Influence of Alkaline Formulation on Oriental Noodle Color and Texture
Notice bibliographique
Résumé
ABSTRACT Patent (60% yield) and straight‐grade flours of Canada Western Red Spring (CWRS) and Canada Prairie Spring White (CPSW) wheat were used to determine the influence of different ratios of alkaline salts, their concentration, and NaCl on the texture and color characteristics of the yellow alkaline noodles. Addition of 3% (w/w) salt to any formulation resulted in a significant increase in the amount of work required to process the raw noodles, while significantly lower work input was observed for noodles prepared using a 5% (w/w) 9:1 Na‐to‐K carbonate ratio without salt formula. Wheat class, extraction rate, and alkali formulation had a significant effect on raw noodle brightness with noodles prepared using 5% carbonate being brighter than the 1% carbonate noodles. Maximum cooked noodle thickness was achieved from all flours using a 1% 9:1 Na‐to‐K carbonate ratio, 3% salt formulation. The inclusion of 3% NaCl into the formula resulted in noodles significantly thicker than the corresponding salt‐free formula for all flours. Cooked noodle texture parameters evaluated were maximum cutting stress (MCS), resistance to compression (RTC), recovery (REC), and stress relaxation time. In all cases, the presence of 3% salt in the various formulations resulted in a decrease in each parameter relative to the corresponding salt‐free formulation. Desirable bite (MCS), chewiness (RTC, REC), and relaxation times were achieved with a 1% concentration of alkali salts, without NaCl, regardless of the Na‐to‐K carbonate ratio. Use of a 5% concentration of alkali salts resulted in a significant reduction in texture that was most pronounced for the 1:9 Na‐to‐K carbonate formulation.
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 | 0,000 |
| 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) | 0,000 | 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 ».