MétaCan
Menu
Retour à la cohorte
Enregistrement W4323816043 · doi:10.1002/pts.2723

Poly‐L‐lactic acid/lead(II) acetate basic colour indicator membrane for visual monitoring in shrimp freshness

2023· article· en· W4323816043 sur OpenAlexaff
Yue Dong, Wuliang Sun, Wenbo Li, Lianye Li, Fei Xia, Lingling Wu, Ye Jin, Marleny D.A. Saldaña, Wenxiu Sun

Notice bibliographique

RevuePackaging Technology and Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation of Inner MongoliaNational Natural Science Foundation of China
Mots-clésShrimpMembraneLactic acidNaked eyeChemistryFood scienceHydrogen sulfideChromatographyBiochemistryDetection limitBiologyFisheryOrganic chemistryBacteriaSulfur

Résumé

récupéré en direct d'OpenAlex

Abstract Seafood products are prone to deterioration and, therefore, require a label that identifies quality with the naked eye. A visual freshness colour indicator membrane incorporated with poly‐L‐lactic acid and lead(II) acetate basic is designed via electrospinning technology for freshness monitoring. The colour indicator membrane had a uniform fibre thickness with an average diameter of 1.54 μm and a large specific surface area. In addition, the colour stability of the membrane did not vary with temperature and humidity. The hydrogen sulfide (H2S) responsivity results showed that the membrane gave a rapid and accurate response to the freshness of shrimp, and the detection limit of H2S is 0.45 ppm. Finally, in application, the colour change of the membrane correlated linearly with the freshness of the shrimp, allowing the quality of the shrimp to be identified with the naked eye. The experimental results showed that poly‐L‐lactic acid/lead(II) acetate basic colour indicator membrane had great potential in the detection of shrimp freshness.

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 enseignants0,001
Score d'incertitude au seuil0,002

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,300
Écart entre enseignants0,262 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePackaging Technology and ScienceMême sujetMeat and Animal Product QualityTravaux en français237 207