An Overview of Low-Cost Approaches for the Postharvest Storage of Fruits and Vegetables for Smallholders, Retailers, and Consumers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Food loss and waste occur throughout the food supply chain and represent food security and environmental, economic, and societal problems. Fresh fruit and vegetables contribute to over 40% of global food loss and waste. A significant portion of fruit and vegetables loss takes place on the farm during postharvest handling in developing countries, which is linked to smallholders’ financial and geographic constraints in purchasing modern postharvest handling technologies. While in developed countries, waste is the main problem identified at the retail and consumption levels because of inadequate logistics management, storage, and consumer behavior. The loss and waste deprive the population of a significant quantity of healthy food. To address this challenge, cost-effective, easy-to-use, and affordable approaches could be supplied to stakeholders. These strategies encompass the utilization of shading, low-cost packaging, porous evaporative cooling, zero-energy cooling chambers, and pot-in-pot coolers, for reductions in loss in developing countries. Meanwhile, in developed countries, biosensors, 1-methylcyclopropene, and imaging processing are employed to assess the quality of fresh fruit and vegetables at both retail and consumer levels. By exploring these methods, the review aims to provide smallholders, retailers, and consumers with efficient methods for improving produce operating techniques, resulting in reduced losses and waste and higher income.
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.
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 découle