MétaCan
Menu
Retour à la cohorte
Enregistrement W4409838914 · doi:10.1016/j.eng.2025.04.014

Innovative Food Processing Technologies Promoting Efficient Utilization of Nutrients in Staple Food Crops

2025· article· en· W4409838914 sur OpenAlexaff
Yang Yuan, Xinyao Wei, Yuhong Mao, Yuxue Zheng, Ni He, Yuan Guo, Wu Ming, Joseph Dumpler, Bing Li, Xu Chen, Jianping Wu, Yongqi Tian, Jeyamkondan Subbiah, Shaoyun Wang

Notice bibliographique

RevueEngineering · 2025
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Key Research and Development Program of ChinaFujian Provincial Department of Science and Technology
Mots-clésStaple foodNutrientFood processingBiotechnologyAgricultural engineeringBusinessEnvironmental scienceFood scienceAgricultureEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

With the rapid growth of the global population and the increasing demand for healthier diets, improving the nutrient utilization efficiency of staple food crops has become a critical scientific and industrial challenge, prompting innovation in food processing technologies. This review introduces first the common nutritional challenges in the processing of staple food crops, followed by the comprehensive examination of research aiming to enhance the nutritional quality of staple food crop-based foods through innovative processing technologies, including microwave (MW), pulsed electric field (PEF), ultrasound, modern fermentation technology, and enzyme technology. Additionally, soybean processing is used as an example to underscore the importance of integrating innovative processing technologies for optimizing nutrient utilization in staple food crops. Although these innovative processing technologies have demonstrated a significant potential to improve nutrient utilization efficiency and enhance the overall nutritional profile of staple food crop-based food products, their current limitations must be acknowledged and addressed in future research. Fortunately, advancements in science and technology will facilitate progress in food processing, enabling both the improvement of existing techniques as well as the development of entirely novel methodologies. This work aims to enhance the understanding of food practitioners on the way processing technologies may optimize nutrient utilization, thereby fostering innovation in food processing research and synergistic multi-technological strategies, ultimately providing valuable references to address global food security challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), 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

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineeringMême sujetFood composition and propertiesTravaux en français237 207