Physicochemical, Rheological and Sensory Evaluation of Herbal Bread Containing Turmeric, Ginger, and Black Cumin Powder
Notice bibliographique
Résumé
The diversity in the global food market is expanding as thousands of new products enter the business every year, among which nutraceutical and functional foods hold important positions. The present research work aimed at the nutritional evaluation of three medicinal herbs, i.e., turmeric (Curcuma longa L.), ginger (Zingiber officinale), and black cumin (Nigella sativa). A bread formulation was enriched with the individual/combined supplementation (1–3%) of these herbs. Later, the bread was analyzed for nutritional, rheological, textural, and sensorial characteristics. The results revealed that the herbs improved the nutritional composition of bread, especially ash and fiber, as the maximum ash and fiber contents were noticed in T15 (2.0% dried powder of each plant) with values of 1.64 ± 0.04% and 4.63 ± 0.16%, respectively. The results regarding the rheological behavior showed minor variations in the rheological traits and a slight increase in dough development time up to 4.50 ± 0.20 min in T10 from 2.80 ± 0.13 min in T0. The sensorial attributes also indicated their marked suitability as external and internal characteristics were least affected by the addition of the herbs. Although some parameters like the crust and crumb colors were affected by the addition of black cumin, showing values of 6.25 ± 0.52 and 4.44 ± 0.19, respectively, in T15, and aroma characteristics were affected by the addition of ginger, supplementation with a combination of herbs at lower doses mitigated the adverse effects of other herbs. Moreover, shelf-life extension, especially with the addition of turmeric powder, was the hallmark of this research. This study concluded that medicinal herbs can be incorporated into baked products to improve the nutritional and sensorial attributes of functional herbal bread.
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 | 0,001 |
| 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 ».