Dehydration mechanisms in electrohydrodynamic drying of plant-based foods
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
Electrohydrodynamic drying (EHDD) is an energy-efficient and non-thermal technique for dehydrating heat-sensitive biological materials, like fruits, vegetables, or medicinal plants. Although this method has been studied for more than three decades, still little is known about the relative contribution of the different dehydration mechanisms in EHDD. An accurate understanding of the impact of the different EHD-driven mass transfer processes inside the food and its surrounding air is essential for a targeted future optimization and successful upscaling of EHDD technology. Examples of these dehydration mechanisms are convective moisture removal, electroporation of the cell membrane, or electro-osmotic flow in the fruit. In this modeling study, we first identify possible dehydration mechanisms for mass transfer during the EHDD process of plant-based food materials. Using available theoretical models, we then estimate the relative contribution of each dehydration mechanism to the overall mass transfer during the constant rate period and rank them based on their contribution. We show that convective dehydration by ionic wind is the dominant dehydration mechanism, with a contribution of about 93% to the overall water flux for a capillary-porous material. Cell-membrane electroporation is the second important driving force that increases the contribution of the transmembrane water flow to about 6.5% of the total mass flux in fruit tissue. The contribution of all the other water transport mechanisms is only 0.5%. These insights provide a stepping stone towards developing a full physics-based model of the dehydration process by EHD, including the falling rate period.
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 | 0,000 | 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 découle