Use of Amazon Fruits Barks as Source of Nutrients
Notice bibliographique
Résumé
The barks of fruits are usually discarded as organic waste; a valuable source of nutrients is obtained are used as a starting source in the preparation of functional foods. In this work, the physicochemical properties (pH, titrable acidity and soluble solids), mineral and bromatological analysis of nine Amazonian fruits were studied: abiu, acerola, araçá, bacupari, biribá, camu-camu, fruta-do-conde, araçá and taperebá. The most acidic values stand out for the different fruits, with the exception of the abiu bark (pH = 4.7). As for its nutritional contribution, it was the araçá barks that presented the highest energy value of 276.29 Kcal 100 g-1. Among the macrominerals, the potassium concentration stands out, being the highest concentration for the graviola bark, 521.04 mg 100 g-1 followed by magnesium, where the concentration in the biribá was 64.21 mg 100 g-1. On the other hand, the husks are rich in micronutrients, highlighting the concentration of zinc in the bark of araçá, 12.23 mg 100 g-1 and manganese in the bark of abiu, 6.84 mg 100 g-1. The Pearson correlation coefficient presented a highly significant correlation for Fe-Al (0.96), P-Fe (0.94) and Fe-Zn (0.89). O bligpot of principal components (PCA) explains 56% of the cases, being the minerals Mg, Na, Co, K, S and Ca highly associated for the graviola and bacuparí.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».