Effect of Different Extrusion Processing Parameters on Physical Properties of Soy White Flakes and High Protein Distillers Dried Grains-Based Extruded Aquafeeds
Notice bibliographique
Résumé
<p>Nutritionally balanced ingredient blends for catla (<em>Catla catla</em>), belonging to the family Cyprinidae, were extruded using single screw extruder. The extrusion was carried out at five levels of soy white flakes content (21%, 29%, 40%, 52%, and 59% db), five levels of moisture content (15, 19, 25, 31, and 35% db) and five levels of barrel temperature (100, 110, 125, 140, and 150 ºC) using three different die nozzles (having L/D ratios 3.33, 5.83, and 7.25). Blends with net protein content of 32.5% contains soy white flakes, along with high protein distillers dried grains (HP-DDG), corn flour, corn gluten meal, fish meal, vitamin, and mineral mix. A central composite rotatable design (CCRD) and response surface methodology (RSM) was used to investigate the significance of independent and interaction effects of the extrusion process variables on the extrudates physical properties namely pellet durability index, bulk density, water absorption and solubility indices and expansion ratio. Quadratic polynomial regression equations were developed to correlate the product responses and process variables as well as to obtain the response surfaces plots. The independent variables had significant (<em>P </em>&lt; 0.05) effects on physical properties of extrudates: (i) higher soy white flakes content increased the pellet durability index and water absorption index, but decreased the water solubility index, (ii) higher temperature decreased pellet durability index, bulk density and water solubility index, (iii) increased L/D ratio from 3.33 to 7.25 increased the pellet durability index, expansion ratio but decreased the bulk density of the extrudates.</p>
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) | 0,000 | 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 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 ».