Structural and Instrumental Textural Properties of Meat Patties Containing Soy Protein
Notice bibliographique
Résumé
The effect of two different types of soy protein namely soy protein flour (SPF) and texturized soy protein (TSP); soy protein extender concentration; cooking times; and cooking temperatures on structural and textural properties of pan‐fried patties were studied. Beef patties were formulated using extra lean (10 kg fat/100 kg) ground beef samples, with different concentrations of soy protein (0, 2, 3.5, and 5% kg/kg total mass). They were formed into patties, and cooked on a griddle at different temperatures (177 and 187°C) and cooking times (10, 15, and 20 min). Water holding capacity (WHC) and total cooking loss (TCL) were determined. Instrumental textural profiles of the cooked samples were obtained using a Universal Testing Machine Instron. Porosity and pore size distributions were determined by a mercury intrusion porosimeter. The results indicated that increasing soy protein concentration increased WHC and reduced TCL. Beef patties extended with TSP were harder and more cohesive than those extended with SPF. Total mean porosities at the 5% soy protein extender concentration were 0.42 and 0.40 for the SPF and TSP extended samples, respectively. Samples extended with SPF had up to 84% capillary pores.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».