Characterization of Residual Biomass and Feasibility Analysis for Fish Feed Production
Notice bibliographique
Résumé
Global fish consumption reached 20.5 kg per capita/year in 2018.The increasing demand for fish in recent years has contributed to a rise in fish industry production, which has also led to an increase in fish waste throughout the production chain.According to the Food and Agriculture Organization of the United Nations (FAO), approximately 205 million tons of fish are produced globally, with around 50% of this total being considered waste.The production of fish waste from the processing and marketing stages has generated a quantity of organic matter that, if utilized, can be processed into high-quality oil and used in industries for potential fishmeal, fish feed, cosmetics, and so on.In the search for less polluting alternatives, with the aim of minimizing the environmental problems caused by fish waste, there is a need to establish waste utilization systems that are both economically viable and energy efficient.The viscera, scales, and heads of fish are often discarded, as this organic waste can cause the proliferation of diseases and undesirable animals.As an alternative way of treating this waste, a study was carried out on this biomass in the formulation of fishmeal.The aim of this study is, therefore, to reuse this waste by extracting lipids from the residual oil and producing a nutritionally rich fish meal.To this end, the project involved collecting waste from the local market, extracting and producing the oil using the Soxhlet method, and drying the biomass in an oven.The study showed that fishing and marketing have become major activities in recent years, especially in the region studied, Pinheiro-MA (Brazil).However, the waste and lack of proper treatment are harmful.The study revealed the need to adopt hygienic and sanitary treatment, public policies, and a proposal for the reuse of residual biomass.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».