MétaCan
Menu
Retour à la cohorte
Enregistrement W4389919760 · doi:10.3390/agriengineering5040150

Harnessing Solar Energy: A Novel Hybrid Solar Dryer for Efficient Fish Waste Processing

2023· article· en· W4389919760 sur OpenAlexaff
Mohamed Deef, Helal Samy Helal, Islam Elsebaee, Mohammad Nadimi, Jitendra Paliwal, Ayman Ibrahim

Notice bibliographique

RevueAgriEngineering · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSolar dryerRenewable energyEnvironmental scienceWater contentFood wasteSolar energyFish <Actinopterygii>MoistureWaste managementPulp and paper industryMaterials scienceEngineeringEcologyBiologyComposite materialFishery

Résumé

récupéré en direct d'OpenAlex

Facing severe climate change, preserving the environment, and promoting sustainable development necessitate innovative global solutions such as waste recycling, extracting value-added by-products, and transitioning from traditional to renewable energy sources. Accordingly, this study aims to repurpose fish waste into valuable, nutritionally rich products and extract essential chemical compounds such as proteins and oils using a newly developed hybrid solar dryer (HSD). This proposed HSD aims to produce thermal energy for drying fish waste through the combined use of solar collectors and solar panels. The HSD, primarily composed of a solar collector, drying chamber, auxiliary heating system, solar panels, battery, pump, heating tank, control panel, and charging unit, has been designed for the effective drying of fish waste. We subjected the fish waste samples to controlled drying at three distinct temperatures: 45, 50, and 55 °C. The results indicated a reduction in moisture content from 75.2% to 24.8% within drying times of 10, 7, and 5 h, respectively, at these temperatures. Moreover, maximum drying rates of 1.10, 1.22, and 1.41 kgH2O/kg dry material/h were recorded at 45, 50, and 55 °C, respectively. Remarkable energy efficiency was also observed in the HSD’s operation, with savings of 79.2%, 75.8%, and 62.2% at each respective temperature. Notably, with an increase in drying temperature, the microbial load, crude lipid, and moisture content decreased, while the crude protein and ash content increased. The outcomes of this study indicate that the practical, solar-powered HSD can recycle fish waste, enhance its value, and reduce the carbon footprint of processing operations. This sustainable approach, underpinned by renewable energy, offers significant environmental preservation and a reduction in fossil fuel reliance for industrial operations.

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 seuil0,003

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 Opus0,022
Tête enseignante GPT0,206
Écart entre enseignants0,184 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgriEngineeringMême sujetFood Drying and ModelingTravaux en français237 207