FOAM‐MAT FREEZE‐DRYING OF APPLE JUICE PART 1: EXPERIMENTAL DATA AND ANN SIMULATIONS
Notice bibliographique
Résumé
ABSTRACT Freeze‐drying of foamed and nonfoamed apple juice was studied in order to assess if there is a reduction in process time due to foaming. Foams were prepared by whipping apple juice with methylcellulose or egg albumin at different concentrations. Foamed and nonfoamed juice samples having different thickness and different initial weight were frozen at −40C and then freeze‐dried at 20C during 48 h under vacuum. Sample weight loss and temperature were followed at different process times. A mathematical model based on artificial neural networks was developed to represent foam kinetics and temperature curves during freeze‐drying. Foaming reduced process time if the comparison was done at equal sample thickness. However, lower density of foamed materials decreases weight load to the dryer. Unfortunately, the optimization of the process did not permit the determination of a practical minimal foam sample thickness to enhance both drying rate and dryer throughput. PRACTICAL APPLICATIONS Fruit juice powders have a large application in the food and nutraceutical industries. These powders are used as instant beverages, ingredients for bakery or extruded products and to incorporate in pharmaceutical tablets. Freeze‐drying is an excellent process to obtain a high‐quality fruit juice powder because it offers extraordinary nutritional, structure and sensorial qualities when compared with products of alternative drying process: air, vacuum, microwave and osmotic drying. However, the process cost is expensive due to the long drying times under vacuum. Process acceleration through optimization is therefore necessary in order to obtain high quality in the final products but at lower costs. This study aims to decrease the cost of the freeze‐drying process by using foaming prior to processing to increase the drying rate.
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 | 0,000 | 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 | 0,001 | 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 ».