Effects of Extrusion Processing on the Proximate Compositions of Aerial Yam (Dioscorea bulbifera)-soybean (Glycine max) Flour Blends Using Response Surface Methodology
Notice bibliographique
Résumé
The impact of extrusion process parameters on the proximate compositions of aerial yam (Dioscorea bulbifera)-soybean (Glycine max) flour blends was investigated with the help of a laboratory scale single-screw extruder, and the flour blending ratio of 25% aerial yam: 75% soybean. Response surface methodology based on Box-Behken design at three factors, five levels of barrel temperature (95, 100, 105, 110, and115℃ ), screw speed (85, 100, 115, 130, and145rpm) and feed moisture (31, 33, 35, 37, and 39%) were used in 20 runs. Adequate and significant (p< 0.05) regression models describing the effects of process parameters on the product quality attributes with high regression coefficient, R2≥ 0.9 were obtained, showing that the models can be used to navigate the design space. Results obtained showed that the proximate compositions ranged between 4.03± 0.002 and 5.90± 0.002% ash; 3.10± 0.001 and 7.02± 0.003% moisture content; 2.70± 0.001 and 4.67± 0.003% fibre; 24.57± 0.078 and 36.79± 0.004% protein; 11.39± 0.004 and 35.35± 0.011% lipid. The best extrusion condition combinations were 1150C barrel temperature, 115rpm screw speed and 35% feed moisture for ash content; 1000C barrel temperature, 130rpm screw speed and 33% feed moisture for moisture content; 1150C barrel temperature, 115rpm screw speed and 35% feed moisture for fibre content; 1050C barrel temperature, 145rpm screw speed and 35% feed moisture for protein content; 1050C barrel temperature, 85rpm screw speed and 35% feed moisture for lipids. Analysis of variance showed that only barrel temperature affected the ash composition significantly (p< 0.05). Barrel temperature, screw speed and feed moisture showed insignificant (p> 0.05) effect on moisture content, while fibre content was significantly (p< 0.05) affected by barrel temperature and screw speed. Protein and crude fat (lipid) contents were significantly (p< 0.05) affected by barrel temperature, screw speed and feed moisture.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 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 ».