Kinetics of a thin‐layer microwave‐assisted infrared drying of lentil seeds
Notice bibliographique
Résumé
Abstract Herein, we report the drying kinetics behavior of tempered lentil seeds (CDC Maxim variety) by utilizing a microwave‐assisted infrared thermal method and thereby presenting a successful mathematical model for it. The drying characteristics of lentils using thin‐layer microwave drying with and without hot air predrying were evaluated in a laboratory scale microwave dryer. The drying experiments were carried out at 300 and 750 W, and the predrying experiment was performed at room temperature (23°C). Out of several thin‐layer mathematical models evaluated with the experimental data, Page model has been found the most appropriate model to predict drying process of lentils with high value of coefficient of determination (0.995), low values of chi‐square (0.0012), root mean square error (0.0343), and mean relative percentage error (4.9997). Further, the influence of bioyield force and changes in the particle density of processed seeds have also been evaluated in the present study. The results showed that combination of low infrared power (0.375 kW) to the different microwave power levels led to a significant reduction of drying time. The results also showed that processing of lentil seeds significantly reduces the bioyield force of raw seeds, providing less firmness to the product and thereby shortening the cooking time. The above findings can facilitate the design and operation of infrared‐assisted microwave drying of other legumes.
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 | 0,000 | 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 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 ».