MétaCan
Menu
Retour à la cohorte
Enregistrement W7029013412

Impact des opérations de brassage sur les propriétés rhéologiques, physiques et microstructurales d'un yogourt sans gras

2019· other· fr· W7029013412 sur OpenAlexfundno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2019
Typeother
Languefr
DomaineArts and Humanities
ThématiqueLibraries and Information Services
Établissements canadiensnon disponible
Organismes subventionnairesNovalaitMinistère de l'Agriculture, des Pêcheries et de l'Alimentation
Mots-clésMotion studyStatistical analysisLayoff
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les propriétés texturales des yogourts brassés dépendent de la composition du mélange laitier, des conditions du traitement thermique et de l’acidification, mais aussi des conditions de brassage industriel. Contrairement au yogourt ferme qui est acidifié directement dans les pots, le yogourt brassé est acidifié en cuve, puis subit des opérations de brassage, de pompage, de lissage et de refroidissement. Or, la littérature rapporte peu d’étude représentative des conditions industrielles de brassage puisqu’il est difficile de reproduire la séquence d'opérations en laboratoire. Un brassage manuel (cuillère, disque perforé, tige agitatrice) ou un lissage à la seringue sont régulièrement utilisés en laboratoire pour simuler le brassage. De plus, les informations fournies par la littérature expliquent principalement l’impact d’une seule opération de brassage sur quelques propriétés texturales et à un seul jour d’entreposage. Le but de ce projet de thèse était d’étudier les opérations séquentielles de brassage, de lissage et de refroidissement dans des conditions similaires à l’industrie afin de mieux comprendre leur impact sur la qualité d’un yogourt brassé sans gras. Pour la première fois, un système de brassage technique simulant des conditions industrielles, à l’échelle pilote, a été développé pour étudier l’impact des opérations individuelles et séquentielles de brassage, de lissage et de refroidissement. Les résultats obtenus ont permis de déterminer que ce sont les opérations de lissage et de refroidissement, comparativement au brassage en cuve, qui ont le plus d’impact sur les propriétés texturales des yogourts analysés après 1 jour d’entreposage. L’importance de la séquence opérationnelle a aussi été démontrée par l’utilisation d’un lissage avant ou après le refroidissement. Au cours des 22 jours d’entreposage, les propriétés rhéologiques et physiques des yogourts étaient différentes selon les paramètres opérationnels utilisés lors du brassage. Par exemple, l’utilisation d’un l’échangeur de chaleur à plaques, comparativement à un échangeur de chaleur tubulaire, a favorisé la diminution de la synérèse, mais a diminué la viscosité et la consistance du yogourt. L’impact de la température de lissage a ensuite été approfondi en adaptant le système de brassage technique pour lisser le yogourt à 6 températures, entre 10 et 35 °C. Le comportement des propriétés rhéologiques et physiques du yogourt a alors été décrit, par des régressions linéaires multiples, selon la température de lissage et la durée de l’entreposage (jusqu’à 22 jours). La synérèse, la viscosité et la consistance étaient plus sensibles à la température de lissage, contrairement à la fermeté et au temps d’écoulement qui étaient plus sensibles à la durée de l’entreposage. Une basse température de lissage a permis de diminuer la synérèse, alors que l’augmentation des autres propriétés a été favorisée par un lissage à 25-30 °C. Au-delà de 30 °C, la synérèse était maximale et les autres propriétés ont eu tendance à diminuer. Finalement, un deuxième système de brassage technique a été développé à l’échelle laboratoire et a permis d’étudier l’impact de la température de lissage sur les propriétés microstructurales d’un gel acidifié. De plus, une nouvelle approche expérimentale d’analyse d’images dynamiques a été développée pour visualiser et caractériser les microgels laitiers. Pendant l’entreposage, la taille des microgels et leur rugosité (irrégularité à la surface du microgel) ont augmenté alors que le pourcentage total d’aire des pores (espace entre les microgels) a diminué. Ces résultats expliqueraient principalement l’augmentation de la synérèse, de la fermeté et du G’ pendant l’entreposage des gels lissés. Les microgels obtenus par le lissage à 35 °C avaient une rugosité maximale plus élevée, comparativement à ceux obtenus à 13 et 22 °C, et cela expliquerait la viscosité plus faible des gels laitiers lissés à 35 °C. L’approche originale de cette thèse par l’utilisation d’un système de brassage technique (échelle pilote et laboratoire) simulant des conditions industrielles facilitera le transfert des résultats à l’industrie. Les systèmes de brassage technique ont permis de quantifier l’importance des effets individuels et séquentiels des opérations de brassage sur les propriétés rhéologiques, physiques et microstructurales d’un yogourt sans gras. L’ensemble des résultats a démontré que la température de lissage est un levier technologique permettant de mieux contrôler les propriétés texturales et microstructurales du yogourt. La caractérisation innovatrice des microgels laitiers par l’analyse d’images dynamiques amène une nouvelle perception visuelle des microgels et permet une meilleure compréhension des changements de propriétés rhéologiques et physiques qui se produisent durant le brassage et l’entreposage du yogourt brassé.

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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,016
Tête enseignante GPT0,205
Écart entre enseignants0,190 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetLibraries and Information ServicesTravaux en français237 207