Effect of infrared heating on the functional properties of yellow pea and green lentil flours
Notice bibliographique
Résumé
Abstract Background and Objectives Value‐added utilization of pulse flours faces challenges related to their functionality in many food applications. The present research assessed the use of infrared heating (120°C vs. 140°C) tempered (20% vs. 30% moisture) green lentil and yellow pea seeds as a means of tailoring their functional properties. Findings Some flour functionalities were mildly affected by processing and, in most cases, were correlated with protein surface hydrophobicity and damaged starch content. Solubility at pH 5 was relatively unchanged in response to processing, while the values were slightly lowered at pH 7. The water (WHC) and oil holding capacities (OHC) improved, although OHC tended to decline as heating temperatures increased. Both pulses had poor foaming capacities but high foaming stabilities that remained constant after processing. The highest emulsion activity (EA) for pea was with the 120°C and 30% moisture treatment whereas for lentil it was with 120°C and 20% moisture; the emulsion capacity declined after all treatments. Conclusions Select conditions of infrared heating coupled with tempering of pulse seeds before milling can modestly improve the flour's EA, WHC, or OHC. Significance and Novelty Yellow pea and green lentil flours from infrared pretreated seeds can now be more easily formulated into applications based on their functional 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 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 ».