Er der lighedstegn mellem proteinprocent og kvalitet af hvede til human konsum
Bibliographic record
Abstract
Der er en lang række af faktorer, som påvirker hvedes egnethed til human konsum, dvs. egnethed til brød-, kiks- og kagefremstilling. En del af disse faktorer er landmanden selv herre over, såsom sortsvalg, dyrkningspraksis samt høst, tørring og lagring. Men også klimaet påvirker i høj grad kvaliteten af det høstede hvede i såvel positiv som negativ retning. Hvedens kvalitative egnethed er dog betinget af tre basale faktorer. Det er proteinindhold, hårdhed og glutenstyrke. \n \n·\tProteinindholdet af kernerne er vigtigt, da højproteinmel giver et potentielt større brødvolumen, større vandabsorption og giver brød med bedre holdbarhed. \n \n·\tHårde hveder har en hård endosperm (frøhvide). Endospermen, der indeholder ca. 80% af kernens protein, består primært af store kantede celler, der er fyldt med stivelse, og har yderst mod frøskallen et lag endospermceller med et forholdsvis stort indhold af fedt og proteinstoffer. Hårde hvedetyper kræver mere energi til formaling, hvorved et stort antal af stivelsescellerne bliver fysisk beskadiget. Bløde hvedetyper producerer derimod mel med et lavt niveau af beskadiget stivelse. Eftersom beskadigede stivelsesceller optager mere vand end intakte stivelsesceller, optager hårde hveder mere vand end bløde hveder. Durumhvede er som type en meget hård hvede. Amerikanske og canadiske vårhveder er typiske hårde hvedetyper, medens det, vi kalder vinterbrødhvede i Danmark, er af middel hårdhed, og de vinterhvedetyper, vi kalder foderhveder, repræsenterer de bløde hvedetyper. \n \n·\tMængden af gluten er afgørende for vandoptagelsen, da gluten kan optage 2-3 gange sin egenvægt i vand. Når hvedemel blandes med vand, danner de vanduopløselige lagerproteiner en glutenmatrix, et komplet sammenhængende netværk i hvilket bestanddele som stivelse og dannede gasser er indkapslet. Ved æltning trækkes proteinerne ud til en tynd proteinfilm. Gluten danner derved strukturen i dejen, som er bestemmende for de elastiske egenskaber og brødvolumen. Mellem forskellige hvedesorter er der observeret forskelle i elasticiteten af glutenmatrixen og proteinets evne til at danne aggregater (samle dejen). God elasticitet og evnen til at danne aggregater er basale krav for dannelse af en brøddej. Man kan på grund af den tætte sammenhæng mellem proteinindhold og glutenindhold bruge proteinindholdet som en indikator for hvedens indhold af gluten. \n \nUd over disse tre parametre er det vigtigt, at der er et lavt indhold af enzymet α-amylase, der nedbryder stivelse. Dette måles med en faldtals test. Møllerierne og bagerierne foretager derudover prøveformaling, kemiske og fysiske analyser på mel og dej, samt prøvebagning på potentielle brødhvedepartier. Herved opnås de ultimative oplysninger til at vurdere hvedens egnethed til brødfremstilling. \n \nI de senere år er der udviklet en række gode hurtiganalyser, der giver en god indikation af kvaliteten. Således kan man i hvede bestemme protein-, vand- og stivelsesindhold i kernerne ved hjælp af spektrale analyser som NIT (Nær Infrarød Transmission). I de kommende år vil der formentlig komme flere kvalitative informationer via NIT analyserne. \n \nKernehårdhed, der er en parameter, man bruger til klassifikation af hvede i bl.a. USA og Canada, kan også måles direkte på kornet med hurtiganalyser. Hårdhedsbestemmelse vil formodentlig være et godt nyt mål for dansk hvedes egnethed til brødfremstilling. Herved får man et godt og forholdsvis nemt kvalitetsmål. \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.119 | 0.092 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".