Effect of Cooking Conditions on Cooking Yield, Juiciness, Instrumental and Sensory Texture Properties of Chicken Breast Meat
Notice bibliographique
Résumé
The aim of the research was to investigate the effect of baking and grilling temperatures and times on quality characteristics of chicken breast meat. Eight packs of Industrial skinless chicken breast meat samples were purchased, frozen and sliced into dimensions, thawed and cooked by baking (BK) and grilling (GR) at 170, 180 and 190 oC for 0, 4, 8, 12 and 16 min. The cooking yield and loss were assessed by weight changes before and after cooking, juiciness, instrumental and sensory texture changes were investigated using 3 x 2 x 5 factorial experiment in complete randomized design (CRD). Relationships between changes in instrumental and sensory textures were evaluated. The cooking yield decreased significantly (p <0.05) and ranged from 67.99% to 70.90%, while cooking losses increased significantly (p <0.05) and ranged from 28.71% to 31.48%. Cooking decreased significantly (p < 0.05) mechanical properties of juiciness from 41.65% to 24.53%, but increased significantly (p < 0.05) hardness of chicken breast meat from 6.79 N to 11.33 N. The sensory texture showed that samples cooked by BK had higher textural score of 4.72 than GR with 4.52, but both cooking methods were rated neither crispy nor soft by the panelists. It was found that instrumental texture correlated positively with sensory texture in cooked chicken breast meat while sensory texture reversed with instrumental texture with respect to cooking parameters. Considering the overall quality indices evaluated, baking is the best cooking method at 170 oC for 8 min.
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 | 0,001 |
| 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 ».