MétaCan
Menu
Retour à la cohorte
Enregistrement W3034953264 · doi:10.1021/acssuschemeng.0c01833

Hydroxypropyl Guar/Cellulose Nanocrystal Film with Ionic Liquid and Anthocyanin for Real-Time and Visual Detection of NH<sub>3</sub>

2020· article· en· W3034953264 sur OpenAlexaff
Yahui Meng, Huize Luo, Cuihua Dong, Chunliang Zhang, Zhibin He, Zhu Long, Ruitao Cha

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceGovernment of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésIonic liquidNanocrystalAnthocyaninCelluloseMaterials scienceDetection limitGuar gumAmmoniaNanotechnologyChemical engineeringChemistryChromatographyOrganic chemistryFood science

Résumé

récupéré en direct d'OpenAlex

Simple, fast, and accurate detection of food freshness is of considerable significance to ensure food safety. The pH values of foods can be good indicators of their freshness, which can be used for real-time detection of food quality. Herein, we fabricated a pH-sensing film for flexible smart labels based on hydroxypropyl guar (HPG), cellulose nanocrystal (CNC), 1-butyl-3-methylimidazolium chloride (BmimCl), a kind of ionic liquid (IL), and anthocyanin (Anth). We investigated the structure, optical properties, and mechanical strength of the composite films. These films can be used to detect ammonia (NH3) generated from seafood during storage by pH-sensing capability and monitor the real-time freshness of seafood. The HPG/CNC/IL/Anth film exhibited several advantages, such as wide color-change range, easy identification, high sensitivity, good reversibility, excellent stability, and low detection limit. The pH-sensing films can function as flexible smart labels for real-time, visual, and accurate detection of food freshness in cold chain logistics and other fields.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,178
Écart entre enseignants0,175 · 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.

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

Citations95
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetNanocomposite Films for Food PackagingTravaux en français237 207