MétaCan
Menu
Retour à la cohorte
Enregistrement W3195713694 · doi:10.20944/preprints202108.0464.v1

Rheological Study of an Extruded Fish Diet with the Addition of Hydrolyzed Protein Meal

2021· preprint· en· W3195713694 sur OpenAlexaff
José Luís Hoyos-Concha, Héctor Samuel Villada Castillo, Alejandro Fernández‐Quintero, Rodrigo Ortega‐Toro

Notice bibliographique

RevuePreprints.org · 2021
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Sciences
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésRheologyExtrusionShear thinningShear rateRheometerPlastics extrusionStarchMaterials scienceFood scienceViscosityApparent viscosityShearing (physics)HydrolysisComposite materialChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The extrusion of food for human and animal consumption is a unit operation that includes mixing, shearing and force to the materials related to the rheological properties of the materials in the extruder. The present work aims to study the rheological behavior of an extruded fish diet incorporating hydrolyzed protein flour processed by extrusion. The measurement was carried out online with a slit die rheometer, defining the rheological models and parameters that fit the process. During the extrusion process, the raw materials used were hydrolyzed protein meal, fish meal and cassava starch. For the results, the evaluated treatments were adjusted to the Power Law, where an increase in the shear rate decreases the viscosity of the material, corresponding to a pseudoplastic behavior. The incorporation of hydrolyzed protein flour presented a significant effect on the value of n and Klp, increasing the viscosity with the increase in the percentage of inclusion of HPH. The models obtained for the prediction of the viscosity are adjusted to the changes in shear rate, temperature and humidity of the system.

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 seuil0,004

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 recherche0,0000,001
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 Opus0,104
Tête enseignante GPT0,283
Écart entre enseignants0,179 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetAgricultural and Food SciencesTravaux en français237 207