Nano-engineered natural fiber in biocomposites and bisorption
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
P processing plants generate billions of pounds of feathers each year. Feathers are light and tough with over 90% protein. At present, in addition to few applications in animal feed and other products, the majority of the poultry feathers are disposed in landfills. Recently, due to strong emphasis on environmental awareness worldwide, utilization of natural fibers in the development of recyclable and environmentally sustainable composites/materials has been growing. In addition to environmental factors, biofibers offer many advantages over synthetic fibers in terms of low density, biodegradability, reduced dermal and reduced respiratory irritation and low cost. However, these fibers have intrinsic weaknesses such as moisture sensitivity, low thermal stability and high flammability etc. These drawbacks should be collectively addressed for biofibers to be used in a wide range of applications. Exploitation of nanotechnology, incorporation of nanostructures into biofibers has great potential to address these challenges. This presentation will discuss the modifications of Keratin from feathers for biosorption and biocomposite applications. The surface and in situ modifications of feather keratin were carried out. The structural changes and properties of the modified keratin were compared with untreated keratin fiber and confirmed by various characterization techniques such as SEM, XPS, FTIR, XRD, DSC and TGA. The modified fibres were used as biosorbents and also blended with co-polymer matrix to prepare the hybrid biocomposites. The modifications led to improvements in biosorption, thermal stability, flammability and other physical properties compared to the neat one.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle