Formulating high-protein pea flour pasta with optimized cooking tolerance using manitoba yellow field pea fractions
Notice bibliographique
Résumé
About 3.4 million tonnes of yellow field peas leave Canadian farms each year, yet only a small share ends up in value-added food products sold domestically. This research tested whether replacing 20–60% of durum semolina with air-classified Manitoba yellow pea flour could produce dried pasta with at least 20 g protein per 100 g while keeping cooking loss below 10% the informal industry ceiling for acceptable quality. Six formulations (five pea-semolina blends plus a semolina control) were extruded on a pilot-scale La Monferrina P6 press at the Winnipeg College of Pulse Crop Utilization Science between January and May 2023. Proximate composition, cooking quality (optimum cooking time, cooking loss, swelling index, water absorption), and instrumental texture (firmness, adhesiveness) were measured. The 40% pea flour blend reached 22.7 g protein per 100 g dry basis and held cooking loss at 8.4%, making it the highest substitution level that remained inside the 10% threshold. Firmness dropped by 26.5% compared with the control, but a trained sensory panel rated the texture as acceptable. Dietary fiber also jumped to 9.1 g per 100 g in the 40% blend versus 3.2 g in the control. These results suggest that Manitoba yellow pea flour at 40% inclusion offers a practical route to high-protein, high-fiber pasta without crossing the cooking-tolerance line that would discourage consumers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».