EFFECT OF THERMAL PRETREATMENT AND BATTER COMPOSITION ON FAT ABSORPTION IN DEEP-FAT FRIED BATTER
Notice bibliographique
Résumé
The effects of batter composition, thermal pretreatment and frying time on mass transfer during deep-fat frying were studied using response surface methodology. Prior to frying, dough composed of wheat and rice flour mixtures (wheat/rice ratio between 0 and 100%) mixed with water at ratio 1:1.3 (mixture:water) were put in closed aluminum cells and preheated in a water bath at temperatures ranging from 60 to 90°C. Then, the samples were fried for 1, 2, 3 and 4 min. A central composite rotatable design was built to study the effects on fat uptake and moisture content of samples. Pre- gelatinization and batter formulation had impact on the degree of fat uptake in deep-fat fried batter coating. The results showed that flour ratios had more impact on fat uptake than pretreatment temperature. Moreover, the interaction between these 2 factors was more significant than their main effects. Batter composed of 75% wheat flour and pre- treated at a temperature of 82.5°C had the minimum optimal points for fat uptake with a value of 3.3% after 4 minutes of frying. The degree of gelatinization and the moisture content under these conditions were 80.55% and 30 % db, respectively.
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 | 0,000 |
| 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) | 0,001 | 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 ».