MétaCan
Menu
Retour à la cohorte
Enregistrement W2080062759 · doi:10.3390/foods2020170

Effect of Carboxylmethyl Cellulose Coating and Osmotic Dehydration on Freeze Drying Kinetics of Apple Slices

2013· article· en· W2080062759 sur OpenAlexafffund
Jamshid Rahimi, Ashutosh Singh, Peter Adewale, Akinbode A. Adedeji, Michael Ngadi, Vijaya Raghavan

Notice bibliographique

RevueFoods · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOsmotic dehydrationSugarChemistryDehydrationFreeze-dryingCoatingMethyl celluloseCelluloseTonicityMoistureKineticsFood scienceChromatographyBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The effect of different concentrations of sugar solution (hypertonic) (30%, 45% and 60% w/v) and carboxyl methyl cellulose (CMC) (0%, 1% and 2% w/v) coating on freeze drying of apple slices was studied. In total, nine treatments with respect to concentrations of hypertonic solution and coating layer were prepared to analyze their influence on the physical and chemical properties of freeze dried apple slices. It was observed that increase in the sugar solution concentration, decreased the moisture content of the apple slices significantly impacting its water activity, texture and sugar gain. Application of different concentrations of CMC coating had no significant effect on the properties of dried apple slices. A significant change was observed for color of CMC coated freeze dried apple slices pretreated with 60% sugar solution. Drying kinetics of pretreated apple slices were fitted by using two drying models, Newton’s and Page’s. Page’s model showed higher R-square and lower root mean square error (RSME) compared to Newton’s model.

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 seuil0,003

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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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

Citations19
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetFood Drying and ModelingTravaux en français237 207