MétaCan
Menu
Retour à la cohorte
Enregistrement W4399585181 · doi:10.1021/acssuschemeng.4c03117

Active Food Packaging Composite Films from Bast Fibers-Derived Cellulose Nanofibrils

2024· article· en· W4399585181 sur OpenAlexaff
Yu Wang, Liru Luo, Yongjian Yi, Xing Chen, Yuanru Yang, Zhonghai Tang, Xuhong Guo, Zhijian Tan, Kam Chiu Tam

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesEarmarked Fund for China Agriculture Research SystemChinese Academy of Agricultural SciencesNational Natural Science Foundation of China
Mots-clésBast fibreCelluloseComposite numberFood packagingMaterials scienceNanocelluloseComposite materialPolymer scienceCellulose fiberChemical engineeringPulp and paper industryFiberChemistryFood scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The increasing concerns about food waste and environmental pollution call for highly efficient food packaging materials from sustainable sources. Cellulose nanofibrils (CNFs) are emerging sustainable materials, and more nonwoody biomasses should be used to prepare CNF-based food packaging materials due to the commercial applications of wood pulp. Herein, we explored the use of four bast fibers to produce CNFs via ball milling and high-pressure homogenization to produce CNF suspensions that were spray-coated onto model fruits (e.g., banana and mango) for food preservation. Unlike other CNF coatings derived from ramie, flax, and kenaf fibers, jute-derived CNF coating significantly prolonged the shelf life of fruits, due to its improved homogeneity, higher oxygen and UV barrier properties, and higher antioxidant activity. This work offers a new strategy to prepare sustainable active packaging materials from natural biomass without chemical modification or additive, boosting related applications in the fields of food and agriculture.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,001
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

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

Citations26
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207