Cryogenic Pretreatment Enhances Drying Rates in Whole Berries
Notice bibliographique
Résumé
The impact of cryogenic pretreatments on drying performance was studied in blueberries, seabuckthorn fruits and green grapes. The fruits were immersed in liquid nitrogen in 2 min freezing/thawing cycles (one to five). Untreated samples were used as the control. Drying experiments were carried out on treated and non-treated berries at 50 °C and 1 m/s (hot-air-drying), 50 °C and 25″ Hg vacuum (vacuum-drying), 30 mTorr total pressure and 25 °C shelf temperature (freeze-drying). The weight loss evolution of the foodstuffs was measured as a function of time. Microscopic (SEM and optical) determinations of the epicarp were performed. A visual inspection was performed and color changes and volume reductions were assessed before and after dehydration. The thickness of the berries' epicarp decreased between 20 and 50% (depending on the fruit) after 3-5 immersions in liquid N2. The drying kinetics was accelerated significantly for the three tested drying processes (i.e., drying time decreased from 48 to 16 h for blueberry freeze-drying). The best quality of dried berries was observed for pretreated blueberries after freeze-drying, keeping their volume, shape and color after the process. This work shows that "tailor-made" dried berry products with desired properties can be achieved and drying performance can be improved by the application of ultra-low temperature pretreatments.
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 ».