ત્રિનિદાદિયન કોર્ન પાઈ કાસેરોલ રેસીપી

આ ત્રિનિદાદિયન મકાઈ પાઉ casserole સંપૂર્ણ કર્નલ મકાઈ, cornmeal, ઘંટડી મરી, અને પનીર સાથે કરવામાં આવે છે. ડીશના નામથી ગેરસમજ ન થાવ. આ સ્વાદિષ્ટ બાજુ અથવા શાકાહારી મુખ્ય કોર્સ રેસીપીમાં કોઈ પાઇ પોપડોનો ઉપયોગ કરવામાં આવતો નથી.

વિવિધ સ્વરૂપમાં કોર્નના પાઈ પોતાને કેરેબિયનમાં ઘણા ડાઇનિંગ ટેબલ પર, ખાસ કરીને રવિવારે અને રજાઓ પર જોવા મળે છે. દરેક દેશ અને દરેક ઘરની તેની પોતાની રુચિ અને વિવિધતા છે.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. 350 એફ માટે ગરમી પકાવવાની નાની ભઠ્ઠી
  2. આખા-કર્નલના મકાઈના પ્રવાહને પ્રવાહીમાં નાજુક કરો અને અનામત કરો.
  3. 1 કપ કપના કપમાં આરક્ષિત પ્રવાહીને રેડવું, જો પ્રવાહી કપમાં ભરી ન જાય, તો તેને 1 લિટર પ્રવાહી બનાવવા માટે નવશેકું પાણી ઉમેરો. કોર્ન કર્નલ્સ રિઝર્વ કરો
  4. એક મોટી વાટકી માં પ્રવાહી અને ઇંડા 1 કપ રેડવાની છે. મીઠું અને સફેદ મરી ઉમેરો અને સારી રીતે મિશ્રણ કરો.
  5. ઇંડા મિશ્રણમાં કોર્નમેઇલ ઉમેરો. સરળ પેસ્ટ બનાવવા અને કોરે સુયોજિત કરવા માટે જગાડવો.
  1. એક માધ્યમ શાક વઘારવાનું તપેલું માં માખણ ઉમેરો અને મધ્યમ ગરમી પર મૂકો અને ઓગળે દો. જલદી જ માખણ પીગળી જાય છે, ડુંગળી, ઘંટડી મરી, અને ગરમ મરી અને sauté ઉમેરો ત્યાં સુધી ડુંગળી અર્ધપારદર્શક હોય છે.
  2. દૂધ માં રેડો, જગાડવો, અને બોઇલ માટે મિશ્રણ લાવવા જ્યારે મિશ્રણ બોઇલમાં આવે છે, ત્યારે તરત જ કોર્નમેઇલમાં જગાડવો અને ગરમીને નીચામાં ઘટાડવી. 4 મિનિટ માટે ઓછી ગરમી પર રાંધવા દો.
  3. આરક્ષિત આખા-કર્નલ મકાઈને ઉમેરો અને ભળવું જગાડવો. દોઢ ગરમી પર મિશ્રણ ચાલુ રાખવાનું ચાલુ રાખો જ્યાં સુધી તે પોટ-બાજુઓની સહેજથી દૂર નહીં આવે - લગભગ 5 મિનિટ.
  4. ગરમીથી પોટ દૂર કરો અને ચીઝની 1/2 કપમાં જગાડવો.
  5. એક મિશ્રિત પકવવા ડીશ માટે મિશ્રણ પરિવહન. સપાટીને સરળ કરો અને બાકીના 1/2 કપ પનીરને મિશ્રણની ટોચ પર છાંટાવો.
  6. ગરમીથી પકવવું 30 મિનિટ સુધી અથવા પનીર ઓગાળવામાં અને સોનારી બદામી છે ત્યાં સુધી.
  7. કટિંગ અને સેવા આપતા પહેલાં ઓછામાં ઓછા 30 મિનિટ માટે બાકી રહેવું.

વધુ કોર્ન casserole રેસિપિ તમે ગમે શકે છે

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 640
કુલ ચરબી 31 જી
સંતૃપ્ત ફેટ 15 ગ્રામ
અસંતૃપ્ત ચરબી 9 જી
કોલેસ્ટરોલ 215 એમજી
સોડિયમ 356 મિલિગ્રામ
કાર્બોહાઇડ્રેટ્સ 68 ગ્રામ
ડાયેટરી ફાઇબર 1 જી
પ્રોટીન 24 ગ્રામ
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)