MétaCan
Menu
Retour à la cohorte
Enregistrement W4223653536 · doi:10.1080/07373937.2022.2049294

Hot-air impingement roast drying of beef jerky: Effect of relative humidity on quality attributes

2022· article· en· W4223653536 sur OpenAlexaff
Wenkai Zhang, Chunjiang Zhang, Biao Qi, Arun S. Mujumdar, Long Xie, Hui Wang, Jiabao Ni, Hong‐Wei Xiao

Notice bibliographique

RevueDrying Technology · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensMcGill University
Organismes subventionnairesNational Defense Science and Technology Innovation Fund of the Chinese Academy of SciencesNational Key Research and Development Program of China
Mots-clésRelative humidityHumidityQuality (philosophy)Environmental scienceFood scienceFood qualityWaste managementChemistryMeteorologyEngineering

Résumé

récupéré en direct d'OpenAlex

To mitigate encrustation of beef jerky and improve quality during hot-air impingement roast drying (HIRD) process, the effect of different relative humidity (RH) conditions (NO (about 2.3%), 10%, 15%, 20%) at a constant roast drying temperature of 120 °C on “encrustation” thickness, cooking yield, microstructure, tenderness, color, myoglobin, lipid oxidation, flavor and sensory quality of beef jerky were explored. Results indicate that improving RH decreased the “encrustation” thickness of beef jerky significantly (p < 0.05) as the moisture distributed more evenly shown by magnetic resonance imaging analysis. Microstructure observation showed that the number of gaps between muscle bundles decreased and muscle bundles become plumper at both cores and edges of beef jerky with an increase of RH. Meanwhile, humidification could improve the color quality of beef jerky, decline the content of malondialdehyde (MDA) as well as enhance the flavor of beef jerky. The findings in this work indicate that humidification enhances the quality of beef jerky by alleviating surface encrustation, improving color, reducing lipid oxidation, and enhancing roast drying flavor during HIRD processing.

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 seuil0,003

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 recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,291
Écart entre enseignants0,242 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetMeat and Animal Product QualityTravaux en français237 207