Influence of hydrocolloids and flours on acoustic-mechanical and microstructural properties of battered deep-fat fried meat
Notice bibliographique
Résumé
Abstract This study investigated the influence of hydrocolloid–flour mixtures on textural, structural, oil absorption and optical characteristics of batter-coated fried meat. The batter coatings were formulated with corn, wheat and rice flours along with different hydrocolloids (methylcellulose, carboxyl methylcellulose, xanthan gum, locust bean gum, gum arabic). Textural and structural properties were assessed by acoustic-mechanical and scanning electron microscopy, respectively. Results showed that the addition of hydrocolloids improved crispiness and reduced oil content in fried products. Comparative performances of the hydrocolloids in improving crispiness were in decreasing order as gum arabic > locust bean > xanthan gum > carboxyl methylcellulose > methylcellulose. Textural properties of the hydrocolloids were interwoven with the flour type, where corn flour demonstrating better crispiness than wheat and rice flours. The crispiness of hydrocolloids added batter increased up to seven times than the control samples. The hydrocolloids were found to significantly influence (P ≤ 0.05) the appearance of battered meat formulated with corn and wheat flours. Hydrocolloids showed prominent effect on wheat flour-based batter in terms of average pore area, whereas highest impact on corn flour regarding the number of pores formed.
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 ».