MétaCan
Menu
Retour à la cohorte
Enregistrement W2582114508 · doi:10.11301/jsfe.17.123

Electrohydrodynamic (EHD) Drying of Grape Pomace

2016· article· en· W2582114508 sur OpenAlexaff
Alex Martynenko, Tadeusz Kudra

Notice bibliographique

RevueJapan Journal of Food Engineering · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Inactivation Methods
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPomaceElectrohydrodynamicsMoistureMaterials scienceWater contentSpray dryingPulp and paper industryFood scienceEnvironmental scienceChemistryChromatographyComposite material

Résumé

récupéré en direct d'OpenAlex

The objective of this research was to find the industrially-accepted processing method of the currently underutilized wet grape pomace prior to subsequent extraction of natural ingredients. Due to high moisture content (2.5-3.0 kg/kg db), thermal drying of pomace is an expensive and time-consuming operation. Therefore, the energy efficiency of non-thermal electrohydrodynamic (EHD) technology as applied for grape pomace drying was extensively studied. The experiments on EHD drying at temperature 20℃ revealed excellent quality of the dry product. Superior energy efficiency of the EHD drying ranging from 600 to 1580 kJ per kg of evaporated water as reported in topical literature was confirmed in our experimental study. These preliminary experiments on the lab-scale showed benefits of EHD drying of heat-sensitive grape pomace to be further transformed into food additives, skin powder and grape oil.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 Opus0,006
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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'étudeExpérimental (laboratoire)
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

Citations31
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJapan Journal of Food EngineeringMême sujetMicrobial Inactivation MethodsTravaux en français237 207