Improving the Frying Stability of Peanut oil through blending with Palm kernel Oil
Notice bibliographique
Résumé
The present work explores the possibility of improving the frying stability of peanut oil, by decreasing its level of unsaturation using tropical oil. Blends comprising of 35.92-46.63% oleic acid, 17.74-25.41% linoleic acid, and less than 0.01% linolenic acid were studied. The fatty acid compositions were attained by blending peanut oil (PNO) and palm kernel oil (PKO) at 90:10; 80:20; 70:30; and 60:40 ratios respectively. The blends were used to fry sliced yam and subsequently subjected to chemical analyses while the fried yam slices were subjected to sensory evaluation. Pure peanut oil was also used to fry sliced yam, and served as control. Findings from this study indicate that the blends recorded lower values of total polar compounds (7.90-14.60%) than the control (15.40%); and lower values of FFA (0.90-1.45% vs. 1.09% for the control) with the exception of the 60:40 blend which recorded FFA value of 1.45%. In terms of acceptability of taste, flavour and overall acceptability, yam slices fried in the control oil were generally preferred over those fried in blends; however among the blends, slices fried in 90:10 and 80:20 blends recorded the highest scores for overall acceptability and were preferred by the panelists more than those fried in the 70:30 and 60:40 blends. In terms of acceptability of appearance no significant difference was obtained for slices fried in the different blends. Findings from this work further suggest that peanut oil for frying purpose can be substituted with PNO/PKO blends of up to 80:20 ratio.
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 ».