Optimizing Ground Roasted Coconut Quality: Effects of Coconut Maturity and Drying Temperature Using Central Composite Design
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
Ground roasted coconut is a widely recognized traditional spice in Southeast Asia.Its quality is significantly affected by factors such as harvest maturity and post-harvest handling practices.However, systematic investigations into these variables remain limited.This study aimed to evaluate the effects of coconut maturity (9-13 months) and drying temperature (40-60) on the physicochemical properties of ground roasted coconut.A response surface methodology (RSM) employing a central composite design (CCD) was applied to develop a mathematical model describing the relationship between moisture content, free fatty acids (FFA), and fat content (FC) in relation to the treatment variables.The coefficients of determination (R ) were 0.927 for moisture content, 0.649 for FFA, and 0.50 for fat content.Coconut harvest maturity and drying temperature exerted a significant effect on moisture content, whereas FFA and fat content were not significantly influenced.Optimal processing conditions were identified at 10-11 months of harvest maturity and a drying temperature of 58-60, yielding ground roasted coconut with a moisture content of 0.8%, FFA content of 0.5%, and fat content of 64.47%.Under these optimised conditions, the colour parameters of ground roasted coconut were as follows: L* = 44.39,a* = 13.53,b* = 22.36, chroma = 26.13,and hue angle = 58.80.The resulting product also exhibited consistent colour, texture, and aroma characteristics comparable to those of commercially available ground roasted coconut, thereby confirming its suitability for market applications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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