MétaCan
Menu
Retour à la cohorte
Enregistrement W2442248909 · doi:10.1080/10942912.2015.1121494

Volatile Flavor Profile of Saskatchewan Grown Pulses as Affected by Different Thermal Processing Treatments

2015· article· en· W2442248909 sur OpenAlexafffundabout
Zhen Ma, Joyce I. Boye, Sorayya Azarnia, Benjamin K. Simpson

Notice bibliographique

RevueInternational Journal of Food Properties · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensMcGill UniversityAgriculture and Agri-Food Canada
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesAgriculture and Agri-Food CanadaNational Natural Science Foundation of China
Mots-clésFlavorFood scienceChemistryRoastingSlurryMaterials science

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to identify and quantify the volatile flavor composition of selected Saskatchewan grown pulses including navy beans, red kidney beans, green lentils, and yellow peas, and to determine the flavor changes induced by thermal processing. Flavor profile of roasted flours, ground roasted seeds, pre-cooked seeds, pre-cooked slurries, pre-cooked–freeze-dried, and pre-cooked–spray-dried flours was studied using headspace solid-phase microextraction gas chromatography/mass spectrometry. The highest total area count (p < 0.05) was found in navy bean and the lowest in red kidney bean. 3-Hexanol was the most abundant volatile flavor compound. Pre-cooking significantly reduced (p < 0.05) volatile compounds total area count by 61.75%, except for the red kidney bean and yellow pea, whereas roasting significantly increased (p < 0.05) total area count for navy bean and red kidney bean. Major differences observed in relative peak area for the same chemical family showed that volatile flavor compounds of pulses were significantly affected by type and processing conditions. Basic knowledge of the volatile profiles of pulses and the flavor changes occurred following different types of thermal processing, could ensure better quality control of raw materials and help product developers meet flavor-delivery challenges. The relevant information may also be of interest to relevant industries targeting specific pulse-based food product development.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,053
Tête enseignante GPT0,255
Écart entre enseignants0,202 · 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'étudeObservationnel
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

Citations89
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Food PropertiesMême sujetMeat and Animal Product QualityTravaux en français237 207