The occurrence of mass transport processes during the leaching of amygdalin from bitter apricot kernels: detoxification and flavour improvement
Notice bibliographique
Résumé
Summary Because of their appreciable protein content apricot kernels could be used as a good source of food. However, their wide use for human or animal nutrition is dependent on their adequate detoxification. This is because apricot kernels have a strong bitter flavour that is caused by the presence of amygdalin, a toxic cyanogenic glycoside. The aim of the present work was to investigate an unusual method of detoxifying apricot kernels by soaking them in water. The method was energetically relatively inexpensive as uncrushed kernels and cold water were used. Furthermore, the use of intact kernels minimized the loss of nutritious soluble matter during the detoxification. On the basis of a simple but adequate mechanistic model, a mathematical description of the extractive detoxification of apricot kernels is proposed. The two‐resistance mass transfer system is based on external film mass transfer and an effective solid diffusion. A linear equilibrium curve arises from the assumption that the concentration profile inside the solid phase can be well approximated with a second order polynomial calculation, this then leads to an analytical formulation of the mathematical model. The liquid‐phase mass transfer coefficient and the internal diffusion coefficient in the kernels can be then determined. Finally, the model is used to describe extractor behaviour and predict process performance under real operation 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 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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».