Three-Dimensional Characterization of Potatoes Under Different Drying Methods: Quality Optimization for Hybrid Drying Approach
Notice bibliographique
Résumé
The quality evaluation of processed potatoes is vital in the food industry. In this study, the effect of three different drying methods on the post-processing quality of potatoes utilizing 4, 8, 12, and 16 h of freeze drying (FD), infrared drying (ID), and oven drying (OD) was investigated. The impact of the drying methods on the potato’s microstructure was analyzed and quantified using 3D X-ray micro-computed tomography images. A new Hybrid Quality Score Evaluator (HQSE) was introduced and used to assess the Quality Index (QI) and Specific Energy Consumption Index (SECI) across various drying methods and durations. Mathematical models were developed to predict the optimal drying method. FD showed significantly higher (p < 0.05) colour retention, rehydration ratio, and total porosity, with minimal shrinkage, although it had higher energy consumption. ID had the shortest drying time, followed by OD and FD. The optimization showed that for FD, the optimal time of 5.78 h increased QI by 9.7% and SECI by 30.6%. The mathematical models could accurately predict the QI and SECI under different drying methods, balancing quality preservation with energy efficiency. The findings suggest that a hybrid drying system could optimize potato quality and energy consumption.
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) | 0,000 | 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 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 ».