Prediction of pea composites physicochemical traits and techno-functionalities using FTIR spectroscopy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aimed to test the feasibility of applying FTIR spectroscopy in order to create models that can predict quality attributes of pea composites. FTIR spectroscopy data were captured from three types of samples namely pea flour (PF), pea concentrate (PC) and pea isolate (PI). The FTIR spectral data along with partial least square (PLS) regression were used to build predictive models for physicochemical (moisture content, protein content, starch content, fiber content, bulk density, color), structural (particle size distribution, surface openings, fractal dimension), thermal (denaturization temperature, enthalpy), and techno-functional traits (water holding capacity, foaming capacity, foam stability, solubility, least gelation concentration) of pea composites. The FTIR spectra were subjected to different spectral pretreatment where 2nd derivative pretreatment provided the most suitable model for prediction of the studied parameters. The values of pea composite's traits determined through non-destructive FTIR spectroscopy coupled with partial least squares regression analysis, were very closed to the values obtained by the destructive standard methods. Performance (correlation, root mean square error) of the developed models were attribute-specific. For most of the studied attributes, correlation coefficient (r) were higher than 0.82 in the calibration step, and 0.71 in the prediction step. Pea composites have shown distinctive functionalities both as individual entity and in formulating meat analogs. Overall, it could be recommended that FTIR spectroscopy could be used in pea processing industry for developing robust models, to non-destructively assess the pea composite's properties and techno-functionalities. • Physicochemical characteristics of pea composites vary between types (flour, concentrate, isolate). • Physicochemical and techno-functional properties were predicted using FTIR spectra coupled with PLS-R analysis. • Water-oil holding capacity, solubility, foaming capacity-stability, and least gelation concentration of peas were modeled. • Pea composites are capable to develop heat-induced meat analogs.
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.
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 découle