Development of Formulations and Processes to Incorporate Wax Oleogels in Ice Cream
Notice bibliographique
Résumé
The objective of this study was to investigate the influence of emulsifiers, waxes, fat concentration, and processing conditions on the application of wax oleogel to replace solid fat content and create optimal fat structure in ice cream. Ice creams with 10% or 15% fat were formulated with rice bran wax (RBW), candelilla wax (CDW), or carnauba wax (CBW) oleogels, containing 10% wax and 90% high-oleic sunflower oil. The ice creams were produced using batch or continuous freezing processes. Transmission electron microscopy (TEM) and cryo-scanning electron microscopy were used to evaluate the microstructure of ice cream and the ultrastructure of oleogel droplets in ice cream mixes. Among the wax oleogels, RBW oleogel had the ability to form and sustain structure in 15% fat ice creams when glycerol monooleate (GMO) was used as the emulsifier. TEM images revealed that the high degree of fat structuring observed in GMO samples was associated with the RBW crystal morphology within the fat droplet, which was characterized by the growth of crystals at the outer edge of the droplet. Continuous freezing improved fat structuring compared to batch freezing. RBW oleogels established better structure compared to CDW or CBW oleogels. These results demonstrate that RBW oleogel has the potential to develop fat structure in ice cream in the presence of GMO and sufficiently high concentrations of oleogel.
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 | 0,001 |
| 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 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 ».