Postharvest Treatments of Hass Avocado (<i>Persea americana</i> Mill.) and Estimation of Its Quality Using Hyperspectral Imaging (HSI)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Avocados’ shelf life is limited and difficult to monitor. This study evaluated the performance of chitosan coatings (1.5 and 2% w/v, T 1 and T 2 ) on avocados’ quality and shelf life against samples untreated (C) and treated with an ethylene inhibitor (1-MCP, M). Hyperspectral imaging (HSI) coupled with machine learning (ML) techniques was also evaluated to estimate Hass avocados’ quality indicators. Sensorial, physicochemical, and metabolic characteristics were measured using standard procedures. While T 2 samples exhibited undesirable changes (i.e., uneven color and heterogeneous firmness), T 1 behaved similarly to C. However, neither treatment could delay senescence as much as 1-MCP (42 vs ≤ 33 days). In general, Bayesian regularization neural networks (BRNNs) outperformed the other tested ML techniques in estimating quality attributes from HSI features, allowing for real-time nondestructive assessment of food quality. Adverse effects of chitosan coatings on avocados’ physiology were identified, which can inform the development of films with improved performance.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle