Rapid Assessment of Frying Performance Using Small Size Samples of Oils/Fats
Notice bibliographique
Résumé
Abstract A rapid, effective test mimicking actual frying was developed to assess the frying performance of oils and fats using small size samples. To a small volume of the oil to be tested, a formulated food consisting of gelatinized potato starch, glucose and silica gel (4:1:1 w/w) were added and content heated at 185 ± 5 °C with mixing for 2 h. Thermo‐oxidative degradation of the oil was assessed by the measurement of the total amount of polar components and their composition, including degradation of tocopherols. The developed fast test accurately mimics actual frying done using an institutional fryer as assessed by the accumulation and composition of total polar components and the amount of residual tocopherols. The validity of the test was assessed using the following oils: regular canola, high oleic– low linolenic canola, and high oleic sunflower. Comparison of data between the fast frying test and institutional frying revealed a lack of significant differences. The developed frying test provides reliable quantitative and qualitative data describing the performance of the frying oil/fat. The rapid frying procedure allows assessment of the frying performance of oils at the early stages of development where usually only small amounts of the sample are available and when a large number of samples have to be tested assessing effects of oil additives.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».