MétaCan
Menu
Retour à la cohorte
Enregistrement W4319596418 · doi:10.3390/pr11020494

Microwave-Osmo-Dehydro-Freezing and Storage of Pineapple Titbits—Quality Advantage

2023· article· en· W4319596418 sur OpenAlexaff
Ghaidaa Alharaty, Hosahalli S. Ramaswamy

Notice bibliographique

RevueProcesses · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDehydrationOsmotic dehydrationChemistryMoistureCalciumFood scienceControl sampleCoatingSodiumCalcium alginateSodium alginateWater contentBiochemistry

Résumé

récupéré en direct d'OpenAlex

Osmotic dehydration is a pre-treatment given prior to finish drying or freezing preservation to improve quality and/or minimize the damaging effects on quality parameters, by partially reducing the moisture content of the sample. Pineapple titbits were partially dried using microwave assisted osmotic dehydration under continuous flow medium spray condition (MWODS) and then frozen with or without a sodium alginate–calcium chloride-based edible coating. The effects of MWODS pre-treatment and edible coating on the quality parameters of pineapple titbits frozen and stored at −20 °C for 10 and 50 days were evaluated after thawing. Both treatments (MWODS and alginate) resulted in superior quality products as compared to the control sample. MWODS, with its advantages over the conventional osmotic dehydration (COD) of rapid and higher moisture removal (16% in 10 min vs. 4 h in COD), while limiting solids gain (2.5% MWODS vs. 4.5% in COD), resulted in improved quality over the control during the frozen storage. The sodium alginate–calcium chloride edible coating treatment further reduced the drip loss in MW-osmo-dehydro-frozen pineapple titbits, possibly due to the effect of the calcium cross linked firming of the fruit texture. Both resulted in enhanced appearance, color and textural properties.

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 Opus0,048
Tête enseignante GPT0,281
Écart entre enseignants0,233 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207