Exploring conventional and emerging dehydration technologies for slurry/liquid food matrices and their impact on porosity of powders: A comprehensive review
Notice bibliographique
Résumé
The contribution of dehydration to the growing market of food powders from slurry/liquid matrices is inevitable. To overcome the challenges posed by conventional drying technologies, several innovative approaches have emerged. However, industrial implementation is limited due to insufficient information on the best-suited drying technologies for targeted products. Therefore, this review aimed to compare various conventional and emerging dehydration technologies (such as active freeze, supercritical, agitated thin-film, and vortex chamber drying) based on their fundamental principles, potential applications, and limitations. Additionally, this article reviewed the effects of drying technologies on porosity, which greatly influence the solubility, rehydration, and stability of powder. The comparison between different drying technologies enables informed decision-making in selecting the appropriate one. It was found that active freeze drying is effective in producing free-flowing powders, unlike conventional freeze drying. Vortex chamber drying could be considered a viable alternative to spray drying, requiring a compact chamber than the large tower needed for spray drying. Freeze-dried, spray freeze-dried, and foam mat-dried powders exhibit higher porosity than spray-dried ones, whereas supercritical drying produces nano-porous interconnected powders. Notably, several factors like glass transition temperature, drying technologies, particle aggregation, agglomeration, and sintering impact powder porosity. However, some binders, such as maltodextrin, sucrose, and lactose, could be applied in controlled agglomeration to enhance powder porosity. Further investigation on the effect of emerging technologies on powder properties and their commercial feasibility is required to discover their potential in liquid drying. Moreover, utilizing clean-label drying ingredients like dietary fibers, derived from agricultural waste, presents promising opportunities.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».