MétaCan
Menu
Retour à la cohorte
Enregistrement W2137771915 · doi:10.2528/pierb13031812

EFFECT OF RADIOFREQUENCY HEATING ON THE DIELECTRIC AND PHYSICAL PROPERTIES OF EGGS

2013· article· en· W2137771915 sur OpenAlexaff
Shrikalaa Kannan, Satyanarayan Dev, Yvan Gariépy, G. S. V. Raghavan

Notice bibliographique

RevueProgress In Electromagnetics Research B · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensMcGill University
Organismes subventionnairesOffice of International Science and Engineering
Mots-clésDielectricMaterials scienceEngineering physicsCondensed matter physicsPhysicsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Abstract—Eggs are one of the most nutritious foods available in nature. This rich nutritive environment attracts microbes to invade, feed and multiply. Salmonella enteritidis is one such microbe that is highly pathogenic and is the causative agent for the disease salmonellosis. To ensure safety of eggs, processing them without affecting their unique physical properties is essential. In this study, the impact of radiofrequency (RF) heating on the dielectric properties (dielectric constant and dielectric loss factor) of the egg at varying temperatures (5 ◦ C–56 ◦ C) and frequency (10 MHz–3 GHz) is evaluated. This study on the dielectric parameters is essential to devise a better heating paradigm wherein there is minimal detrimental effect to the egg components. Based on the dielectric study, the heating process parameters were determined. The effect of such heat treatment on the physical properties viz. Viscosity, foam density, foam stability and turbidity of the egg white were also studied. This study was conducted to provide sufficient literature and experimental background for employing RF in pasteurization of in-shell eggs. This study showed that if careful process parameter optimization and meticulous equipment design is done, RF heating can be successfully employed to pasteurize in-shell eggs.

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)0,001
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,376
Écart entre enseignants0,347 · 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

Citations27
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress In Electromagnetics Research BMême sujetMicrobial Inactivation MethodsTravaux en français237 207