Emissivity and moisture-temperature response of yellow peas in the mid-infrared region
Notice bibliographique
Résumé
One of the modern tools used in designing of food processing equipment is the application of mathematical modelling and computer simulations, which normally lead to optimization of design or process parameters.One of the challenges in a successful application of developed mathematical models in food processing by high intensity infrared is a shortage oreven lack of certain basic parameters which describe processed product orthe process itself.Two such essential parameters (emissivity of peas and moisture-temperature response of peas to infrared (lR) heating) were not available in a mathematical model developed in the Department of Biosystems Engineering, University of Manitoba, for infrared processing of peas.The lack of these parameters hindered the validation process and, therefore became a focus of this work.The spectral emissivity of yellow peas in the mid-infrared region was determined experimentally using two methods: i) reference emitter method and ii) surface response method.Both methods depended upon the accuracy of the dynamic temperature measurements using infrared pyrometer wth a spectral response of I to14 zm.The reference emitter method was based on the relationship between emitted and reflected energy.The surface response method was based on the fact that radiation emitted by the sample surface is related to the temperature to the power four and is proportional to the emissivity.The results indicated that the spectral emissivity of yellow peas was entirely dependent on the temperature and increased with temperature from 0.7 to 0.95.-t-I thank Prof, W. E. Muir and Prof, S. D
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».