MétaCan
Menu
Retour à la cohorte
Enregistrement W4406038460 · doi:10.5376/be.2024.14.0030

The Physicochemical Properties of Hemp Fibers and Their Applications in the Textile Industry

2024· article· en· W4406038460 sur OpenAlexvenueno aff
Shiying Yu

Notice bibliographique

RevueBiological Evidence · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTextileTextile industryBusinessPulp and paper industryPolymer scienceMaterials scienceComposite materialCommerceEngineeringHistory

Résumé

récupéré en direct d'OpenAlex

This study explores the physicochemical properties of hemp fibers and their potential applications in the textile industry, including the effects of various chemical and physical treatments on the quality and performance of hemp fibers. The research found that after chemical treatments with sodium hydroxide and potassium permanganate, the fineness, flexibility, and tensile strength of hemp fibers were significantly improved. The combination of microwave energy and deep eutectic solvent treatments effectively removed non-cellulosic substances, increased cellulose content, and improved thermal stability. Processing hemp fibers using industrial flax equipment demonstrated high processing efficiency, with fiber quality comparable to flax. Economic analysis suggests that hemp fibers could become a more sustainable and cost-effective alternative to cotton in the textile industry. The results indicate that with appropriate chemical and physical treatments, hemp fibers can meet the quality standards required for high-performance textile applications. This study highlights the potential of hemp as a sustainable and economically viable alternative to traditional textile fibers, such as cotton and flax, promoting the use of green biomaterials in the textile industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,000
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 Opus0,115
Tête enseignante GPT0,316
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiological EvidenceMême sujetTextile materials and evaluationsTravaux en français237 207