MétaCan
Menu
Retour à la cohorte
Enregistrement W3036926152 · doi:10.21608/mjae.2018.96052

OPTIMIZATION OF STRAWBERRY DRYING PROCESS UNDER DIFFERENT PRETREATMENTS AND GEOMETRIES AT LOW TEMPERATURES

2018· article· en· W3036926152 sur OpenAlexaff
A. Ghaly, Abd El-Kader El-Nakib, H. AbdelMwla, Khaled Nagy, Ahmed I. Hassan

Notice bibliographique

RevueMisr journal of agricultural engineering · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Materials sciencePulp and paper industryProcess engineeringChemical engineeringComposite materialChemistryComputer scienceEngineeringProgramming language

Résumé

récupéré en direct d'OpenAlex

The drying kinetics of strawberry were investigated and optimized. They affected by the strawberry geometries and the drying temperature in addition to the pretreatments including the thermal treatments and osmotic dehydration. Three geometries (whole, halve and quarter), two thermal pretreatments (hot water and microwave), osmotic dehydration (sucrose + calcium chloride and glucose + calcium chloride) and three temperatures (40, 50 and 60°C) were evaluated. The initial moisture content of the fresh strawberry samples was varied between 93.4 and 77 % (w.b). The results indicated that thehalf that treated by sucrose, Whole that treated by sucrose and hot water (80 °C) for 10 sec and half that treated by glucose, microwave (1100 W) for 10 sec at 40ºC. Also, half that treated by glucose, whole that treated by sucrose and hot water (80 °C) for 10 sec and whole that treated by sucrose, microwave (1100 W) for 10 sec at 50ºC. The optimum conditions at the highest temperature 60 ºC were half that treated by sucrose, whole that treated by sucrose and hot water (80 °C) for 10 sec and whole that treated by sucrose, microwave (1100 W) for 10 sec.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

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 Opus0,009
Tête enseignante GPT0,198
Écart entre enseignants0,189 · 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 tête enseignante, 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMisr journal of agricultural engineeringMême sujetFood Drying and ModelingTravaux en français237 207