Pulsed vacuum drying of wolfberry: Effects of infrared radiation heating and electronic panel contact heating methods on drying kinetics, color profile, and volatile compounds
Notice bibliographique
Résumé
The drying kinetics and quality attributes of wolfberry were investigated under pulsed vacuum drying based on two different heating ways of far-infrared radiation (PVD-FIR) and electronic panel contact (PVD-EPC) heating. They were operated at different drying values of heating panel temperatures (60, 65, and 70°C) with 15 and 2 min as the constant vacuum pressure and atmospheric pressure duration, respectively. Drying time for wolfberry dried by PVD-FIR was lower by 17–19% compared with that by PVD-EPC at the same drying temperature. The effective moisture diffusivity (Deff) determined by Weibull distribution model ranged from 3.72 × 10−10 to 6.59 × 10−10 m2/s and 3.34 × 10−10 to 6.88 × 10−10 m2/s for PVD-FIR and PVD-EPC, respectively. The drying activation energy was 54.30 and 68.59 kJ/mol for the samples dried by PVD-FIR and PVD-EPC, respectively. The color parameters L*, a*, and b* of wolfberry dried by PVD-FIR were higher than those dried by PVD-EPC. The product dried by PVD-FIR contained more vivid luster compared to that dried by PVD-EPC. The contents of aldehydes, esters, phenols, and the heterocyclic compound in PVD-FIR sample were higher than those in PVD-EPC samples. Additionally, the alcohols, ketones, and acid contents in PVD-FIR sample were lower than those in PVD-EPC sample. In summary, PVD-FIR is more suitable for wolfberry drying as it enhances drying rate and product’s quality compared with PVD-EPC.
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 ».