MétaCan
Menu
Retour à la cohorte
Enregistrement W4297826086

Development of functional packaging for food application

2019· preprint· en· W4297826086 sur OpenAlexaff
Monique Lacroix

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2019
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Packaging Perceptions and Trends
Établissements canadiensArmand Frappier Museum
Organismes subventionnairesnon disponible
Mots-clésFood packagingComputer scienceBiochemical engineeringProcess engineeringFood scienceEngineeringChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cellulose nanocrystals (CNCs), highly recognized for its reinforcing properties, are an organic nanosized material extracted from natural cellulose sources. CNC \t≤ were used for the development of active edible coatings and films packaging development based on natural polymers like caseinate, chitosan, alginate, methylcellulose or biodegradable polymers like polycaprolactone. Bio-polymeric diffusion devices encapsulated with plant derived essential oils or fruit extracts based nano-emulsions were evaluated against pathogens, fungal and weevil, Sitophillus oryzae in different food systems. The addition of CNCs as reinforcing filler improved significantly the tensile strength of the nanocomposite based films and decreased water barrier properties. In addition, combined treatment of bioactive films with an irradiation treatment showed more pronounced insecticide, antifungal and antimicrobial properties than treatment with the bioactive film alone. The effect of γ-irradiation on the surface chemistry of CNCs was also evaluated in order to develop films with antioxidant properties. Finally, CNCs was used to develop a biopolymer support membrane for the detection of E. coli O157: H7 and L. monocytogenes. The presentation will summarize the most important results obtained in these studies.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,026
Tête enseignante GPT0,225
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetConsumer Packaging Perceptions and TrendsTravaux en français237 207