MétaCan
Menu
Retour à la cohorte
Enregistrement W4403320916 · doi:10.1002/9781394263172.ch21

Antimicrobial Coatings in the Food Industry

2024· other· en· W4403320916 sur OpenAlexaff
V. Uma Maheshwari Nallal, A. Usha Raja Nanthini, D. Illakiam, Balasubramani Ravindran, Vinitha Ebenezer, M. Razia

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAntimicrobialFood industryBusinessFood scienceChemistryBiologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

Microbial food contamination has become a burden to public health and is regarded as a serious issue. Spoiled and contaminated foods become unfit for consumption and, in turn, increase the spread of pathogenic organisms and the accumulation of food waste. Awareness of hygiene and food safety among consumers raises the demand for quality in prepacked foods. Therefore, it is necessary to introduce novel strategies to overcome conventional packaging and sales limitations. In recent times, antimicrobial coatings have gained immense interest in food-based industries due to their multifunctional applications.Additionally, nanotechnology has augmented the production of inorganic and organic materials, matrices, and polymers with antimicrobial activity that can be effectively coated on foods and packaging supplies. The unique morphological characteristics of these particles improve their ability to inhibit the growth of microbes. Antimicrobial nanocoatings efficiently kill bacteria, fungi, and viruses, increasing the stability and reducing the perishability of the foods. Coated nanoparticles that can be directly delivered into the food and applied on the packaging material act as antifouling agents and extend their shelf life. Thus, this chapter will highlight the applications of different nanoparticles as antimicrobial coatings in the food industry, with an added focus on current trends and future perspectives. It will also emphasize the available resources, technologies used for coating, their safety concerns, and pros and cons.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,997

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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,015
Tête enseignante GPT0,255
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNanocomposite Films for Food PackagingTravaux en français237 207