Humidity-Responsive Photonic Films and Coatings Based on Tuned Cellulose Nanocrystals/Glycerol/Polyethylene Glycol
Notice bibliographique
Résumé
It has been extensively reported that cellulose nanocrystals (CNCs) can represent structural colors due to their unique chiral-nematic self-assembly. However, the application of this remarkable structure does need further investigation. It has been challenging to keep the selective reflection band (SRB) resulting from the CNC structure in the visible spectrum. Herein, composition of CNC colloidal suspensions with polyethylene glycol (PEG) and glycerol (Gly) have been studied to develop humidity-responsive sensors in the form of coatings and films. The fabricated samples were characterized for their mechanical properties, optical properties, water uptake capacity, water contact angle, and surface roughness. Additionally, the chemical structure of the samples was studied with FTIR spectroscopy. The produced humidity indicators on microbial glass slides were maintained and tested in a different relative humidity range from 20% to 98% with a different color response from blue to red, respectively. The color change of the humidity sensors was reversible for several cycles. It should be noted that the color change can be detected easily by the naked eye. The water uptake test showed that pure CNC and CNC/Gly had the lowest (34%) and highest (83%) water absorption levels. The mechanical tests for CNC/PEG composites showed the highest tensile strength (40.22 MPa). Moreover, microstructural characterizations confirmed the CNC pitch formation in all the samples. Addition of the fillers increased the CNC pitch, resulting in a mesoporous film formation. These produced humidity sensors are promising candidates in food and drug packaging due to their biodegradability, biocompatibility, and cost-effectiveness.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».