEll, P.M.A. Toivonen, J. DOUSSINEAU, C. ROGER, C. Vigneault

Notice bibliographique

RevueJournal of Food Quality · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensAgriculture and Agri-Food CanadaMinistry of Agriculture, Food and Rural Affairs
Organismes subventionnairesnon disponible
Mots-clésPostharvestBrowningVacuum packingHorticultureFood scienceChemistryCold storageMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this study was to evaluate the use of an antifog shrinkfilm, as an overwrap, sealed bag, vacuum–sealed bag, or vacuum– and heat–sealed bag, to maintain the postharvest quality of cauliflower during storage. The antifog shrink film improved quality retention and cauliflower packaged using any of the four methods exhibited less weight loss than controls (unwrapped) after 23 days in storage at 0–1C or 10C. The overwrap and sealed bag treatments resulted in higher appearance ratings and less curd browning and butt discoloration after storage at 0–1C. Shrinking the film with heat and/or vacuum may have damaged the tissue, providing a more favorable environment for microorganism growth, since more decay was found on these curds.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,041
Tête enseignante GPT0,384
Écart entre enseignants0,343 · 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'étudeObservationnel
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

Citations11
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food QualityMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207