Assessing textural changes of breaded deep-fat fried chicken nuggets during post-frying holdings under infrared heat-lamp using acoustic-mechanical techniques
Notice bibliographique
Résumé
Abstract Texture is a multi-parameter attribute and one of the prime quality attributes of fried products. This study examined the influence of post-frying holdings under a heat lamp on the texture of breaded fried chicken nuggets. Chicken nuggets were deep-fat fried (2, 4, 6, and 8 min) in canola oil at 180 °C. The fried samples were kept under an infrared heat lamp for up to 1 h, and the textural characteristics were compared with samples not exposed to post-frying holdings. Textural characteristics were analysed through mechanical-acoustic approach. The mechanical-acoustic parameters related to crispiness analysed included maximum force (Fmax, N), number of force peaks (NFP), the area under force-deformation curves (AF, N.sec), sound pressure level (SPL, dB), number of sound peaks (AUX) and the area under the amplitude-time plots (AS, dB.sec). The mechanical parameters (Fmax: 19.11–48.96 N; NFP: 5–40; AF: 43–135 N.sec) of chicken nuggets increased with frying time, and these attributes were decreased during post-frying holding. Similarly, acoustic parameters (SPL: 64.75–90.67 dB; AUX: 180–795; AS: 63–98 dB.sec) of chicken nuggets increased with frying time, and these attributes were decreased during post-frying holding. Considering the studied parameters, 6 min of frying was found as optimal frying time. However, the post-frying infrared heat lamp treatment affected the mechanical textural parametres more than the acoustic parameters. Findings from this study will be useful to food industries in optimising textural retention during post-frying heat lamp holdings of fried products.
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 | 0,001 |
| 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 ».