Characterization of Banana Peels Wastes as Potential Slow Pyrolysis Feedstock
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
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.
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