માઇક્રોવેવ પીનટ બટ્ટલ

મગફળીનો બરડ પ્રેમ કરો, પરંતુ તે કેટલો સમય લે છે તે અપ્રગટ કરે છે? પછી આ માઇક્રોવેવ પીનટ બરડ રેસીપી તમારા માટે છે! 10 મિનિટ કરતા પણ ઓછા સમયમાં તમારા પીનટ બરડ સંપૂર્ણપણે માઇક્રોવેવમાં રાંધવામાં આવે છે. તે ઝડપી અને સરળ છે, અને મને ખાતરી છે કે તમે પારંપરિક મગફળીના બરડમાંથી કોઈ તફાવત નોટિસ નહીં પણ. અન્ય બદામ સાથે પણ પ્રયાસ કરો!

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

1. એક પકવવા શીટને એલ્યુમિનિયમ વરખ સાથે અસ્તર કરીને અને નોનસ્ટિક રસોઈ સ્પ્રે સાથે વરખને છંટકાવ કરીને તેને તૈયાર કરો.

2. મોટો માઇક્રોવેવ-સલામત વાટકીમાં, મગફળી, ખાંડ, મકાઈની સીરપ અને મીઠું ભેગા કરો. મકાઈની સીરપ ખાંડને હાનિ કરે ત્યાં સુધી જગાડવો-તે ભીનું રેતીની જેમ ભેગું થવું પડશે.

3. ચાર મિનિટ માટે ઉચ્ચ પાવર પર વાટકી માઇક્રોવેવ. ખાંડના મિશ્રણમાં પરપોટાં થવું જોઈએ અને બદામ થોડો toasted જોવા શરૂ કરીશું.

ચાર મિનિટ પછી, તેને માઇક્રોવેવમાંથી કાળજીપૂર્વક દૂર કરો અને સ્પુટુલા સાથે સારી રીતે જગાડવો.

4. હાઇ પાવર પર બીજા ચાર મિનિટ માટે માઇક્રોવેવ. આ બિંદુએ, બદામ સુગંધિત હોવું જોઈએ અને ખાંડની ચાસણીને ઘાટો રંગ હોવો જોઈએ. હવે માખણ અને વેનીલા અર્ક ઉમેરો અને સારી રીતે જોડાય ત્યાં સુધી તેને જગાડવો.

5. એક મિનિટ માટે બાઉલને માઇક્રોવેવ, પછી બિસ્કિટનો સોડા ઉમેરો. જેમ તમે તેને જગાડશો, કેન્ડી ખૂબ ફીણવાળું અને અપારદર્શક હશે. જ્યાં સુધી બધા કેન્ડીમાં ફીણવાળું પોત ન હોય ત્યાં સુધી stirring રાખો, પછી તૈયાર પકવવા શીટ પર પાતળા સ્તરમાં કેન્ડી રેડવાની છે.

6. થોડીક મિનિટો માટે કેન્ડી ઠંડું દો, પછી કાળજીપૂર્વક ખેંચાયેલા અને પાતળાને ખેંચવા માટે સુગંધિત હાથનો ઉપયોગ કરો. પાતળું તમે કેન્ડી મેળવો છો, વધુ "બરડ" હશે, તેથી ઝડપથી અને કાળજીપૂર્વક કામ કરો, કારણ કે તે ગરમ હશે.

7. ઓરડાના તાપમાને સંપૂર્ણપણે મગફળીનો બરડ ઠંડી દો. જ્યારે તે સંપૂર્ણપણે સખત અને સેટ છે, ત્યારે તેને સેવા આપવા માટે નાના નાના ટુકડાઓમાં તૂટી જાય છે. બે અઠવાડિયા સુધી ઓરડાના તાપમાને એરટાઇટ કન્ટેનર અથવા બેગમાં પીનટ બરડને સ્ટોર કરો. ભારે ભેજમાં, કેટલાક દિવસો પછી તેને નરમ અને ભેજવાળા મળી શકે છે.

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 61
કુલ ચરબી 2 જી
સંતૃપ્ત ફેટ 0 જી
અસંતૃપ્ત ચરબી 1 જી
કોલેસ્ટરોલ 0 એમજી
સોડિયમ 75 એમજી
કાર્બોહાઇડ્રેટ્સ 10 ગ્રામ
ડાયેટરી ફાઇબર 0 જી
પ્રોટીન 1 જી
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)