| dc.date.accessioned | 2023-11-30T10:40:56Z | |
| dc.date.issued | 2023 | |
| dc.identifier | doi:10.17170/kobra-202311209045 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/15241 | |
| dc.language.iso | eng | |
| dc.relation.haspart | doi:10.1088/1755-1315/995/1/012025 | |
| dc.relation.haspart | doi:10.3390/foods10081758 | |
| dc.relation.haspart | doi:10.1016/j.foodchem.2023.136379 | |
| dc.rights | Urheberrechtlich geschützt | |
| dc.rights.uri | https://rightsstatements.org/page/InC/1.0/ | |
| dc.subject.ddc | 600 | |
| dc.subject.ddc | 630 | |
| dc.title | Process optimisation and non-destructive quality attributes monitoring during drying: A case study of celeriac slices and characterisation of its powder | eng |
| dc.type | Dissertation | |
| dcterms.abstract | This study investigated strategies applied in drying technology to produce an optimised quality of plant-sourced food while considering environmental and sustainability aspects based on a case study of celeriac and powder, respectively. The I-optimal design of response surface methodology with 30 experiment runs was applied for process optimisation. Pre-drying treatments (blanching at 85 °C, 3 min; dipping in 1% citric acid solution, 3 min; no pre-drying treatment), drying temperatures (50, 60, and 70 °C), air velocities (1.5, 2.2, and 2.9 m s-¹), and thickness (3, 5, and 7 mm) were applied. The process parameters that optimised the product quality were 58 °C drying temperature, 2.9 m s-¹ air velocity, and 4.6 mm sample thickness with acid pre-drying treatment. Regarding developing innovative measurement methods, the potential of Visual-NIR hyperspectral imaging (VNIR-HSI, 425–1700 nm) to predict celeriac quality attributes during drying with three different drying temperatures was investigated. The HSI-Gaussian Process Regression (GPR) fusion method excellently predicted moisture content (MC) (R² ≈ 1.00, RMSE = 0.77 gw 100 gₛ-¹) and water activity (aw) (R² = 0.98, RMSE = 0.04). Moreover, the rehydration ratio (RR) and colour parameters were reasonably predicted. However, antioxidant activity (AA) and total phenolic compounds (TPC) were poorly predicted. These results were potentially due to MC variations dominating the NIR region, masking phenolic compounds. Finally, the celeriac-based-trained model was assessed by predicting the MC of apple, cocoyam, and carrot slices. The results were encouraging; however, a GPR model trained on the data of all four commodities was more robust (R² ≈ 1.00, RMSE = 1–2 gw 100 gₛ-¹). Finally, celeriac powder (CP) characteristics processed with an optimised drying process were compared to a commercial product. The CP showed improved colour and water-interaction properties than commercial CP. However, CP had a higher Hausner ratio (HR), indicating its lower flowability, probably because of its higher MC. The commercial CP required less wetting time, probably because its higher density led to faster sinking in water. In addition, both samples have insignificant oil-interaction properties. To sum up, processing chains, especially the drying process and its surrounding unit operations, may have a cumulative effect on product quality. | eng |
| dcterms.abstract | Die Studie untersuchte Prozessstrategien und die Entwicklung innovativer Messmethoden in der Trocknungstechnologie zur Erreichung einer optimierten Qualität pflanzlicher Lebensmittel unter Berücksichtigung von Umwelt- und Nachhaltigkeitsaspekten anhand einer Fallstudie zu Knollensellerie und -pulver. Zur Prozessoptimierung wurde die I-optimale Auslegung der Response-Surface-Methodik mit 30 Versuchsläufen genutzt. Es wurden Vortrocknungsbehandlungen (Blanchieren bei 85 °C, 3 min; Eintauchen in 1% Zitronensäurelösung, 3 min; keine Vortrocknungsbehandlung), Trocknungstemperaturen (50, 60 und 70 °C), Luftgeschwindigkeiten (1,5, 2,2 und 2,9 m s-¹) und Dicke (3, 5 und 7 mm) angewendet. Die Kombination an Prozessparamertern, die die gewünschten Produktparamter optimierte, war 58 °C Trocknungstemperatur, 2,9 m s-1 Luftgeschwindigkeit und 4,6 mm Probendicke mit saurer Vorbehandlung. Zur Entwicklung innovativer Messmethoden wurde das Potenzials der Visual-NIR-Hyperspektralbildgebung (VNIR-HSI, 425-1700 nm) zur Vorhersage von Knollenselleriequalitätsmerkmalen während der Trocknung mit drei verschiedenen Trocknungstemperaturen untersucht. Die Fusionsmethode HSI-Gauß-Prozess-Regression (GPR) prognostizierte vorzüglich die Feuchte (MC) (R² ≈ 1.00, RMSE = 0,77 gw 100 gₛ-¹) und Wasseraktivität (aw) (R² = 0,98, RMSE = 0,04). Darüber hinaus wurden das Rehydrationsverhältnis (RR) und Farbparameter zufriedenstellend vorhergesagt. Allerdings wurden antioxidative Aktivität (AA) und gesamt-phenolische Verbindungen (TPC) unzureichend vorhergesagt. Diese Ergebnisse waren möglicherweise auf Feuchtevariationen zurückzuführen, die die NIR-Region dominierten und phenolische Verbindungen maskierten. Schließlich wurde das auf Knollensellerie basierende trainierte Modell durch die Vorhersage der Feuchte von Apfel-, Taro- und Karottenscheiben bewertet. Die Ergebnisse waren zufriedenstellend, jedoch war ein auf den Daten aller vier Rohstoffe trainiertes GPR-Modell robuster (R² ≈ 1,00, RMSE = 1-2 gw 100 gₛ-¹). Abschließend wurden die Eigenschaften des mit optimierter Trocknung hergestellten Knollenselleriepulvers (CP) mit den Eigenschaften eines kommerziellen Produktes verglichen. Das Pulver hatte verbesserte Farb- und Wasser-Interaktionseigenschaften als kommerzielles. Es hatte jedoch ein höheres Hausner-Verhältnis (HR), was auf seine geringere Fließfähigkeit hinweist, wahrscheinlich aufgrund seiner höheren Feuchte. Das kommerzielle Knollenselleriepulver benötigte weniger Benetzungszeit, wahrscheinlich weil seine höhere Dichte zu einem schnelleren Absinken im Wasser führte. Darüber hinaus weisen beide Produkte unbedeutende Öleigenschaften auf. Zusammenfassend lässt sich sagen, dass sich Verarbeitungsketten, insbesondere der Trocknungsprozess und die umliegenden Betriebsabläufe, kumulativ auf die Produktqualität auswirken können. | ger |
| dcterms.accessRights | restricted access | |
| dcterms.creator | Nurkhoeriyati, Tina | |
| dcterms.dateAccepted | 2023-11-13 | |
| dcterms.extent | xvi, 120 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Ökologische Agrarwissenschaften | ger |
| dc.contributor.referee | Hensel, Oliver (Prof. Dr.) | |
| dc.contributor.referee | Sturm, Barbara (Prof. Dr.) | |
| dc.subject.swd | Nachhaltigkeit | ger |
| dc.subject.swd | Trocknung | ger |
| dc.subject.swd | Pflanzliches Lebensmittel | ger |
| dc.subject.swd | Knollensellerie | ger |
| dc.subject.swd | Lebensmittelqualität | ger |
| dc.type.version | publishedVersion | |
| ubks.embargo.terms | 2024-11-13 | |
| ubks.embargo.end | 2024-11-13 | |
| kup.iskup | false | |
| ubks.epflicht | true | |
