Recent advances in microstructure characterization of fried foods: Different frying techniques and process modeling
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
Background Due to the increasing trend in consumer habits to use healthy food products with low fat content, reduction of oil uptake during different frying processes is necessary. Recent studies have clearly revealed that microstructural changes occurred during frying operations significantly impact oil uptake. These variations are assessed for better comprehension of the mechanisms involved in oil absorption of fried products to minimize oil uptake without sacrificing organoleptic and textural properties of the foods. Different strategies such as state-of-the-art computational simulations based on numerical analysis of simultaneous momentum, heat and mass transfer modeling during frying have been attempted by several researchers to better control the process. Scope and approach This review paper presents a comprehensive and up-to-date review of microstructure variations covering all existing methods of frying operations comprising deep-fat frying, vacuum frying, hot-air frying, non-fat frying and microwave frying together with post-frying treatments and process modeling of frying. Key findings and conclusions Oil uptake can be controlled during frying by proper process design regarding different products and frying operations. Textural and organoleptic characteristics of fried foods are affected by applying various frying processes. Microstructural changes and post-frying treatments influence oil uptake during frying. In addition, suitable design and optimization of frying using process modeling is important to produce fried food products with high quality.
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 | 0,001 | 0,003 |
| 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