A Survey of Recent Patents in Engineering Technology for the Screening, Separation and Processing of Eggshell
Notice bibliographique
Résumé
The chicken egg is a well-known complete food of human daily consumption which serves as a cost-effective, high-quality nutrient resource. About 30% of table eggs are directed to breaker plants in developed countries, leading to the generation of substantial eggshell (ES) waste, which is increasingly explored for potential value-added applications. The number of patents describing ES-based applications has increased dramatically in recent years. This review provides insight into the most recent patents published between 2015 and 2020, with focus on different engineering technologies for the screening, separation, and processing of ES. Screening technologies include detection of ES surface spots and glossiness, ES cracks, and mechanical properties, along with identification of chicken breed and enumeration of surface bacterial count. Collection and separation technologies describe separation strategies of ES from egg white (EW), egg yolk (EY), liquid egg, eggshell membrane (ESM), hatchlings, and cooked egg. Separation of ES from liquid eggs utilizes gravity, rotational forces, or air pressure. Processing of ES involves washing and sterilization along with cutting, crushing, and pulverization technologies that enable the collection of ES suitable for value-added applications. In addition, ES carving (mechanical and laser) opens up the realm of artwork and decoration. Furthermore, intact ES can be utilized for food serving. The exponential increase in innovative screening, separation, collection, and processing technologies reflects industrial interest to upscale low-value ES waste material, and is a first crucial step in the emergence of advanced technologies that exploit the biomedical, chemical, engineering, and environmental applications for ES.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».