Grape Drying: Current Status and Future Trends
Notice bibliographique
Résumé
With high moisture and sugar content, fresh grapes respire and transpire actively after harvest, which contribute to quality loss. Drying can process grapes into raisins for longer shelf-life as well as dehydrated grapes, which can be used for wines or juice production. The pre-treatments, drying method and drying conditions, can significantly influence the quality of final products. In this chapter, firstly, different pre-treatments as a necessary operation previous to the drying of grapes into raisins is introduced. These pre-treatments include chemical pre-treatment, physical pre-treatment, and blanching. In addition, the quality and drying characteristics of different pre-treatments is summarized too. Secondly, the current status of different technologies for grape drying and their effects on drying kinetics and quality attributes of seedless grapes are described to highlight the advantages and disadvantages of each drying method. These drying methods include the traditional open sun drying, shade drying, hot-air drying, freezing drying, microwave drying, as well as the vacuum impulsed drying. Thirdly, influences of drying on bioactive substances (flavonoids, phenolics, anthocyanin, and resveratrol) and antioxidant capacity of grape by-products including seed, skin, stem, and stalk are also examined. Finally, the future research trends of grape and its by-product drying are indentified and discussed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,008 |
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 ».