Factors affecting dehulling of hairless canary seed (<i>Phalaris canariensis</i> L.)
Notice bibliographique
Résumé
Abstract Background and Objectives Canary seed is a novel cereal grain that needs dehulling before being used in food applications. This work aimed to develop dehulling quality scoring criteria and study the hullability of Canary seeds. Methods for dehulling Canary seeds were studied using compressed air, impact, and abrasion‐type dehulling equipment. A response surface methodology (RSM) was used to design experiments to assess the effect of initial sample weight, heat treatment, tempering, and dehulling time on the dehulling efficiency and groat quality. Findings The results suggest that tempering level and starting weight had a significant ( p < .0001) positive effect, whereas time and heat treatment had a negative effect on the dehulling efficiency. Compressed air dehulling resulted in reduced broken groats and groat abrasion compared to the impact dehulling conditions studied. An optimized method was used to study the effect of genotype and growing environment on the hullability of four hairless Canary seed varieties grown in two growing years at one location. The milling yield ranged from 57% to 67% and was affected by genotype ( p < .0001), growing year ( p < .001), and their interaction ( p < .001). Conclusions The results suggest that breeding programs should consider the dehulling and milling quality of Canary seed. Apart from milling yield, the breeding programs and milling industry should also consider adopting visual assessment of the groat quality using the tool presented in this work. Significance and Novelty In this work, a visual assessment tool for Canary seed groat quality is developed that can be used for breeding programs and industry to compare sample performance. Also, our research has provided factors to be considered by the industry when dehulling hairless Canary seeds to maximize milling yield and groat quality.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».