Porosity is an important physical p

Porosity is an important physical property characterizing the texture and the quality of dry and intermediate moisture foods. Porosity data is required in modeling and design of various heat and mass transfer processes such as drying, frying, baking, heating, cooling, and extrusion. It is an important parameter in predicting diffusional properties of cellular foods.
Porosity (ε) is defined as the volume fraction of the air or the void fraction in the sample and expressed as:
Porosity = void volume
There are different methods for determination of porosity, which can be summarized as follows:
Total volume (1.52)
Using the temperature dependent density equations (1.46–1.50), densities of components at 20◦C are calculated and given in Table E.1.4.2.
Taking the total mass of the spinach as 100 g, the mass fraction of each component in spinach is found and shown in Table E.1.4.2.
1. Direct method: In this method, porosity is determined from the difference of bulk volume of a piece of porous material and its volume after destruction of all voids by means of compression. This method can be applied if the material is very soft and no attractive or repulsive force is present between the particles of solid.
2. Optical method: In this method, porosity is determined from the microscopic view of a section of the porous medium. This method is suitable if the porosity is uniform throughout the sample, that is, the sectional porosity represents the porosity of whole sample. Pore size distribution can be determined if a suitable software is used to analyze images.
Image J (http://rsb.info.nih.gov/ij/) is a software used to analyze the pores and to determine area based pore size distribution, median pore diameter, and percent area fraction of pores. This software uses the contrast between the two phases (pores and solid part) in the image (Abramoff, Magelhaes, & Ram, 2004). First, the image is obtained. Then, the scanned color image is converted to gray scale using this software. Using bars of known lengths, pixel values are converted into distance units.
Figure 1.12 shows the image of

Kết quả (Việt) 2:

Độ xốp là một thuộc tính vật lý quan trọng đặc trưng cho kết cấu và chất lượng của các loại thực phẩm khô và độ ẩm trung gian. Dữ liệu xốp là cần thiết trong mô hình hóa và thiết kế của nhiệt và chuyển khối lượng quá trình khác nhau như sấy khô, chiên, nướng, sưởi ấm, làm mát và phun ra. Đó là một thông số quan trọng trong việc dự đoán tính chất diffusional các loại thực phẩm tế bào.
Độ xốp (ε) được định nghĩa như là phần khối lượng của không khí hoặc các khoảng trống phần trong mẫu và thể hiện như:
Độ xốp = khoảng trống âm lượng
Có nhiều phương pháp khác nhau để xác định độ xốp, mà có thể được tóm tắt như sau:
Tổng khối lượng (1.52)
Sử dụng nhiệt độ phụ thuộc vào mật độ phương trình (1,46-1,50), mật độ của các thành phần ở 20◦C được tính toán và đưa ra trong Bảng E.1.4.2.
Lấy tổng khối lượng của rau bina 100 g, phần khối lượng của mỗi thành phần trong rau bina được tìm thấy và được thể hiện trong Bảng E.1.4.2.
1. Phương pháp trực tiếp: Trong phương pháp này, độ xốp được xác định từ sự khác biệt về khối lượng lớn của một mảnh vật liệu xốp và khối lượng của nó sau khi phá hủy tất cả các khoảng trống bằng cách nén. Phương pháp này có thể được áp dụng nếu vật liệu là rất mềm và không có lực hấp dẫn hay ghê tởm đang hiện diện giữa các hạt rắn.
2. Phương pháp quang học: Trong phương pháp này, độ xốp được xác định từ các điểm kính hiển vi một phần của môi trường xốp. Phương pháp này là phù hợp nếu độ xốp thống nhất trong các mẫu, đó là, độ xốp cắt đại diện cho độ xốp của toàn bộ mẫu. Phân bố kích thước lỗ chân lông có thể được xác định nếu một phần mềm phù hợp được sử dụng để phân tích hình ảnh.
Hình ảnh J (http://rsb.info.nih.gov/ij/) là một phần mềm được sử dụng để phân tích các lỗ chân lông và để xác định khu vực phân bố kích thước lỗ chân lông dựa , đường kính lỗ chân lông trung bình, và diện tích phần trăm phần nhỏ lỗ chân lông. Phần mềm này sử dụng sự tương phản giữa hai giai đoạn (lỗ chân lông và một phần rắn) trong hình ảnh (Abramoff, Magelhaes, & Ram, 2004). Đầu tiên, các hình ảnh thu được. Sau đó, các hình ảnh màu quét được chuyển sang màu xám quy mô sử dụng phần mềm này. Sử dụng các thanh có độ dài nổi tiếng, giá trị điểm ảnh sẽ được chuyển đổi thành các đơn vị khoảng cách.
Hình 1.12 cho thấy hình ảnh của