High-barrier cellulose-based packaging material for enhanced food preservation with visual freshness monitoring
Notice bibliographique
Résumé
In recent years, there has been a growing interest in the development of cellulose or nanocellulose (CNF) materials in food packaging industry due to their green and processable nature, while the inherent hydrophilicity of cellulose presents significant challenges in meeting the high barrier requirements essential for food packaging applications. In this study, a dual strategy of internal cross-linking and external functional coating was employed to fabricate high-barrier nanocellulose-based packaging. Dialdehyde CNF (DCNF) was incorporated into pristine CNF to form a dense cross-linking network containing hemiacetal linkages and hydrogen bonds. Additionally, an ethyl cellulose (EC)/curcumin (Cur) coating was applied to further improve hydrophobicity while leveraging curcumin’s pH-responsive properties for visual monitoring. The influence of DCNF oxidation time and CNF incorporation ratio on film crystallinity and water resistance was systematically studied. The synergistic interaction of DCNF/CNF crosslinking and surface coatings endows the composite membrane (DCNF 1-75 /CNF/ECCur) with exceptional barrier properties, achieving a 44% reduction in water vapor transmission rate and 99% suppression of oxygen transmission rate. Moreover, the film demonstrated multifunctional properties: over 99.9% antibacterial efficacy against Escherichia coli and Staphylococcus aureus , 91% antioxidant activity, effective food preservation capability along with visual monitoring functionality. This work provides a novel approach for designing multifunctional nanocellulose-based intelligent packaging materials.
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 | 0,000 | 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 | 0,000 |
| 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 ».