MétaCan
Menu
Retour à la cohorte
Enregistrement W2259818086 · doi:10.1111/jfpe.12315

Electrical Conductivity of Cabbage and Daikon Radish as Affected by Electrical Voltage, Frequency, Salt Concentration and Temperature

2015· article· en· W2259818086 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Food Process Engineering · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensAgriculture and Agri-Food CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésElectrical resistivity and conductivityOhmic contactConductivityVoltageChemistryAnalytical Chemistry (journal)Materials scienceElectrical engineeringElectrodeChromatography

Résumé

récupéré en direct d'OpenAlex

Abstract Shredded cabbage (50% v/v) and Daikon radish cubes (57% v/v) were mixed with different salt solutions (0.15, 0.5, 1, 1.5 and 1.85%), poured into a Teflon‐coated static Ohmic cell and heated from 30 to 70°C at different alternating current voltages (65, 80, 100, 120 or 135 V) and frequencies (60, 2,070, 5,030, 7,990 or 10,000 Hz). Voltage, current, time and temperature were measured to calculate electrical conductivities at different temperatures. For the modeling part, 750 g of a blended crude puree (particle size < 0.5 mm) was used to fill the Ohmic cell. Daikon radish gave the highest value for electrical conductivity of 1.07 S/m at 30°C and 1.85%, 100 V and 5,030 Hz while cabbage gave a value of 0.81 S/m under the same conditions. For cabbage, the electrical conductivity values increased with increasing frequency at higher voltage, but decreased at low voltage levels. An opposite trend was observed for Daikon radish. Modeling indicated that electrical conductivity increased quadratically with temperature, salt concentration and electrical voltage. Response surface models revealed that linear, cross products, as well as quadratic effects were significant with R 2 > 0.98. The Maxwell–Eucken model, which describes solid particles dispersed in continuous liquid, showed good fit for the electrical conductivity data. Practical Applications Ohmic heating can be an alternative to conventional heat processing of food, reducing treatment time and improving quality. Ohmic heating has been generally recognized to provide uniform and rapid heating conditions. The electrical conductivity (EC) of food components is the key property in the Ohmic heating process and is dependent on many product and system‐dependent properties, especially the salt content. It is also the primary property needed for modeling the Ohmic heating effects of a system or product. This manuscript details the gathered data on electrical conductivity of cabbage and radish, and an appropriate modeling approach to describe their dependence on product and system properties. The study generates new data EC for the vegetables and how the EC is influenced by the two vegetables that differ significantly in structure.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,010
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,254 · 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