3D/4D printed super reconstructed foods: Characteristics, research progress, and prospects
Notice bibliographique
Résumé
Super reconstructed foods (SRFs) have characteristics beyond those of real system in terms of nutrition, texture, appearance, and other properties. As 3D/4D food printing technology continues to be improved in recent years, this layered manufacturing/additive manufacturing preparation technology based on food reconstruction has made it possible to continuously develop large-scale manufacture of SRFs. Compared with the traditional reconstructed foods, SRFs prepared using 3D/4D printing technologies are discussed comprehensively in this review. To meet the requirements of customers in terms of nutrition or other characteristics, multi-processing technologies are being combined with 3D/4D printing. Aspects of printing inks, product quality parameters, and recent progress in SRFs based on 3D/4D printing are assessed systematically and discussed critically. The potential for 3D/4D printed SRFs and the need for further research and developments in this area are presented and discussed critically. In addition to the natural materials which were initially suitable for 3D/4D printing, other derivative components have already been applied, which include hydrogels, polysaccharide-based materials, protein-based materials, and smart materials with distinctive characteristics. SRFs based on 3D/4D printing can retain the characteristics of deconstruction and reconstruction while also exhibiting quality parameters beyond those of the original material systems, such as variable rheological properties, on-demand texture, essential printability, improved microstructure, improved nutrition, and more appealing appearance. SRFs with 3D/4D printing are already widely used in foods such as simulated foods, staple foods, fermented foods, foods for people with special dietary needs, and foods made from food processingbyproducts.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».