OPTIMIZING THE TEXTURE ATTRIBUTES OF A FAT‐BASED SPREAD USING INSTRUMENTAL MEASUREMENTS
Notice bibliographique
Résumé
ABSTRACT Response surface methodology (RSM) was used to investigate the effects of a commercial stabilizer and hemp oil content on the texture of pumpkin seed oil press‐cake spreads, using a penetration test as part of instrumental texture profile analysis. The response variables were the most significant spread texture attributes: hardness, penetration work, elasticity and adhesiveness. Spreads were formulated according to a central composite, two factorial experimental designs on five levels. Both independent variables significantly affected the texture of the obtained spreads, which had an appearance and texture comparable to commercial peanut butter. In terms of the selected texture attributes determined by the instrumental analysis, the optimum combination of variables with 1–1.2% of added stabilizer and 20–40% of added hemp oil produced desirable spreads that mimic commercial peanut butter; however, they were not sticky. RSM helped to optimize the composition of the spreads to obtain the product with the minimum hardness, penetration work and adhesiveness with the maximum value for elasticity. PRACTICAL APPLICATIONS This paper describes how the texture attributes of a novel fat‐based spread can be predicted using instrumental measurements, specifically a penetration test, while having peanut butter as a control sample to set desired value boundaries for each texture attribute separately. The penetration test was used to predict the texture of the spreads, compared with commercial peanut butter, without conducting the expensive and time‐consuming sensory evaluation of the product. The use of the response surface methodology and mathematical models could describe and predict experimental data of the component's content and to optimize the variables that mostly affected the spreads' texture. The described process can help in designing the spreads based on the pumpkin seed oil press‐cake with optimum texture properties. This screening technique can help the food industry to select formulations when new products are developed without using sensory panels at the product designing stage.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 ».