Computer simulation analysis to improve radio frequency heating uniformity of multi-component rice samples by screening of sample structure
Notice bibliographique
Résumé
Ready to eat multi-component foods are getting increasingly popular in diet modern formulations, but requires an efficient reheating method that results in rapid and uniform heating of the designed food sample. In this study, a computer simulation model based on commercial COMSOL software was developed for the efficient operation of a custom-built small-scale 50 Ω radio frequency (RF) heating system. The reliability of the simulation model was first verified using RF heating of two types of single-component samples (cooked rice and sausage) at different electrode gaps. Subsequently, the pre-validated model was used to explore the heating effects of multi-component rice schemes with the same volume and different shapes. A relatively synchronized heating procedure was developed for the formulated sample with the transformation from cube to cylinder which was characterized by the migration of the relatively high and low temperature regions. The RF heating of a comprehensive sample structure design was simulated. The experimental results showed that a better heating uniformity (lower λ = 0.044) and relatively high energy efficiency ( η = 70.5%) were obtained in the verified IR30-ER40 scheme as compared to the two types of single-component cuboid samples. This study of controlling the absorption and utilization of RF energy in various parts (component and location) for the multi-component sample scheme with a systematic structure design can provide some useful guidance in improving heating uniformity of multi-component food products. • A computer model for an RF heating system was established for multi-component rice schemes. • More uniform heating was expected in sample shape transformation from cuboid to cylinder. • IR30-ER40 scheme was expected to have better RF heating uniformity, shorter process time, and higher energy efficiency. • Effective and feasible RF heating configuration for multi-component food could be obtained through a systematic study.
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) | 0,002 | 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 ».