Thermal properties of lentil and chickpea in relation to radio frequency heat treatment
Notice bibliographique
Résumé
Thermal properties of lentil (Lens culinaris) and chickpea (Cicer arietinum L.) were determined experimentally and with predictive mechanistic models as functions of temperature and moisture content (four levels). Thermal conductivity (k), specific heat (Cp), and density (ρ) of the samples were evaluated using a line heat source probe, differential scanning calorimeter (DSC), and pycnometer, respectively. Except for Cp which was measured at a temperature range of 30 to 90°C, other properties were measured at room temperature. Specific heat of the samples increased linearly with moisture content (MC) and temperature, ranging from 0.824 to 2.433 kJ/kg K and 0.444 to 2.067 kJ/kg K for lentil and chickpea, respectively. Thermal conductivity increased with MC in all samples with its values ranging from 0.161 to 0.191 W/m K for lentil and 0.160 to 0.227 W/m K for chickpea. However, thermal conductivity values of flours were higher at lower MC levels when compared to seeds at higher MC levels. Thermal diffusivity, (0.159 × 10−6 to 0.221 × 10−6 m2/s and 0.163 × 10−6 to 1.175 × 10−6 m2/s for lentil and chickpea flours, respectively) was calculated from known values of k, Cp, and density (ρ), with its values decreasing as the MC levels increased. Thermal properties data from our experiments did not fit into the components-based mechanistic models. Models generated in this study have good significance (p< .05 and R2 ≈ 1), meaning they can be used for prediction of these properties, as well as modeling and simulation of thermal behavior of pulses during conventional or radio frequency (RF) heating.
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 | 0,000 | 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) | 0,001 | 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 ».