New Leafy Greens—Plant Age Effects on Perilla Leaves
Notice bibliographique
Résumé
Given that, not much is known about potential yields and nutritional quality of perilla [Perilla frutescens (L.) Britton, Lamiaceae] for production in eastern USA as food, we evaluated fresh leaves of five accessions during 2021. The seeds were germinated in a greenhouse and about 15-day old seedlings were transplanted to the field on black-plastic covered raised beds. Leaves were harvested for analyses at 69 and 85 days after transplanting. Four accessions with green-colored leaves performed better than one with purple leaves. Leaf fresh weights varied from 105 to 279 g per plant whereas number of leaves per plant varied from 368 to 465. Concentrations (g/100 g) of protein, fat, fiber, Ca, P, K, Mg, and S in fresh perilla leaves produced in Virginia contained 17.9, 4.2, 7.3, 1.3, 0.39, 2.0, 0.40, and 0.17, respectively whereas mean values (mg kg-1) for Fe, Cu, Zn, and Mn were 291, 19.9, 40.5, and 56.2. Leaves of perilla produced in Virginia contained considerable more protein (about 4 times more), fiber and fat than literature values demonstrating location differences. Effects of plant age were significant on all plant and leaf physical traits—values from 85 day old plants were significantly higher than those from 69 day old plants. Based on our preliminary results, we have identified PI481701 as the optimal accession. We concluded that perilla is a potential niche crop for Virginia farmers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».