Optimisation of a process for cocoa-based vermicelli
Notice bibliographique
Résumé
Due to its health promoting properties owing to a high phenolic content and sensory acceptability, cocoa has gained interest as an additive of choice in many food products. The purpose of this study was to incorporate cocoa powder (CP) in vermicelli. Different proportions of cocoa powder (5, 10, 15 and 20%) were prepared by mixing it into a blend of wheat flour and rice flour (60:40) as base ingredients. The quality parameters, including nutritional characteristics, antioxidant activity, cooking and functional properties, and sensory acceptability, were studied. The nutritional profiling showed a significant (p < 0.05) increase in the protein, fat, ash, and carbohydrate alongside a significiant decrease in the moisture content. Similarly, an antioxidant activity increased significantly at p < 0.05, with the increase of cocoa powder concentration. It can be concluded that vermicelli with the 10% cocoa powder incorporated was the best treatment since it was rated as the highest in overall acceptability compared to the other formulations. The bulk density, cooked weight, cooking time, gruel solid loss, and water absorption capacity of samples with 10% cocoa powder were 0.714 g/cm3, 11.56 g, 7.21 min, 0.47 g/100 g, and 146%, respectively. The energy value of the optimised cocoa-based vermicelli was 375 kcal/100g of sample.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».