MétaCan
Menu
Retour à la cohorte
Enregistrement W2162173163 · doi:10.1094/cchem.2000.77.2.128

Effects of Alkali Debranning, Roller Mill Cracking and Gap Setting, and Alkali Steeping Conditions on Milling Yields from a Dent Corn Hybrid

2000· article· en· W2162173163 sur OpenAlexaff
Ping Yang, Lianzhu Du, D. L. Wang, B. H. Li, Kent D. Rausch, P. Buriak, S. R. Eckhoff

Notice bibliographique

RevueCereal Chemistry · 2000
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensIngredion (Canada)
Organismes subventionnairesU.S. Department of Agriculture
Mots-clésSteepingChemistryEndospermStarchMillYield (engineering)Alkali metalWet-millingCorn starchGermRoller millAgronomyPulp and paper industryMaterials scienceMetallurgyFood scienceMathematicsOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Starch yield was significantly affected by all three main unit operations in alkali wet‐milling (debranning, roller milling, and steeping). The conditions for the three unit operations were studied using a single hybrid. Studies on debranning showed that optimal separation between pericarp and corn endosperm was obtained when corn was soaked in a 1.5–2% NaOH solution at 85°C for 5 min. Passing debranned corn through smooth roller mill once or twice did not affect the product yields, but passing the corn through the roller mill three times decreased the germ yield because of a large amount of broken germ. A 62% higher processing rate could be achieved when passing corn through the mill twice than by passing it through the mill once. The gap should be set at 2.0 mm when passing corn through the mill once, and it should be set at 3.5 mm for the first pass and 2.0 mm for the second pass when passing corn through the mill twice. Starch yield was more sensitive to NaOH concentration and steep temperature than to steep time. The highest starch yield was obtained when steeping corn in 0.5% NaOH for 1 hr at 45°C.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207