MétaCan
Menu
Retour à la cohorte
Enregistrement W4396813253 · doi:10.1080/07373937.2024.2345120

Intensification of atmospheric freeze drying for thin food slices with impinging jet

2024· article· en· W4396813253 sur OpenAlexaff
Yiran Xu, Anarghya Ananda Murthy, Siew Young Quek, Alberto Baldelli, Anubhav Pratap‐Singh, Meng Wai Woo

Notice bibliographique

RevueDrying Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueFreezing and Crystallization Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésJet (fluid)Environmental scienceMaterials scienceAtmospheric sciencesMeteorologyMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Atmospheric freeze drying obviates the complexities and costs of maintaining a high vacuum for freeze drying. One of the main drawbacks of atmospheric freeze drying is the low sublimation rate, which is restricted by drying temperatures possible at ambient pressure to prevent food products from softening during dehydration. There is a strong need to intensify the process to reduce the total drying time. This study evaluated the feasibility of using impinging jets to enhance the mass transfer characteristics of the atmospheric freeze drying process. Atmospheric freeze drying experiments on thin lamb slices between −3 to −7 °C showed that the impinging jet configuration has a significant effect in improving the rate of mass transfer flux compared to the conventional cross-flow configuration. This was consistent across different thicknesses of the lamb slices, which would have presented different degrees of internal resistance to mass transfer. Given the amount of non-frozen water in the lamb slices at the drying temperature range evaluated, a scheduled switch from cold air atmospheric freeze drying to a mild hot air drying condition was explored. This strategy enhanced the removal of the remaining water content in the lamb slices, mainly the non-frozen water.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,205
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrying TechnologyMême sujetFreezing and Crystallization ProcessesTravaux en français237 207