MétaCan
Menu
Retour à la cohorte
Enregistrement W2337592570 · doi:10.21273/hortsci.43.1.102

Application of 1-Methylcyclopropene in Fresh-cut/Minimal Processing Systems

2008· article· en· W2337592570 sur OpenAlexaff
P.M.A. Toivonen

Notice bibliographique

RevueHortScience · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clés1-MethylcyclopropeneProduct (mathematics)Shelf lifeRaw materialAgricultural engineeringCultivarFood scienceMathematicsEnvironmental scienceHorticultureBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

The application of 1-methylcyclopropene (1-MCP) in fresh-cut processing systems has been approached in three ways: 1) treatment of freshly harvested crop before longer-term storage after which the product is processed, 2) treatment of whole product just before processing, or 3) treatment of fresh-cut product immediately after processing. Results in the literature to date are quite variable in terms of whether 1-MCP treatment provides a benefit, no effect, or a negative effect on shelf life and quality retention of fresh-cut product. There are a number factors that impact the nature and extent of response to 1-MCP by fresh product and these include, but are not limited to, temperature of storage for fresh-cut product, condition of raw product, type of fruit or vegetable, cultivar, harvest maturity, duration of storage before cutting, and the 1-MCP treatment approach. A critical analysis, using existing published and unpublished data, provides a preliminary assessment of the impact of some of these factors. This analysis is intended to provide some insight into important considerations on the use of 1-MCP in fresh-cut processing systems and will guide researchers in considering experimental parameters for future work.

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 enseignants0,003
Score d'incertitude au seuil0,006

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 Opus0,039
Tête enseignante GPT0,247
Écart entre enseignants0,208 · 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

Citations34
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207