Impact of pre-freezing and microwaves on drying behavior and terpenes in hops (Humulus lupulus)
Notice bibliographique
Résumé
Hop buds (Humulus lupulus) are paramount to beer bittering, flavoring, and microbiological stability. To optimize post-harvest processing, fresh and pre-frozen hops were subjected to freeze-drying, hot air and microwave-assisted hot air drying. Pre-freezing occurred at − 80°C, prior to drying at 35°C, 50°C, and 65°C, with different microwave power (0 W, 100 W and 200 W, where 0 W represented conventional hot air drying). Results show that hops drying kinetics can be described using the predictive Page and Logarithmic mathematical models. Obtained R2, SSE, and RMSE values ranged between 0.999 and 0.982, 0.035–0.001, and 0.058–0.004, respectively. Irrespective of the drying condition, pre-freezing reduced drying time by 0.17–85.9 %. Pre-freezing hop buds increases the effective moisture diffusion coefficient, and it increases with higher drying temperature and microwave power, ranging between 5.91 × 10−10 m2 s−1 and 2.43 × 10−7 m2 s−1. SEM analyses indicate that pre-freezing causes structural damage to lupulin glands. The average concentration of myrcene, limonene, caryophyllene, and humulene for fresh hops were 15.08 mg g−1, 0.27 mg g−1, 3.09 mg g−1, and 6.52 mg g−1 respectively. For the dried samples under the various conditions, the concentration ranged from 12.20 mg g−1 to 0.53 mg g−1 (myrcene), 0.26 mg g−1 to 0.12 mg g−1 (limonene), 1.49 mg g−1 to 0.31 mg g−1 (caryophyllene), and 2.69 mg g−1 to 0.52 mg g−1 (humulene). Results affirm that pre-freezing plant material prior to drying can shorten postharvest processing times, and this method can potentially be applied to other industrial crops. This study highlights the importance of controlled postharvest processing to ensure industrial crop quality.
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 | 0,002 | 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) | 0,000 | 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 ».