Effect of Heat Pretreatment on Freeze Drying of Tilapia Meat
Notice bibliographique
Résumé
In order to improve the drying rate and rehydration of tilapia meat, the freeze-drying characteristics and quality changes of blanched or steamed fish meat were analyzed. The effect of heat pretreatment on the quality of freeze-dried fish meat was elucidated by considering the denaturation degree of myofibrillar protein, water distribution and microstructural changes in fish meat during the drying process. The results showed that heat pretreatment could effectively improve the drying rate of tilapia meat, shortening the drying time by nine hours compared with the control group; blanching was more effective than steaming. The rehydration temperature range for tilapia meat was expanded by heat pretreatment, and good rehydration was observed at 50–80 ℃. The rehydration temperature for the control samples was 80 ℃, and the rehydration rate of the 10 min heat treatment group was more than 60%, indicating that the dried product can be rapidly rehydrated. The hardness of the rehydrated fish meat was similar to that of cooked fresh fish meat, and it had good mouthfeel. Heat pretreatment caused significant denaturation of myofibrillar protein and consequently changes in water distribution and a conspicuous increase in the peak area of transverse relaxation time T23, indicating that the increase in free water content after heat treatment is an important reason for the increase in freeze-drying rate. The experimental results can provide technical support for the development of ready-to-eat dried fish products that are suitable for rehydration.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».