Effect of Extrusion Conditions on the Characteristics of Texturized Vegetable Protein from a Faba Bean Protein Mix and Its Application in Vegan and Hybrid Burgers
Notice bibliographique
Résumé
The aim of this study was to produce texturized vegetable proteins (TVPs) from faba bean protein via low-moisture extrusion. The effect of extrusion variables including temperature (110, 125, and 140 °C at the die), feed moisture content (30, 35, and 40%), and screw speed (200, 300, and 400 rpm) on the TVP properties were investigated. An increase in feed moisture content or extruder temperature reduced the specific mechanical energy and torque by 40-45% during extrusion. An increase in feed moisture created TVPs with lower bulk densities and rehydration ratios while an increase in extruder temperature or screw speed increased the bulk density of the TVPs. An increase in screw speed also caused a decrease in the water holding capacity of the milled TVP flours. The TVP flours had a 33-70% higher oil holding capacity than the raw material. The texture profile showed that an increase in feed moisture influenced TVP hardness, gumminess, and chewiness with higher values compared to the treatments with lower moisture contents. Springiness, cohesiveness, and resilience were more affected by a change in screw speed with higher values at 200 rpm. The best parameters were selected (125 °C, 40% MC, 300 rpm) to produce TVP to use as a partial (hybrid burger) and complete (vegan burger) replacement of beef in a burger patty. The replacement of 25% beef with TVPs in a hybrid burger increased the cooking yield and moisture retention and decreased the thickness and diameter change compared to the beef burger without TVPs. In a vegan formulation, the faba bean TVP burger had lower cooking yield and moisture retention than commercial 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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».