Electromagnetic, Air and Fat Frying of Plant Protein-Based Batter-Coated Foods
Notice bibliographique
Résumé
There is growing consumer and food industry interest in plant protein-based foods. However, quality evolution of plant protein-based meat analog (MA) is still a rarely studied subject. In this study, wheat and rice flour-based batter systems were used to coat plant protein-based MA, and were partially fried (at 180 °C, 1 min) in canola oil, subsequently frozen (at −18 °C) and stored for 7 days. Microwave heating (MH), infrared heating (IH), air frying (AF) and deep-fat frying (DFF) processes were employed on parfried frozen MA products, and their quality evolution was investigated. Results revealed that the fat content of MH-, IH- and AF-treated products was significantly (p < 0.05) lower than DFF-treated counterparts. Batter coatings reduced fat uptake in DFF of MA-based products. Both the batter formulations and cooking methods impacted the process parameters and quality attributes (cooking loss, moisture, texture, color) of MA-based coated food products. Moreover, the post-cooking stability of moisture and textural attributes of batter-coated MA-based products was impacted by both the batter formulations and cooking methods. Glass transition temperature (Tg) of MA-based products’ crust ranged from −20.0 °C to −23.1 °C, as determined with differential scanning calorimetry. ATR-FTIR spectroscopy and scanning electron microscopy analysis revealed that surface structural–chemical evolution of MA-based products was impacted by both the coating formulations and cooking methods. Overall, AF has been found as a suitable substitute for DFF in terms of studied quality attributes of meat analog-based coated products.
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 | 0,000 | 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) | 0,000 | 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 ».