Influence of premilling thermal treatments of yellow peas, navy beans, and fava beans on the flavor and end‐product quality of tortillas and pitas
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
Abstract Background and Objectives Thermally pretreating pulses prior to milling has been successful in improving sensory properties of foods formulated with them. This research investigated the effect of pretreating yellow peas, navy beans, and fava beans using roasting and micronization and examined flour quality, end‐product quality, and sensory properties when the flours were used in tortilla and pita bread. Findings Tortillas and pitas made from flours of roasted pulses were generally darker in color. Micronizing was more successful at reducing bitter flavors in tortillas and bitter and beany flavors in pitas and had a greater impact on purchase intent scores. Conclusions Minimal effects on flour and end‐product quality were observed. Beany and bitter flavors in tortillas and pitas decreased when yellow peas and navy beans were thermally pretreated prior to milling. Flours milled from micronized navy beans and yellow peas resulted in higher purchase intent scores for tortillas and pitas, respectively. Significance and Novelty Thermal pretreatments had minimal effects on pulse flour quality and improved some sensory properties of the resulting tortillas and pitas. Identifying thermal pretreatments that can improve the sensory properties provides a greater opportunity for the use of pulse flours.
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 | 0,000 | 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 découle