Electrical Conductivity of Cabbage and Daikon Radish as Affected by Electrical Voltage, Frequency, Salt Concentration and Temperature
Notice bibliographique
Résumé
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 R2 > 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.
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 ».