Effect of Postharvest Practices (Sorting & De-hulling) on Total Mineral (Ash), Zinc and Iron Contents of Chickpea and Faba Bean Flours
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: Various factors influence utilization and nutrient content of pulses including preharvest and postharvest practices. Pulses are usually exposed to postharvest practices (harvesting, cleaning, sorting, drying, de-hulling, processing). The effect of these practices on the micronutrient content is still less studied. Understanding the influence of postharvest practices on micronutrient content will help to consider further food processing and other intervention methods. Methods: In this study chickpea (local and improved variety) and faba bean (local variety) were considered. The samples were exposed to sorting and de-hulling practices in laboratory. Sorting was done manually, while de-hulling was done with impact de-huller machine. Treated samples were milled in hammer miller and flour samples were analyzed for contents of ash (total mineral), zinc (Zn) and Iron (Fe). Results: The result showed that Zn and Fe contents of local chickpea, improved chickpea and faba bean were significantly different (p<0.05). Faba bean was higher in Zn and Chickpea was higher in Fe. There was no statistical difference in ash contents. The postharvest practices influenced the Fe content of improved chickpea and ash content of local chickpea. Sorting followed by de-hulling and de-hulling have reduced Fe content of improved chickpea and ash content of local chickpea. Conclusions: During formulation, processing and preparation of pulse based foods, less intensive
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle