Challenges of UV light processing of low UVT foods and beverages
Notice bibliographique
Résumé
Ultraviolet (UV) technology holds promise as a low cost non-thermal alternative to heat pasteurization of liquid foods and beverages. However, its application for foods is still limited due to low UV transmittance (LUVT). LUVT foods have a diverse range of chemical (pH, Brix, Aw), physical (density and viscosity) and optical properties (absorbance and scattering) that are critical for systems and process designs. The commercially available UV sources tested for foods include low and medium pressure mercury lamps (LPM and MPM), excimer and pulsed lamps (PUV). The LPM and excimer lamps are monochromatic sources whereas emission of MPM and PUV is polychromatic. The optimized design of UV-systems and UV-sources with parameters that match to specific product spectra have a potential to make UV treatments of LUVT foods more effective and will serve its further commercialization. In order to select UV source for specific food application, processing effects on nutritional, quality, sensorial and safety markers have to be evaluated. This paper will review current status of UV technology for food processing along with regulatory requirements. Discussion of approaches and results of measurements of chemico-physical and optical properties of various foods (fresh juices, milk, liquid whey proteins and sweeteners) that are critical for UV process and systems design will follow. Available UV sources did not prove totally effective either resulting in low microbial reduction or UV over-dosing of the product thereby leading to sensory changes. Beam shaping of UV light presents new opportunities to improve dosage uniformity and delivery of UV photons in LUVT foods.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».