基于图像的评估和以机器学习为基础的预测,用于3D打印基于多糖的食品油墨的可打印性
Yixing Lu1, Rewa Rai1, Nitin Nitin2
1Department of Food Science and Technology, University of California-Davis, Davis, CA 95616, USA.
Food research international (Ottawa, Ont.)
|October 7, 2023
概括
预测食品3D打印的成功是一个挑战. 这项研究使用了机器学习的风湿学数据来准确地预测基于宽度和粗度的水凝油墨的打印能力.
科学领域:
- 食品科学 食品科学 食品科学
- 材料科学 材料科学 材料科学
- 生物技术是生物技术.
背景情况:
- 3D食品打印正在获得引力,但预测材料打印能力仍然是一个障碍.
- 了解生物聚合物组成,质和可打印性之间的关系对于食品制造至关重要.
研究的目的:
- 开发基于图像的指标来评估3D食品油墨可打印性.
- 为了评估基于水凝的食品油墨的打印性,使用低甲烯 (LMP) 和纤维素纳米晶体 (CNC).
- 使用回归和机器学习模型来预测油墨打印能力.
主要方法:
- 开发了基于图像的可打印度量:线程宽度和粗度.
- 使用响应表面方法 (RSM) 和回归分析.
- 使用机器学习 (随机森林分类器) 来预测可打印性.
主要成果:
- RSM和线性回归有效地预测了质性质,但不是可打印度量.
- 机器学习模型准确地预测了光纤宽度和粗度 (82%) 和整体可打印性 (88%),仅使用了风学数据.
- 配方参数对于机器学习模型准确预测可打印性是不必要的.
结论:
- 风病学性质是3D食品油墨打印能力的强有力的预测因素.
- 机器学习模型可以可靠地预测基于多糖的食品油墨的可打印性.
- 开发的模型显示了对其他食品油墨成分的概括潜力.
