COLOR DEVELOPMENT DURING NATURAL FERMENTATION AND CHEMICAL ACIDIFICATION OF SALAMI‐TYPE PRODUCTS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT The impact of using natural fermentation with lactic acid bacteria (LAB), chemical acidification with liquid lactic acid, and encapsulated citric, gluconic or lactic acid were evaluated in raw and cooked salami‐type products. Liquid lactic acid resulted in an immediate pH drop and significant increase in L* (lightness) and a* (redness) values, as well as clumping of the ground meat particles that exhibited moisture release due to excessive protein denaturation. Overnight LAB fermentation also resulted in increased L* and a* values, but unlike direct acid addition, did not cause moisture loss or clumping. Spectra data, collected after both treatments reached pH 4.6, revealed pretty similar curve shape, with higher values for the fermented product at 420–550 nm and 610–670 nm. The encapsulated acids, designed to release acid at about 62C, did not affect the color of the raw meat batters. Cooking of all treatments resulted in higher L* and a* values, both by about 50%. L* and a* values were pretty similar for all the acidified and non‐acidified control. The only exception was a no‐nitrite control, which showed a significantly ( P < 0.05) lower a* value. PRACTICAL APPLICATIONS The use of different acidification methods to lower the pH of meat products (bacteria fermentation, direct acid addition, encapsulated acid) does affect the color of the product. When going through the process, care should be given to the rate of acidification. A slow acid production (fermentation) or acid release when the meat proteins have started to go through heat coagulation (by using acid encapsulated in hydrogenated vegetable oil) are recommended. Direct acid addition results in immediate lightening of the product as well as crumbling of the ground meat particles, which later negatively affect color and texture of the product.
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.
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 | 0,000 | 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) | 0,000 | 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 découle