MétaCan
Menu
Retour à la cohorte
Enregistrement W2951469528 · doi:10.5539/jas.v11n9p203

Study on Drying of Black Rice (Oryza sativa L.) Grains: Physical-Chemical and Bioactive Quality

2019· article· en· W2951469528 sur OpenAlexvenueno aff
Newton Carlos Santos, W. P. Silva, Sâmela Leal Barros, A. J. de B. Araújo, Josivanda Palmeira Gomes, Raphael Lucas Jacinto Almeida, Amanda Priscila Silva Nascimento, R. D. Almeida, Alexandre José de Melo Queiroz, Rossana Maria Feitosa de Figueirêdo

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThermal diffusivityChemistryBiot numberMass transferMoistureWater contentWater activityFood scienceThermodynamicsChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The present study aimed to assess the drying kinetics of black rice and fit different mathematical models (empirical and diffusive) to the experimental data, and evaluate the effect of drying air temperature on the physical-chemical and bioactive compounds quality of black rice. Drying air temperatures ranged from 40 to 80 ºC and the drying air speed was 1.5 m/s. Physical-chemical characterization of the product was based on the following parameters: moisture, water activity, ashes, total protein content, pH, total acidity, lipids, total carbohydrates, total anthocyanins, flavonoids, total phenolic compounds and antioxidant activity. Among the empirical models, Page showed the lowest mean squared deviations (MSD) and highest coefficients of determination (R2). For the diffusion model, the values of effective mass diffusivity and convective heat transfer coefficient increased with increasing drying air temperature, and the Biot number indicated that the first-type boundary condition would also describe well the drying process. Physical-chemical parameters and bioactive compounds differed between the temperatures used, and the temperature of 60 ºC led to the best relationship between drying time and preservation of product characteristics.

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 enseignants0,002
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)0,0000,000

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 Opus0,044
Tête enseignante GPT0,297
Écart entre enseignants0,253 · 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

Citations29
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetFood Drying and ModelingTravaux en français237 207