Comparative analysis of different measurement techniques for assessing porous structure of food products dehydrated by several technologies
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
Several techniques are used to characterize the porous structure of dried foods, including helium pycnometry, mercury intrusion porosimetry (MIP), X-ray microtomography (micro-CT), and scanning electron microscopy. The strengths and weaknesses of each technique are critical to consider when selecting the appropriate one. Each method has strengths and limitations, yet discrepancies in measurements remain poorly understood. This study aimed to investigate the agreement and differences among these techniques in characterizing dried apples and pears dehydrated using hot air-drying (HAD), blast freeze-drying (BFD), and liquid nitrogen freeze-drying (FDN). The bulk density of freeze-dried apples and pears was approximately 0.14 and 0.18 g/ml, respectively, while HAD apples and pears averaged 0.54 g/ml and 1.12–1.29 g/ml. Particle densities measured by MIP and pycnometry were similar, but micro-CT produced different values. For HAD apples, porosity values were 62.3% (pycnometry), 59.6% (MIP), and 54.6% (micro-CT). For FDN pears, the values were 83.5%, 83.3%, and 70.9%, respectively, while for BFD pears, they were 86.1%, 86.0%, and 72.1%. The discrepancies in micro-CT results may stem from resolution limitations or image processing techniques. The findings of this study suggest that care should be taken when selecting and applying micro-CT to characterize dried food porous microstructures. To ensure the comprehensive characterization of dried food porosity, micro-CT should be combined with pycnometry or MIP. This combination provides a more accurate quantification of pore volume and size and a deeper and more reliable understanding of porous structures, leading to improved food quality, efficiency in production, and innovation in food processing technologies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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