MétaCan
Menu
Retour à la cohorte
Enregistrement W3023371675 · doi:10.3390/su12093660

Novel Drying Methods for Sustainable Upcycling of Brewers’ Spent Grains as a Plant Protein Source

2020· article· en· W3023371675 sur OpenAlexaff
Anubhav Pratap‐Singh, Ronit Mandal, Maryam Shojaei, Anika Singh, Przemysław Łukasz Kowalczewski, Marta Ligaj, Jarosław Pawlicz, Maciej Jarzębski

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBrewingFood sciencePulp and paper industryVacuum dryingEnvironmental scienceWaste managementFreeze-dryingMaterials scienceProcess engineeringFermentationChemistryEngineeringChromatography

Résumé

récupéré en direct d'OpenAlex

Brewers’ spent grains (BSGs) are the most important by-product of the brewing industry and are rich in protein and fiber. However, abundant amounts of BSGs are discarded annually worldwide. This project aimed to employ and compare innovative drying techniques to introduce snacks with protein sources derived from leftover BSGs. This study explored the dehydration kinetics of BSGs and the effect of three different drying methods—oven drying (OD), freeze drying (FD), and vacuum microwave drying (VMD)—on their protein content and functionality. Then, an energy and exergy analysis for the drying methods was given. Accordingly, a snack product (baked chips) using the dehydrated BSGs was developed by a sensory panel study to assess consumer acceptability of the final products. It was found that the VMD process took less drying time (48 min) compared to OD (50 min), with higher effectiveness as a drying process. VMD-treated BSG also showed moderate protein functionality and the highest overall acceptability when used in baked chips. Thus, VMD might be used as a sustainable drying technology for thermal treatment and valorization of BSG. In addition to having implications for dietary health, findings can help improve the economy of the breweries and other industries that deal with the processing of grains by valorizing their process waste and contributing to sustainability.

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 enseignants0,001
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)0,0010,000

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 Opus0,046
Tête enseignante GPT0,315
Écart entre enseignants0,269 · 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

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetFood Drying and ModelingTravaux en français237 207