MétaCan
Menu
Retour à la cohorte
Enregistrement W2939719701 · doi:10.5539/jfr.v8n3p59

Study of Four Onion Varieties Drying Kinetics in an Oven and a Solar Greenhouse

2019· article· en· W2939719701 sur OpenAlexvenueno aff
Ngoné Fall Bèye, Nicolas Cyrille Ayessou, Cheikhou Kane, Mariame Niang Mbaye, Cheikh Talla, Abdou Sene, Codou Mar Diop

Notice bibliographique

RevueJournal of Food Research · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGarlic and Onion Studies
Établissements canadiensnon disponible
Organismes subventionnairesCentro de Estudos Ambientais e Marinhos, Universidade de AveiroUniversité Cheikh Anta Diop de Dakar
Mots-clésGreenhouseSolar greenhouseSolar dryerHorticultureGallic acidWater contentMoistureBulbEnvironmental sciencePulp and paper industryChemistryMathematicsBiologyAntioxidantEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Onion production (Allium cepa L.) in Senegal reached 390 000 tons in 2016. Due to post-harvest losses, annual demand (150 000 and 250 000 tons) is being met through imports. This work consists in proposing a drying process at a lower cost to overcome this dependence and preserve the quality of the product. The optimization of local onion varieties drying in an oven and in solar greenhouse, as well as the physicochemical characterization of the products were carried out. The moisture of fresh onion bulb varies between 85.56 ± 0.60 and 89.13 ± 0.69 (%). To obtain a moisture £ 8.89 ± 0.16 (%) ensuring stability, the optimal drying conditions in the oven are 60° C / 6H (Galmi Violet) and 7H (Safari, Gandiol F1 and Orient F1). Under these conditions, the content of polyphenols in g equivalent of gallic acid / 100 g db increases (0.111 ± 0.0040 to 0.312 ± 0.0041 before drying, 0.546 g ± 0.0117 to 0.837 ± 0.0091 after drying). Optimum solar drying in a greenhouse is obtained between temperatures of 35 to 65° C / 8H-9H. From a perspective of sustainable development, the perspective is the modeling of drying kinetics in a solar greenhouse.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,124

Scores Codex et Gemma par catégorie

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

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 Opus0,188
Tête enseignante GPT0,355
Écart entre enseignants0,168 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ResearchMême sujetGarlic and Onion StudiesTravaux en français237 207