Electrohydrodynamic drying: Can we scale-up the technology to make dried fruits and vegetables more nutritious and appealing?
Notice bibliographique
Résumé
Electrohydrodynamic (EHD) drying is a promising technology to better preserve the nutritional content and sensory appeal of dried fruits and vegetables. To successfully scale up this technology, we need to rethink the current EHD dryer designs. There is also a significant potential to further enhance the nutritional content and sensory quality of the dried products by optimizing EHD process parameters. This study particularly highlights the current bottlenecks in scaling up the technology and in improving nutrient retention and sensory appeal of the dried products. We discuss plausible future pathways to further develop the technology to produce highly nutritious dried products. Concerning the nutritional content, we show that EHD drying preserves vitamins, carotenes, and antioxidants significantly better than hot-air convective drying. From the sensory perspective, we show that EHD drying enhances the color of dried products, as well as their general appearance. With respect to scalability, we show that placing the fruit on a grounded mesh electrode dries the fruit much faster and more uniformly than the grounded plate electrode. Future research should be directed towards simultaneous measurements of multiple food nutrients and sensory properties during EHD drying with a grounded mesh collector. Quantifying the impact of the food loading density on drying kinetics and energy consumption of the EHD drying process should also be a future research goal. This study gives promising insight towards developing a scalable non-thermal drying technology, tailored to the requirements of the current and future society.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».