લાલ, સફેદ અને બ્લૂ આઇસક્રીમ

આ આઇસ ક્રીમ એક ચોથી જુલાઇ cookout માટે સંપૂર્ણ ડેઝર્ટ છે! વાઇબ્રન્ટ લાલ રાસબેરી ચટણી અને ચંકી બ્લુબેરી જામના વલયની મૂળભૂત હોમમેઇડ વેનીલા આઈસ્ક્રીમમાં સ્થિર છે. આ કલ્પિત સ્થિર મીઠાઈ વર્ષ કોઈપણ સમયે આનંદ!

મેં તાજા રાસબેરિઝ સાથે ઉપહાસ અથવા અણગમો વ્યક્ત કરતો અવાજ ચમચી બનાવી દીધો છે, પરંતુ તમે એક બીજવાળા ઉપહાસ અથવા અણગમો વ્યક્ત કરતો અવાજ જામ તેમજ ઉપયોગ કરી શકે છે. અને જો તમારી પાસે બ્લુબેરી જામ ન હોય તો, આ તાજા બ્લુબેરી ચટણીનો ઉપયોગ કરો (ગાઢ સૉસ વિવિધતાને અનુસરો). મેં 1-ચતુર્થાંશ મશીનનો ઉપયોગ કર્યો હતો, પરંતુ મોટી ક્ષમતા મશીન માટે રેસીપીને નાનું કરી શકાય છે. અથવા તેને માપિત કરો અને તેને એક-પા ગેલન બૅચેસમાં બનાવો.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. એક માધ્યમ શાક વઘારવાનું તપેલું માં, ઝટકવું સાથે ક્રીમ, દૂધ, અને દાણાદાર ખાંડ. મધ્યમ ગરમી પર ગરમી, stirring, જ્યાં સુધી મિશ્રણ ગૂમડું શરૂ થાય છે.
  2. એક માધ્યમ વાટકીમાં ઇંડા અને સંપૂર્ણ ઇંડાને હરાવ્યું.
  3. ગરમ દૂધના મિશ્રણના 1 કપ વિશે ઇંડા મિશ્રણમાં ઝટકવું અને ત્યારબાદ જરદાળુ મિશ્રણને સોસપેન પર પાછું લાવવું, સતત stirring. લગભગ 170 ° F થી 180 ° ફે, અથવા મિશ્રણના કોટ્સને ચમચીના પાછળ સુધી રાંધવાનું ચાલુ રાખો. દંડ જાળીદાર ચાળવું દ્વારા વાટકી (પ્રાધાન્ય ગ્લાસ અથવા સ્ટેનલેસ સ્ટીલ) માં કસ્ટાર્ડ મિશ્રણને દબાવો.
  1. બાઉલને કવર કરો અને 3 થી 4 કલાક સુધી ઠંડું કરો, અથવા ઠંડુ થવા દો.
  2. સોફ્ટ-ફ્રોઝન સુધી ઉત્પાદકની દિશાઓમાં આઈસક્રીમ મેકરમાં કસ્ટાર્ડ મિશ્રણ સ્થિર કરો.
  3. નાની-પૅન અથવા 1-ક્વાર્ટ કન્ટેનરમાં નરમ-સ્થિર મિશ્રણનો સ્તર ઝડપથી ચમચી. બ્લૂબૅરી જામ અથવા ચટણી અને આઈસ્ક્રીમ પર ઉપહાસ અથવા અણગમો વ્યક્ત કરતો અવાજ જામ અથવા ચટણીની નાની માત્રામાં ચમચી (અથવા સોસ / જામ વિતરિત કરવા માટે પાઇપિંગ બેગનો ઉપયોગ કરો) બરફ ક્રીમ અને ચટણી અથવા જામનો ઉપયોગ કરવામાં ન આવે ત્યાં સુધી સ્તરોનું પુનરાવર્તન કરો. એક નાના સ્પેટુલા સાથેના સ્તરો દ્વારા કાપીને અથવા લાકડાની ચમચીના હેન્ડલને સહેજ ઘુસવું
  4. આવરે છે અને અટકી.

ટિપ્સ અને ભિન્નતા

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 402
કુલ ચરબી 28 ગ્રામ
સંતૃપ્ત ફેટ 16 ગ્રામ
અસંતૃપ્ત ચરબી 8 જી
કોલેસ્ટરોલ 296 એમજી
સોડિયમ 1,138 એમજી
કાર્બોહાઇડ્રેટ્સ 27 ગ્રામ
ડાયેટરી ફાઇબર 0 જી
પ્રોટીન 11 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.)