Recent Advances of Liquid Nitrogen Freezing for Improving the Freezing Efficiency and Physicochemical Quality of Food and Agricultural Products: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Freezing is a common method used to extend the shelf life of foods and freshly harvested agricultural products. Owing to the ultralow temperature (about −80 to −196℃) and large amount of heat absorbed during evaporation, liquid nitrogen freezing (LNF) can promote the formation of lots of ice nuclei, thereby generating fine intracellular ice crystals and preserving more microstructure and nutritional quality of products. It is reported that the processing efficiency is increased by 3 to 300 times and the capital investment is cut by three-quarters by LNF as compared to conventional air freezing (AF) whereas the running cost is doubled, showing a good prospect of the industrial application of LNF. Emphasis is placed on elaborating the merits, drawbacks, and application scopes for different products, such as meat and fruits. The influencing factors during processing conditions on the freezing curves, ice crystal size, and physicochemical properties are delineated along with the strategies for enhancing the product quality. To foster the systematical research and industrial application of LNF, further efforts should concentrate on developing a comprehensive scheme for achieving precise temperature control, conducting an in-depth investigation into the mechanism of LNF, and evaluating the commercial viability of both LNIF and LNSF.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle