MétaCan
Menu
Retour à la cohorte
Enregistrement W2916323988 · doi:10.15376/biores.14.2.3210-3230

Physicochemical analysis of apple and grape pomaces

2019· article· en· W2916323988 sur OpenAlexaff
Alison Gowman, Maisyn Picard, Arturo Rodriguez‐Uribe, Manjusri Misra, H. I. Khalil, Mahendra Thimmanagari, Amar K. Mohanty

Notice bibliographique

RevueBioResources · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensMinistry of Agriculture, Food and Rural AffairsUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPomaceThermogravimetric analysisSugarThermal stabilityPulp and paper industryFood scienceWineMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

This study details a comprehensive analysis of apple and grape pomaces that were generated in the course of juice and wine production, respectively. An extensive physicochemical analysis of these pomaces was performed to determine the elemental composition, ash content, sugar profile, and lignocellulose content. Scanning electron microscopy (SEM) images were taken to examine the morphology of the pomaces. Thermal stability was also examined using thermogravimetric analysis (TGA). Infrared spectroscopy was performed to observe the functional groups on the surfaces of the pomace samples. Grape pomace (GP) had better thermal stability than apple pomace (AP), but washing AP improved its thermal stability. The results from this study provide crucial information for various value-added applications of both apple and grape pomaces, especially for applications which are temperature-dependent. The diversion of these materials from waste back into the economic stream can alleviate their environmental burden and promote sustainable product development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207