MétaCan
Menu
Retour à la cohorte
Enregistrement W2066426660 · doi:10.1111/j.1750-3841.2012.02952.x

Discrimination of Volatiles of Refined and Whole Wheat Bread Containing Red and White Wheat Bran Using an Electronic Nose

2012· article· en· W2066426660 sur OpenAlexaff
H. D. Sapirstein, Silvi Siddhu, Michel Aliani

Notice bibliographique

RevueJournal of Food Science · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBranElectronic noseFood scienceWhole wheatWheat flourWheat breadChemistryBread makingMathematicsRaw materialMaterials science

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: The principal objective of this study was to evaluate the capability of electronic (E) nose technology to discriminate refined and whole wheat bread made with white or red wheat bran according to their headspace volatiles. Whole wheat flour was formulated with a common refined flour from hard red spring wheat, blended at the 15% replacement level with bran milled from representative samples of one hard red and 2 hard white wheats. A commercial formula was used for breadmaking. Results varied according to the nature of the sample, that is, crust, crumb, or whole slices. Bread crust and crumb were completely discriminated. Crumb of whole wheat bread made with red bran was distinct from other bread types. When misclassified, whole wheat bread crumb with white bran was almost invariably identified as refined flour bread crumb. Using crust as the basis for comparisons, the largest difference in volatiles was between refined flour bread and whole wheat bread as a group. When refined flour bread crust was misclassified, samples tended to be confused with whole white wheat crust. Samples prepared from whole bread slices were poorly discriminated in general. E-nose results indicated that whole wheat bread formulated with white bran was more similar in volatile makeup to refined flour bread compared to whole wheat bread made with red bran. The E-nose appears to be very capable to accommodate differentiation of bread volatiles whose composition varies due to differences in flour or bran type. PRACTICAL APPLICATION: Consumer preference of bread made using refined flour in contrast to whole wheat flour is partly due to the different aroma of whole wheat bread. This study used an electronic nose to analyze bread volatiles, and showed that whole wheat bread incorporating white bran was different from counterpart bread made using red bran, and was closer in volatile makeup to "white" bread made without bran. Commercial millers and bakers can take advantage of these results to formulate whole wheat flour with brans of preferred type in order to foster increased consumption of whole wheat products which confer many favorable health benefits.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,264
Écart entre enseignants0,242 · 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

Citations18
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207