MétaCan
Menu
Retour à la cohorte
Enregistrement W2049380049 · doi:10.1111/j.1745-4603.2008.00172.x

INTERPRETATION OF THE FORCE–DEFORMATION CURVES OF COOKED RED LENTILS (<i>LENS CULINARIS</i>)

2009· article· en· W2049380049 sur OpenAlexaffabout
Kelly Ross, Daniella Alejo-Lucas, Linda Malcolmson, Susan D. Arntfield, Stefan Cenkowski

Notice bibliographique

RevueJournal of Texture Studies · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueAgricultural Engineering and Mechanization
Établissements canadiensCanadian International Grains InstituteUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésDeformation (meteorology)Inflection pointTexture (cosmology)Plateau (mathematics)MathematicsFood scienceMineralogyMaterials scienceGeometryArtificial intelligenceGeologyChemistryComposite materialComputer scienceMathematical analysisImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The effect of cooking time on the textural properties of red lentils was determined using an Instron universal testing machine equipped with an Ottawa texture cell. A sigmoid‐shaped force–deformation curve was observed for all samples. As cooking time increased, texture changes, in terms of undercooked and optimally cooked, were identified by changes in slope and plateau force values of the force–deformation curves. At short cooking times, the samples were undercooked, and slope and plateau force values were high. At prolonged cooking times, slope and plateau force values decreased to a certain point and became independent of cooking time as values leveled off. However, significant textural changes as determined with sensory methods continued. Cooking time affected the location of the inflection point on the force–deformation curve. Deformation at inflection was a parameter that successfully determined textural differences between cooked samples and overcooked samples. Force–deformation curves can describe cooking quality of red lentils. PRACTICAL APPLICATIONS There is little information available on the instrumental methods used to measure the texture of red lentils despite the fact that red lentils account for the majority of world lentil production and trade. Thus, there is a need to demonstrate how the force–deformation curves resulting from the instrumental measurement of red lentil texture are affected by cooking. A detailed interpretation of a force–deformation curve would allow for investigation of the effects of biochemical differences in red lentils because of genotype, agronomic practices and postharvest handling on the cooking quality. This work used an Instron universal testing machine equipped with an Ottawa texture cell to obtain force–deformation curves that were interpreted and used to explain the effects of cooking on the textural properties of red lentils.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,219
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Texture StudiesMême sujetAgricultural Engineering and MechanizationTravaux en français237 207