Characterization of Banana Peels Wastes as Potential Slow Pyrolysis Feedstock
Notice bibliographique
Résumé
Uganda is the world’s second largest producer and consumer of banana after India. This has resulted into vast quantities of banana wastes, including the leaves, pseudostem, stalks, rejected and rotten fruits and the fruit peels. This study focuses on the characterization of banana peels to yield banana peels vinegar (BPV), tar and biochar as value added products that can be useful to farmers. Dried banana peels were characterized via proximate, ultimate, lignocellulosic, thermogravimetric (TG), and calorific value analyses. The obtained results showed that the volatile matter and fixed carbon contents were 88.02% and 2.70% while carbon, nitrogen and sulphur were 35.65%, 1.94% and 20.75 ppm respectively. The hemicellulose, cellulose and lignin contents were 41.38%, 9.90% and 8.90% while the higher and lower heating values were 16.15 MJ/kg and 14.80 MJ/kg. The maximum devolatilization rate in the banana peel biomass occurred in the temperatures range of 450–550oC which was taken as the slow pyrolysis regime temperature. The high levels of fixed carbon, volatile matter and ash contents were strong indicators that banana wastes are adequate feedstock for pyrolysis work to yield bio-infrastructure products. Similarly, the lignin, cellulose and hemicellulose fractions had significant correlation between the biomass heating values and the eventual chemical compounds present BPV and biochar. The characterization properties of the banana peels are akin to the leaves and pseudostem and thus are suitable for pyrolysis process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».