Valorisation de coproduits de l’industrie agro-alimentaire par production de compost de haute qualité (in French)
Bibliographic record
Abstract
Les industries de transformation alimentaire génèrent des quantités imposantes de coproduits organiques, lesquels demeurent, même aujourd’hui, peu valorisés. La présente recherche a permis de réaliser un inventaire détaillé des coproduits générés dans des usines de production de biscuits, chocolat, céréales et barres collations et d’identifier des formulations adéquates de mélanges d’intrants (écailles de cacao, résidus de biscuits et céréales, boues physico-chimiques et biologiques) pour des essais de compostage. Un dispositif expérimental comprenant six tas de compost d’approximativement une tonne métrique, et aérés par retournement manuel, a ensuite été opéré pendant une période de 4 mois. Des températures maximales se situant entre 60 et 68°C ont été mesurées dans les différents tas au cours de la période de compostage, alors que des températures moyennes supérieures à 50°C ont été maintenues pendant des périodes se situant entre 6 et 10 semaines. Des composts d’excellente qualité, répondant aux exigences de qualité AA (normes du Bureau de normalisation du Québec) en termes de teneurs en contaminants métalliques et microbiens et de stabilité microbiologique, ont été générés au terme de la période de compostage. Ces essais ont aussi démontré que les écailles de cacao, un coproduit important de la fabrication du chocolat, constituent un excellent agent de foisonnement de compostage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".