MétaCan
Menu
Retour à la cohorte
Enregistrement W4406788641 · doi:10.1016/j.lwt.2025.117429

Effects of triple-frequency orthogonal ultrasound-assisted freezing on the quality properties of large yellow croaker (Larimichthys crocea)

2025· article· en· W4406788641 sur OpenAlexaff
Weihao Yang, Zhilong Xu, Jun Mei, Jing Xie

Notice bibliographique

RevueLWT · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesNational Key Research and Development Program of ChinaAgriculture Research System of China
Mots-clésQuality (philosophy)FisheryBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Ultrasound-assisted freezing (UAF) is a new freezing technology that combines ultrasonic sound field with immersion freezing. The objective of this study was to investigate the effect of triple-frequency orthogonal ultrasound-assisted freezing (TOUAF) on the quality of large yellow croaker ( Larimichthys crocea ). The results showed that TOUAF at horizontal 20 and 28 kHz + vertical 40 kHz (TOUAF-20(H)28(H)40(V)) significantly increased the freezing rate, enhanced the water holding capacity (83.68%), and effectively minimized water migration. TOUAF-20(H)28(H)40(V) effectively reduced the TBA (0.084 mg MDA/kg) and TVB-N value (9.65 mg N/100 g), which improved the solubility of proteins, reduced the surface hydrophobicity, and effectively protected the structural integrity of proteins and reduced protein aggregation. It can effectively slow down lipid oxidation and protein degradation. The research showed that TOUAF could effectively slow down the quality degradation of frozen yellow croaker compared with horizontal multi-frequency ultrasound freezing which is more commonly used at present. • TOUAF combines multi-frequency UAF with orthogonal modes. • TOUAF significantly increases the freezing rate. • TOUAF improves the quality of frozen large yellow croaker. • TOUAF-20(H)28(H)40(V) reduces negative effects including thermal effects.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,178

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,272
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLWTMême sujetMeat and Animal Product QualityTravaux en français237 207