MétaCan
Menu
Retour à la cohorte
Enregistrement W3197894042 · doi:10.1111/jfpe.13850

Biochemically assisted rice whitening for improving head rice yield

2021· article· en· W3197894042 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Food Process Engineering · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBroken riceYield (engineering)CakingMathematicsBrown ricePulp and paper industryRed riceAgronomyChemistryFood scienceAgricultural engineeringEnvironmental scienceMaterials scienceBiologyComposite materialEngineeringRaw materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The maximum attainable head rice yield in conventional long grain rice milling is approximately 64%, with around 15% being lost as a result of broken rice kernels. The primary objective of this project was, therefore, to improve the milling yield. To achieve this goal, biochemically assisted whitening processes involving the application of different aqueous solutions were evaluated. Head rice yield was increased for all tested liquids (3.3–3.8% depending on liquid) for Gladio‐type brown rice treated with 0.5% liquid prior to whitening to 40 Kett using a lab‐scale horizontal friction‐type McGill whitener. However, the moistening led to increased caking in the McGill milling chamber. In comparative trials, the use of moistening solutions containing enzymes, sorbit, or sodium chloride instead of pure water delivered a slightly, but nevertheless, significantly higher degree of whiteness directly after milling while it did not result in a significant reduction in the number of broken kernels. Since average head rice yield has a 43% higher commercial value than broken kernels, the 3.6% improvement in milling yield achieved by adding 0.5% water would result in an estimated increase in profit for a 7.5 t/h rice mill of 0.83%. Practical applications Rice as a global staple food bears a critical role in human nutrition. At the same time, the quality of milled rice is a key buying and price criterion in rice‐consuming countries. One key quality criterion is the number of brokens in rice. Hence, it is critical for rice millers to minimize the degree of broken kernels. Biochemically assisted rice whitening for improving head rice yield is a combined biochemical and physical method to facilitate bran removal from brown rice. The main aim of the present study was to investigate the effect of biochemically assisted rice whitening on the number of brokens and to assess potential technological challenges resulting from the liquid addition.

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 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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,229 · 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