MétaCan
Menu
Retour à la cohorte
Enregistrement W4411846260 · doi:10.21603/2074-9414-2025-2-2583

Effect of Unigel Plantum on Lettuce Quality

2025· article· en· W4411846260 sur OpenAlexaff
Farida K. Aripova, Е. П. Гончарова, Valeriya Ryabinina, Valentina I. Korkina, Kirill Plotnikov, A. V. Korel, Gavhar Dushanova, Ekaterina A. Litvinova

Notice bibliographique

RevueFood Processing Techniques and Technology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensCytodiagnostics (Canada)
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Environmental scienceHorticultureBiologyFood sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Greenhouse farming is an innovative model of agriculture that promotes sustainable production. Advanced greenhouse complexes use hydroponics, which makes it possible to grow vegetables and salads as far north as in Russia’s polar regions and on Sakhalin Island. To improve the yield and quality of lettuce, local farmers need an efficient mineral wool substrate and hydroponics. Biodegradable gels in combination with soil microorganisms are known to stabilize and prolong the effect of organic and mineral complexes. The research featured Aficion green lettuce grown hydroponically in a greenhouse. The control plants were grown in line with the industrial technology, which involved a four-fold weekly foliar treatment with a combination of Ecogel and Agrocen at 0.5 and 0.15%, respectively. The experimental samples were grown on substrate treated with Yunigel Plantum at 0.03 g per pot. The weight of lettuce leaves without roots was determined after cutting; their moisture content was determined after drying to a constant weight. The quality of leaf lettuce was assessed by the content of solids (State Standard GOST 31640-2012), crude protein (GOST 13496.4-2019), and amino acids (M 04-87-2009). The effect of Yunigel Plantum on quality and yield was evaluated by the ripening period, weight, root development, root hair development, moisture content, protein, and amino acids. The study also involved the effect of three different concentrations of humic and fulvic acids (Beres-8) to identify the optimal concentration. Yunigel Plantum_12 increased the yield and growth rate by 20%: as it boosted the root development, the experimental lettuce absorbed nutrients and became rich in essential amino acids. Yunigel Plantum can be recommended for greenhouse lettuce farming since it proved able to increase the yield and improve the nutr itional value of lettuce.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,324
Écart entre enseignants0,314 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Processing Techniques and TechnologyMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207