MétaCan
Menu
Retour à la cohorte
Enregistrement W4413816931 · doi:10.3390/pr13092773

Effects of Drying Methods on Drying Characteristics and Physicochemical Quality of Turnip Slices (Brassica rapa L.)

2025· article· en· W4413816931 sur OpenAlexaff
Fan Yang, Jing‐Shou Zhang, Arun S. Mujumdar, Parag Prakash Sutar, Xiaokang Yi, Xufeng Wang, Can Hu, Jiabao Ni, Hong‐Wei Xiao

Notice bibliographique

RevueProcesses · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Drying and Modeling
Établissements canadiensMcGill University
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésBrassica rapaBrassicaChemistryFreeze-dryingBotanyBiologyChromatography

Résumé

récupéré en direct d'OpenAlex

To identify the optimal drying methods for turnip slices, vacuum freeze-drying (VFD), air impingement drying (AID), infrared-assisted hot air drying (IR-HAD), and conventional hot air drying (HAD) were evaluated. The physicochemical properties of dried samples were comprehensively assessed under varied drying conditions. The results demonstrated that AID achieved the shortest drying time (240 min). At identical temperatures, AID samples exhibited significantly lower total color difference (ΔE) compared with IR-HAD and HAD, alongside superior retention of total phenols and enhanced antioxidant activity. VFD yielded the highest quality attributes, including optimal rehydration capacity, maximal phenol retention, and the strongest antioxidant activity (DPPH: 16.56 ± 0.26 μmol Trolox/g; FRAP: 13.99 ± 0.04 μmol Trolox/g). SEM analysis revealed that VFD produced a loose, porous microstructure, explaining its enhanced rehydration. Overall, both AID (efficiency) and VFD (quality) show promise for industrial turnip processing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,079
Score d'incertitude au seuil0,188

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,333
Écart entre enseignants0,304 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetFood Drying and ModelingTravaux en français237 207