Freezing of green peppers assisted by combined electromagnetic fields: Effects on juice loss, moisture distribution, and microstructure after thawing
Notice bibliographique
Résumé
Abstract The combination of electric and magnetic field assisted freezing has potential as a new means of improving the freeze–thaw quality of green peppers. In this work, the quality of the freeze–thawed product was assessed in terms of thawing juice loss, moisture profile, ascorbic acid content, antioxidant activity, flavor, and microstructure. Juice loss was reduced by 16%–68%, freezing time was shortened by 15%–26%, and the nutrient retention rate was higher in the physical field‐assisted case compared to the no‐physical field case. Interestingly, the combined freezing of the two physical fields showed better freezing results compared to a single electric or magnetic field, with juice loss reduced to 3.04%, retention of 82% of calcium ions, retention of ascorbic acid increased by 6%–15%. In addition, the content of hexenal and methyl salicylate and other aromatic substances increased, showing a good flavor quality such as increased umami. The results suggest that combined electric and magnetic field assisted freezing is better in improving the quality of frozen products and may be a potential alternative to freezing and thawing of fruits and vegetables. Practical application This research provides a simple and novel method for improving the speed and quality of frozen products. These steps combine electric and magnetic fields to explore, improve the quality of frozen products, but also provide a new idea for freezing research.
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 ».