લિમા દાળો આનંદ એક આખા ન્યૂ વે

જો તમે બેગમાંથી કે કાંજીથી સ્થિર થઈને લીમ બીન ખાવા માટે ઉપયોગમાં લેવાય હો, તો તમને કદાચ ક્રીમવાળા લીમ બીન્સનો ક્યારેય અનુભવ થયો ન હતો. આ ક્રીમી, લીસરી લીમ બીન કેનમાં અથવા ફ્રોઝન કઠોળમાંથી બનાવી શકાય છે, પરંતુ ક્રીમ સોસ ઓફર કરે છે જે તેમને ઉત્તમ બનાવે છે.

ખાતરી કરો કે, માખણ અને ક્રીમ કેટલાક કેલરી ઉમેરી શકે છે (તમે માખણ અવેજી અને / અથવા ક્રીમ અવેજી ઉપયોગ કરી શકો છો), પરંતુ તમે હજુ પણ તંદુરસ્ત છે કે વનસ્પતિ સાઇડ ડિશ મળશે કારણ કે લીમ બીન ફાઇબર સાથે લોડ થાય છે, જે કોલેસ્ટ્રોલ ઘટાડવા અને લોહીમાં શર્કરાના સ્તરને સ્થિર કરવા માટે સરસ છે.

આ ક્રીમવાળા લિમા બીન કોઈપણ સધર્ન ખાદ્ય ભોજન માટે આદર્શ સાઇડ ડીશ છે. તેમને અજમાવી જુઓ અને તમે ફરીથી સાદા લીમ બીન કદી નહીં કરી શકો.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. પેકેજ પર નિર્દેશિત તરીકે મીઠું મીઠું ચડાવેલું પાણીમાં લીમ બીજ કુક. જો કેન્ડ લાઈમ બીજનો ઉપયોગ કરી રહ્યાં હોય, તો તમારે મીઠું ઉમેરવાની જરૂર નથી.
  2. ખાંડ (જો વાપરી રહ્યા હોય) રસોઈ પાણીમાં ઉમેરો.
  3. દાળો સારી રીતે ડ્રેઇન કરે છે આ બિંદુએ, દાળો હજી પણ ગરમ છે.
  4. ગરમ કઠોળ માટે ક્રીમ અને માખણ ઉમેરો. સ્વાદ અને મીઠું અને મરી ઉમેરો તરીકે ઇચ્છિત
  5. બીન ગરમ કરો

ભિન્નતા

બીન સેવા આપવાનો બીજો રસ્તો એ છે કે તેમને રેસીપીના રાજ્યો તરીકે તૈયાર કરવા, પરંતુ તે પછી બીન ગ્રેટિન બનાવવા માટે તેમને ક્રીમ સોસમાં સાલે બ્રેક કરો.

જો તમે તે કરો છો, તો તમે બ્રેડક્રમ્સમાં ઉમેરવા અને થોડી માખણથી તેમને સ્પ્રે કરી શકો છો અથવા કઠોળ ઉપર ખાંડવાળી પોપડા બનાવવા માટે અમુક માખણ પર ડાબું કરી શકો છો.

લિમા બીન પર વધુ

"માખણની કઠોળ" તરીકે પણ ઓળખાય છે, લિમા દાળો પાસે પોષાતી ચીજવસ્તુઓ અને એક નાજુક સ્વાદ છે જે અનન્ય છે. આ લંબચોરસ આકારની કઠોળના સપાટ પોડ હોય છે જે સામાન્ય રીતે લીલા હોય છે પરંતુ કાળા, જાંબલી અથવા સફેદ જેવા અન્ય રંગોમાં આવી શકે છે.

બાફેલી બાળકની એક કપ 15 ગ્રામ પ્રોટિનમાં પેક કરો અને તમને ભલામણ કરેલ દૈનિક આયર્ન ઇન્ટેકના 24 ટકા આપે છે. તેમની પાસે 14 ગ્રામ ફાયબર છે અને મેગ્નેશિયમનું શ્રેષ્ઠ સ્ત્રોત છે.

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 202
કુલ ચરબી 4 જી
સંતૃપ્ત ફેટ 2 જી
અસંતૃપ્ત ચરબી 1 જી
કોલેસ્ટરોલ 9 એમજી
સોડિયમ 63 મિલિગ્રામ
કાર્બોહાઇડ્રેટ્સ 34 ગ્રામ
ડાયેટરી ફાઇબર 8 જી
પ્રોટીન 10 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.)