Electrohydrodynamic drying: Can we scale‐up the technology to make dried fruits and vegetables more nutritious and appealing?
Notice bibliographique
Résumé
Electrohydrodynamic (EHD) drying is a promising technology to better preserve the nutritional content and sensory appeal of dried fruits and vegetables. To successfully scale up this technology, we need to rethink the current EHD dryer designs. There is also a significant potential to further enhance the nutritional content and sensory quality of the dried products by optimizing EHD process parameters. This study particularly highlights the current bottlenecks in scaling up the technology and improving nutrient retention and sensory appeal of the dried products. We discuss plausible future pathways to further develop the technology to produce highly nutritious dried products. Particular emphasis has been given to quantifying the residual nutritional and sensory properties of EHD dried products, and possible EHD dryer configurations for farmers and the industry. Concerning the nutritional content, EHD drying preserves vitamins, carotenes, and antioxidants significantly better than convective air drying. From the sensory perspective, EHD drying enhances the color of dried products, as well as their general appearance. With respect to scalability, placing the fruit on a grounded mesh electrode dries the fruit much faster and more uniformly than the grounded plate electrode. Future research should be directed toward simultaneous measurements of multiple food nutrients and sensory properties during EHD drying with a grounded mesh collector. Quantifying the impact of the food loading density on drying kinetics and energy consumption of the EHD drying process should also be a future research goal. Research comparing EHD drying with commercially available drying methods such as freeze-drying, microwave-drying, and infrared drying should also be carried out. This study gives promising insight toward developing a scalable novel thermal drying technology tailored to the requirements of the current and future society.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».