Impact of milling on the functional and physicochemical properties of green lentil and yellow pea flours
Notice bibliographique
Résumé
Abstract Background and objectives Pulse flours with different particle sizes are available for food production. The effect of varying milling techniques on the quality characteristics of green lentil (GL) and yellow pea (YP) flours was investigated. Findings Using a Ferkar mill (one‐step vertical knife mill) caused wider distribution and bigger particle size in all flours than milling with a roller mill. The highest starch damage (3%), starch content (57%), but lowest protein content (22%) were found in YP break flours produced by roller milling. Foaming stability of pulse flours decreased to 51%–71% after 120 min. Lowest viscosities were determined in Ferkar milled flours during pasting. There was no difference in protein strength of GL flours; however, starch gelatinization was found the highest in Ferkar milled flours. In vitro starch digestibility and in vitro protein digestibility‐corrected amino acid score were not affected from milling type within each pulse type. Conclusion Different flour streams and different milling technologies caused changes in various flour characteristics. However, the particle size of roller mill flours was similar in each pulse type. Significance and novelty The obtained results are a crucial step in better understanding the functional properties and possible food applications of pulse flours according to different milling streams and particle sizes.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».