Shreddability of pizza Mozzarella cheese predicted using physicochemical properties
Notice bibliographique
Résumé
This study used rheological techniques such as uniaxial compression, wire cutting, and dynamic oscillatory shear to probe the physical properties of pizza Mozzarella cheeses. Predictive models were built using compositional and textural descriptors to predict cheese shreddability. Experimental cheeses were made using milk with (0.25% wt/wt) or without denatured whey protein and renneted at pH 6.5 or 6.4. The cheeses were aged for 8, 22, or 36 d and then tested at 4, 13, or 22°C for textural attributes using 11 descriptors. Adding denatured whey protein and reducing the milk renneting pH strongly affected cheese mechanical properties, but these effects were usually dependent on testing temperature. Cheeses were generally weaker as they aged. None of the compositional or rheological descriptors taken alone could predict the shredding behavior of the cheeses. Using the stepwise method, an objective selection of a few (<4) relevant descriptors made it possible to predict the production of fines (R(2)=0.82), the percentage of long shreds (R(2)=0.67), and to a lesser degree, the adhesion of cheese to the shredding blade (R(2)=0.45). The principal component analysis markedly contrasted the adhesion of cheese to the shredding blade with other shredding properties such as the production of fines or long shreds. The predictive models and principal component analysis can help manufacturers select relevant descriptors for the development of cheese with optimal mechanical behavior under shredding conditions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».