MétaCan
Menu
Retour à la cohorte
Enregistrement W4387454882 · doi:10.3390/agriculture13101959

Desorption and Sorption Isotherms of Different Varieties of Hemp Seeds with Different Percentages of Dockage under Different Temperatures and Different Relative Humidities

2023· article· en· W4387454882 sur OpenAlexaffabout
Abhinav Tiwari, Fuji Jian

Notice bibliographique

RevueAgriculture · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAgricultural Engineering and Mechanization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesPan African Materials Institute
Mots-clésPlant reproductive morphologyCultivarSorptionDesorptionMoistureBiomass (ecology)BotanyEquilibrium moisture contentHorticultureAgronomyBiologyChemistryMaterials scienceAdsorptionComposite material

Résumé

récupéré en direct d'OpenAlex

Hemp cultivation faces challenges due to the adoption of dioecious cultivars, which suffer from biomass loss and fibre heterogeneity. In contrast, monoecious cultivars offer simultaneous fibre and seed production, albeit with lower fibre quality. Understanding the drying characteristics and storage requirements of hemp seeds is crucial for effective post-harvest management. This study explored the moisture sorption and desorption isotherms of two common Canadian hemp seed varieties, Altair (dioecious) and CanMa (monoecious), by using both saturated salt solution (SSS) and thin-layer drying methods. Their isotherms were also compared with the published isotherm of Finola—a common dioecious variety in Europe. The thin-layer drying method yielded higher EMC values than the SSS method due to incomplete equilibrium attainment. Larger EMC differences existed between different seed types (dioecious vs. monoecious), and this difference was small between the same seed types (dioecious vs. dioecious). The GAB equation provided the most accurate prediction of equilibrium moisture contents for both varieties.

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 enseignants0,038
Score d'incertitude au seuil0,076

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,168
Écart entre enseignants0,163 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetAgricultural Engineering and MechanizationTravaux en français237 207