Assessment of Low-cost Postharvest Techniques to Reduce Storage Losses in Sweet Potato
Notice bibliographique
Résumé
Sweet potato is now classified among the high-priority crops targeted at reducing food insecurity and malnutrition in many countries. Despite this growing interest, high postharvest losses caused by poor handling, physiological weight loss, sprouting, weevil (Cylas spp.) damage and microbial decay remain a challenge. Decay losses due to tip rot and other pathogenic fungi are a challenge in Ghana. Incidence of tip rot, which is characterized by a dry decay at either or both ends of roots, is severe due to late harvesting of roots which are intended for storage. This study evaluated a series of postharvest techniques which can be integrated to extend shelf-life in small scale storage. These include harvest maturity, root tip coppicing, hot water treatment, honey waxing and sanitizing in postharvest chemicals. Tip coppicing significantly (P<0.001) reduced the incidence of tip rot across the varieties when stored for 8 weeks, but dipping roots in different oils did not significantly (P<0.05) reduce tip rot incidence. Decay losses in the control and hot water treated roots were similar during the first 4 weeks after storage, but later losses were significantly severe in hot water treated roots. The range of fungi genera identified in this study are generally fungal endophytes; often symptomless in roots but become pathogenic when conditions are favourable. Due to the root thin skin, mechanical injuries during harvesting and handling become infection pathways for such pathogens. Therefore, integration of best practices at each step of harvesting and postharvest handling operations can significantly minimize decay losses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».