Effect of Pre-treatments in the Processing of Pineapple Leaf Fibers
Notice bibliographique
Résumé
Hot water and alkali treatments were performed on pineapple leaves at three different temperatures (50C, 70C and 90C) and three different levels of concentrations of NaOH solution (2, 4, and 6%). The effect of pre-treatment was analyzed by comparing the physical qualities of pineapple leaf fiber (PALF). A physical property analysis of the PALF extracted after two pretreatments was carried out by measuring tensile strength, percentage of elongation, color, and surface properties of PALF. The PALF pre-treated at 70C for 15 min showed maximum average tensile strength of 1206.3753.02 MPa and the lowest value of 353.1 41.51 MPa were recorded for PALF pre-treated at 90 C for 45 min. In alkali pre-treated PALF, the maximum tensile strength of 1137.2 28.01 MPa was recorded for pineapple leaves treated with 2% NaOH for 6h. In both hot water and alkali treated PALF, the percentage elongation was lower compared to the non-treated PALF. Hot water treated PALF recorded higher percentage of elongation than Alkali treated PALF. The tensile strength and percentage elongation in both treatments showed similar increase with respect to an increase in temperature and alkalinity. PALF treated with hot water showed more color change than Alkali treated PALF. The hot water treated PALF registered a maximum color change (E) of 23.692 (70 C -45 min) while the alkali treated PALF showed a maximum color change (E) of 19.721 (6%-2h). However, the latter showed better surface properties than hot water treated PALF.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».