MétaCan
Menu
Retour à la cohorte
Enregistrement W2791405309 · doi:10.1080/07373937.2018.1439503

Evaluation of strawberries dried by radio frequency energy

2018· article· en· W2791405309 sur OpenAlexfundno aff
Hao Jiang, Yingbin Shen, Luyao Zhen, Wenhao Li, Quan‐Guo Zhang

Notice bibliographique

RevueDrying Technology · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesChina Postdoctoral Science FoundationUniversity of British ColumbiaNational Natural Science Foundation of China
Mots-clésDielectric heatingRadio frequencyMicrowaveDielectricMaterials scienceChemistryPulp and paper industryOptoelectronicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Dielectric processing has recently attracted attention in both agriculture research and industry as an efficient heating/drying method. Dielectric processing includes drying by radio frequency (RF) and microwave drying (MW). The characteristics of RF dried strawberries were evaluated and compared to hot air drying (AD), freeze-drying (FD) and MW drying. Our results showed that dielectric drying was superior in terms of drying rate. The total drying time of MW and RF were 40 and 55 min, respectively, compared to 100 and 1,320 min for AD and FD, respectively. Compared to MW drying, RF drying offered better uniformity of temperature distribution and energy transformation. RF dried strawberries also had superior color compared to AD and MW, as well as greater retention of carotenoid, anthocyanins and total phenolics, the quality of RF dried samples was close to FD samples. SEM photos indicated RF dried samples showed better quality (smoother surface) than MW. Flavor analysis showed that all drying methods reduced aromatic substances.

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 Opus0,031
Tête enseignante GPT0,250
Écart entre enseignants0,219 · 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

Citations40
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetFood Drying and ModelingTravaux en français237 207