MétaCan
Menu
Retour à la cohorte
Enregistrement W2782885253 · doi:10.1080/10408398.2017.1420624

Recent developments in high efficient freeze-drying of fruits and vegetables assisted by microwave: A review

2018· review· en· W2782885253 sur OpenAlexaff
Kai Fan, Min Zhang, Arun S. Mujumdar

Notice bibliographique

RevueCritical Reviews in Food Science and Nutrition · 2018
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensMcGill UniversityWestern University
Organismes subventionnairesNational Key Research and Development Program of ChinaMinistry of Food and Drug Safety
Mots-clésProcess engineeringMicrowaveEnvironmental scienceCapital costMicrowave heatingFreeze-dryingUnit operationBiochemical engineeringComputer scienceEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Microwave heating has been applied in the drying of high-value solids as it affords a number of advantages, including shorter drying time and better product quality. Freeze-drying at cryogenic temperature and extremely low pressure provides the advantage of high product quality, but at very high capital and operating costs due partly to very long drying time. Freeze-drying coupled with a microwave heat source speeds up the drying rate and yields good quality products provided the operating unit is designed and operated to achieve the potential for an absence of hot spot developments. This review is a survey of recent developments in the modeling and experimental results on microwave-assisted freeze-drying (MFD) over the past decade. Owing to the high costs involved, so far all applications are limited to small-scale operations for the drying of high-value foods such as fruits and vegetables. In order to promote industrial-scale applications for a broader range of products further research and development efforts are needed to offset the current limitations of the process. The needs and opportunities for future research and developments are outlined.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,111
Tête enseignante GPT0,347
Écart entre enseignants0,237 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations157
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Food Science and NutritionMême sujetFood Drying and ModelingTravaux en français237 207