Optimizing Jasmine Flower Extraction: A Review of Modern Approaches
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
Jasmine, renowned for its enchanting fragrance and therapeutic properties, holds significant cultural, economic, and industrial value globally. Primarily cultivated for its flowers, jasmine is widely used in perfumery, cosmetics, aromatherapy, and pharmaceuticals. Value addition, such as producing essential oils, teas, and skincare products, enhances profitability, extends shelf life, and reduces post-harvest losses. Traditional extraction methods like steam distillation (SD) and solvent extraction (SE) face limitations, including low yield, long extraction times, and degradation of heat-sensitive compounds. To overcome these challenges, innovative technologies such as supercritical fluid extraction (SFE), microwave-assisted extraction (MAE), ultrasound-assisted extraction (UAE), subcritical water extraction (SWE), pulsed electric field (PEF), and cold plasma extraction have emerged. These methods offer higher efficiency, improved yield, and reduced environmental impact. For example, SFE using supercritical CO₂ achieves superior oil yields, while MAE and UAE reduce extraction time and energy consumption. SWE eliminates organic solvents, making it a sustainable alternative, and PEF and cold plasma enhance extraction by disrupting cell membranes. Despite their advantages, challenges such as high equipment costs, scalability, and optimization of parameters remain. Future research should focus on techno-economic analysis, environmental impact assessment, and scalable industrial prototypes. By integrating these advanced technologies, the jasmine industry can achieve sustainable growth, support rural livelihoods, and meet the rising demand for natural and organic products. This review highlights advancements in jasmine processing, emphasizing the potential of innovative extraction methods to revolutionize the industry while preserving its aromatic and therapeutic qualities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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