Enhancing Papaya Shelf‐Life With Upcycled Pea Starch–Neem Oil Polymeric Nanoparticles Synthesized via a Novel Rapid Spray Nanoprecipitation Technique
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
ABSTRACT Marketing of fresh ripened papaya is challenging due to its short shelf‐life (2–3 days) resulting in high post‐harvest losses (30%–50%), primarily caused by fungal diseases such as Anthracnose. Neem oil (NO) is well recognized for its ability to extend the shelf‐life of fresh produce, but encapsulation is required to preserve its properties. This study aimed to stabilize and encapsulate NO in a polymeric material via a novel rapid spray nanoprecipitation technique to extend the shelf‐life of papaya fruits under cold storage (4°C ± 1°C, 80% ± 2% RH) and room temperature (22°C ± 2°C, 45% ± 5% RH). The shelf‐life of papayas was extended by 10 days compared to the control when the nanoparticle coating was combined with cold storage showing no fungal growth. After 10 days of storage, weight loss in coated fruits was approximately ~6.22% at cold storage temperatures and 17.5% at room temperature, whereas, in the control group, the weight loss observed was 9.09% at cold storage temperature and 27.46% at room temperature. Additionally, the NO infused starch nanoparticle coating significantly ( p < 0.05) maintained fruit firmness compared to untreated control samples. The NO inhibited fungal growth, while the starch polymer coating slowed ripening. Hence, the application of nanoparticle coating in this study can act as an active agent for prolonging the shelf‐life of papayas within the food distribution chain.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle