Extracting Natural Colors from Marigolds for Watercolor Painting in Interior Architecture
Notice bibliographique
Résumé
Color is one of the essential factors in daily life, and humans have used natural pigments since prehistoric times, derived from locally available natural materials.However, synthetic dyes produced industrially have been developed to replace natural pigments and have gained popularity, leading to the decline of natural pigment usage.Flowers are widely available natural materials that provide pigments.Marigolds are a popular flower among Thai people because they are easy to grow and cultivate.They can be cultivated year-round and produce vibrant, long-lasting flowers.In the Vishnukarman offering ceremony, a significant number of marigolds are left over after worship.The research team extracted natural colors from marigolds by hot extraction or boiling to develop watercolors.Experiments have shown that marigolds can be used to extract pigments through boiling.The natural pigment extraction from marigolds was conducted through hot extraction at 140 for 30 minutes using three methods to compare the resulting yellow intensity.It consists of 1) whole marigolds, 2) fine marigolds, and 3) yellow petals.It was found that method 3 gave the most vivid yellow water, and the water color on the paper was brighter.Method 3 was further tested through repeated boiling at 140 in three sessions of three minutes each.It was found that the first boil gave the most clear colored water, and when the next boil it was more turbid, it became more turbid respectively.In conclusion, natural pigment extraction from marigolds through hot extraction can effectively produce watercolor paint.Using only yellow petals boiled at 140 for three minutes yields a bright yellow pigment.This method allows individuals to create their own watercolor paint from natural materials without relying on commercial products.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».