Effect of Kernel Size and Its Potential Interaction with Genotype on Key Quality Traits of Durum Wheat
Notice bibliographique
Résumé
This study was conducted to evaluate the influence of kernel size and its potential interaction with genotype on durum wheat quality with emphases on kernel physical characteristics, milling performance, and color-related quality parameters. Wheat samples of seven genotypes, selected from the 2018 Canadian durum variety registration trial, were segregated into large (LK), medium (MK), and small-sized kernels (SK). In general, the kernel size greatly affected the durum wheat milling performance. Within a given size fraction, a strong impact of genotype was shown on the test weight of SK and the milling yields of MK and LK. Particularly, the MK fraction, segregated from the genotypes with superior milling quality, had a higher semolina yield than LK from the genotypes of inferior milling quality, inferring the importance of intrinsic physicochemical properties of durum kernels in affecting milling quality. SK exhibited inferior milling quality regardless of the genotypes selected. A strong impact of genotype was shown for the total yellow pigment (TYP) content and yellowness of semolina, while the kernel size had a significant impact on the brightness and redness of the semolina and pasta. Despite SK possessing much higher TYP, the semolina and pasta prepared from SK were lower in brightness and yellowness but with elevated redness.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».