Insights into Grain Milling and Fractionation Practices for Improved Food Sustainability with Emphasis on Wheat and Peas
Notice bibliographique
Résumé
Cereal grains and pulses are staple foods worldwide, being the primary supply of energy, protein, and fiber in human diets. The current practice of milling and fractionation yields large quantities of byproducts and waste, which are largely downgraded and end up as animal feeds or fertilizers. This adversely affects food security and the environment, and definitely implies an urgent need for a sustainable grain processing system to rectify the current issues, particularly the management of waste and excessive use of water and energy. The current review intends to discuss the limitations and flaws of the existing practice of grain milling and fractionation, along with potential solutions to make it more sustainable, with an emphasis on wheat and peas as common fractionation crops. This review discusses a proposed sustainable grain processing system for the fractionation of wheat or peas into flour, protein, starch, and value-added components. The proposed system is a hybrid model that combines dry and wet fractionation processes in conjunction with the implementation of three principles, namely, integration, recycling, and upcycling, to improve component separation efficiency and value addition and minimize grain milling waste. The three principles are critical in making grain processing more efficient in terms of the management of waste and resources. Overall, this review provides potential solutions for how to make the grain processing system more sustainable.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».