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 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 ».