Effect of Different Frying Methods on Cooking Yield, Tenderness and Sensory Properties of Chicken Breast Meat
Notice bibliographique
Résumé
This paper focused on the effect of different frying methods on the quality of chicken breast meat. Fresh boned broiler chicken breast meat samples were purchased, frozen, sliced into dimensions. These samples were cooked by air frying (AF) and deep fat frying (DF) methods at 170°C, 180°C and 190°C for 4, 8, 12- and 16-min. Cooking yield and loss were assessed by weight changes before and after frying and tenderness changes were determined by measuring the compression force using instrumental texture profile analysis (TPA). The sensory acceptance and preferences were conducted on the samples by panel of judges. Cooking yield of fried chicken breast meat decreased significantly (p < 0.05) with increasing frying temperature and time. Air fried (AF) samples had higher mean cooking yield value of 59.26 % than DF method sample of 50.00%. Samples fried at lower frying times had significantly (p < 0.05) higher cooking yield compared with longer frying times. Cooking loss increased significantly (p < 0.05) with increasing frying temperature and time. Samples fried with hot air adopting AF method had lower average cooking loss (40.20%), fat content (6.62 %) and higher compression force (hardness) value (12.39 kg/F) than samples fried by DF method which had higher cooking loss (49.47 %) and lower compression force or hardness (12.18 kg/F) and higher fat content (11.88 %). Samples fried for 4 min had significantly (p < 0.05) the least value in cooking loss and tenderness, but 8 min fried samples had better sensory attributes than 4 min fried samples, which were pinkish colour in appearance and unappetizing to consumers. Air frying method with the best tenderness value (20.43 ± 1.15 Kg/F), while deep fat frying method-produced samples with its best tenderness value (18.89 ± 0.70 Kg/ F) at 170°C for 16 min. Sensory evaluation showed that DF products were moderately crispy (7.19) compared to AF products, which were slightly crispy (5.45). The interaction effect of frying method, frying temperature and frying time was significant for cooking yield, loss and tenderness. However, the overall interaction (frying method x frying temperature x frying time) was found to be significant in coking yield and loss, but not significant in tenderness.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».