MétaCan
Menu
Retour à la cohorte
Enregistrement W2910965658 · doi:10.1111/jfpe.12989

Effects of different blowing agents on physical properties of extruded puffed snacks made from yellow pea and red lentil flours

2019· article· en· W2910965658 sur OpenAlexafffund
Elyssa Chan, Tuğrul M. Masatcioğlu, Filiz Köksel

Notice bibliographique

RevueJournal of Food Process Engineering · 2019
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesBoard of Research in Nuclear SciencesUniversity of Manitoba
Mots-clésDie swellExtrusionFood scienceBlowing agentPhysical propertyTexture (cosmology)ChemistryMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Pulse flours are nutritionally dense ingredients that can increase protein and fiber contents of extruded foods to create healthier snacks. However, extruding with such ingredients can deteriorate desirable physical properties such as expansion. The use of physical blowing agents (e.g., gases) can counter this. In this study, N2 and CO2 gases were used to investigate the impact of blowing agents on physical properties of red lentil and yellow pea extrudates. Microscopy imaging of extrudate cross‐sections showed increased number of cells brought about by gas injection. Some textural parameters, such as crunchiness, were positively affected by gas use regardless of pulse type, whereas others, such as bowl life, were a function of both pulse and gas type. The greatest changes in overall extrudate color and lightness were observed for red lentil with N2 gas injection. The use of physical blowing agents during food extrusion presents great potential in manipulating extrudate expansion, microstructure, texture, and color, with N2 gas well suited for red lentil extrudates in dry form and CO2 gas well suited for yellow pea extrudates in wet form. Practical applications Physical blowing agent‐assisted extrusion is a novel technology for the food industry's ability to control aerated food structure and texture. As such, the concentration and solubility of blowing agents may be manipulated to enhance the physical properties of high protein‐ and high fiber‐aerated foods, including ready‐to‐eat snacks, breakfast cereals, and gluten‐free products. The use of physical blowing agent‐assisted extrusion has tremendous potential for the development of nutritionally dense, plant‐based aerated foods with consumer appeal. The results obtained are useful for the food industry because incorporation of such food products into our daily diets, through processing them using innovative technologies, not only adds value to plants (e.g., pulses and cereals) but also has potential health, economic, and ecological benefits for the society.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: 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
Métarecherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,210
Écart entre enseignants0,200 · 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

Citations34
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Food Process EngineeringMême sujetFood composition and propertiesTravaux en français237 207