Extracts of tomatoes and potatoes as biopesticides: a review
Notice bibliographique
Résumé
Pest control is crucial to protect animals and plants in the agriculture industry. Biopesticides, because of being environmentally friendly and renewable, have attracted more attention in recent years. Nonetheless, due to costs, issues with controlling pests across various agricultural methods, and supplementary obstacles, biopesticides constitute a minor portion of the worldwide market for crop protection. Agricultural products like tomatoes and potatoes stand as examples of Solanaceae, a significant plant family with numerous economically vital species. From 2022 to 2027, the tomato market is anticipated to have a Compound Annual Growth Rate (CAGR) of 5.6%. Likewise, the worldwide market size for potato starch is predicted to attain a value of $4.9 billion with a market growth of 3.5% CAGR by 2027. After harvest, tomato and potato by-products such as leaves, peels, stems, and so on are generated as by-products, but they have not been effectively utilized. Recent research studies show that extract of the byproducts contains components such as glycoalkaloids, flavonoids, additional phenolics, ketones, and so on, which can be used as biopesticides. For proper pest control and utilization of the by-products in agriculture and related industries, this paper provides a review of recent progress on the research of the active components in the extracts of agricultural by-products of tomato and potato, their roles for pest control, extraction methods, challenges, its future development, and more.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».