Evaluation of the Sensory, Physicochemical, and Visual Characteristics of a Sweet Cherry Cultivar Treated in a Commercial Orchard with a Cherry Cuticle Supplement when a Rainfall Event Does Not Occur
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
The splitting of sweet cherry ( Prunus avium L.) just before harvest can be a considerable problem in the Okanagan Valley (BC, Canada). In an attempt to minimize economic losses, growers apply a commercial cherry cuticle supplement in anticipation of a rainfall event. However, it is unknown if this product affects flavor, texture (crispness, firmness, and juiciness), or visual characteristics (stem browning, pitting, and pebbling) of sweet cherry. Therefore, this research was undertaken to evaluate the effects of a cherry cuticle supplement on the sensory, physicochemical, and visual characteristics of ‘Skeena’ sweet cherry. Firmness measurements were assessed with a fruit-firmness tester, whereas sensory determinations were assessed at first bite (whole-cherry crispness) and after multiple chews (flesh firmness) by a panel of 14 trained panelists. Fruit treated with the cherry cuticle supplement had lower instrumental firmness compared with the control, which was most pronounced after 28 days, with a reduction of 0.53 N. Treated fruit also had significantly lower sensory firmness and higher juiciness than the control fruit. Fruit treated with the cherry cuticle supplement had reduced water loss, less pitting, and lower stem-pull force, resulting in higher frequency of detachment of the stems. Further research would be necessary to evaluate the effects with other cultivars, and in years with rainfall events, as well as when hydrocooling is used.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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