MétaCan
Menu
Retour à la cohorte
Enregistrement W2999534741 · doi:10.1088/1361-6463/ab6cd3

In-package cold plasma decontamination of fresh-cut carrots: microbial and quality aspects

2020· article· en· W2999534741 sur OpenAlexaff
Nikhil Kumar Mahnot, Lih-Peng Siyu, Zifan Wan, Kevin M. Keener, N.N. Misra

Notice bibliographique

RevueJournal of Physics D Applied Physics · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensDalhousie UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHuman decontaminationFood scienceQuality (philosophy)Environmental scienceChemistryWaste managementEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Cold plasma is a promising nonthermal technology for the decontamination and preservation of fresh and fresh-cut produce. The rapid action of a cocktail of reactive oxygen and nitrogen species in plasma against a variety of food spoilage and pathogenic organisms make it a suitable decontamination intervention. This study evaluates the effectiveness of high voltage atmospheric cold plasma in reducing the natural microflora of carrots treated at 60, 80, and 100 kV (60 Hz frequency) for 1, 2, 3, 4, and 5 min. About 2 log 10 CFU/g reduction in the population of both, total aerobic mesophiles, and yeast and mold was observed in carrot discs treated at 100 kV for 5 min (~250 W power). The changes in pH, colour, texture, and total carotenoids of cold plasma treated carrots were minor. For shelf-life evaluation of plasma treated cut-carrots voltages between 80 to 100 kV and treatment times between 4 to 5 min is recommended, such that reduction in spoilage microflora and quality retention is maximized. Voltage was found to have a significant effect on the total carotenoids and colour of the carrot discs. Further optimization of the process parameters, preferably using modified gases, is necessary to balance the desired reduction in microflora versus the quality retention.

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 enseignants0,001
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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,251
Écart entre enseignants0,210 · 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

Citations81
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics D Applied PhysicsMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207