使用合并响应表面方法 (RSM) 和人工神经网络 (ANN) 方法优化苦瓜-葡萄饮料发酵
Tintswalo Lindi Maselesele1, Tumisi Beiri Jeremiah Molelekoa2, Sefater Gbashi2
1Food Innovation Research Group, Department of Biotechnology and Food Technology, Faculty of Science, University of Johannesburg, P.O. Box 17011, Johannesburg 2028, South Africa.
这项研究利用响应表面方法 (RSM) 和人工神经网络 (ANN) 模型优化了苦瓜葡萄饮料的生产. 对于酒精,pH值和总可溶性固体,发现了最佳条件,确保了理想的低酒精饮料.
科学领域:
- 食品科学与技术 食品科学与技术
- 生物技术是生物技术.
- 过程优化 过程优化
背景情况:
- 苦瓜和葡萄是营养丰富的水果,有可能开发新的饮料.
- 优化发酵过程对于生产具有所需特性的高质量饮料至关重要.
研究的目的:
- 通过通过人工神经网络 (ANN) 模型验证的响应表面方法 (RSM) 来优化苦瓜葡萄饮料的生产.
- 确定饮料中酒精,pH值,可溶性固体总量 (TSS) 和可定位酸度总量 (TTA) 的最佳条件.
- 为了在最终产品中达到理想的低酒精含量.
主要方法:
- 利用响应表面方法 (RSM) 进行实验设计和优化.
- 雇佣人工神经网络 (ANN) 模型用于验证和评估RSM预测的准确性.
- 在发酵过程中监测关键参数,包括酒精含量,pH,TSS和TTA.
主要成果:
- RSM模型显示酒精 (R2=0.79),pH (R2=0.89) 和TSS (R2=0.89) 的适合性很好,ANN验证产生了高精度 (分别为0.98,0.88,0.82).
- 优化的发酵条件 (72小时,32.50-45.11°C,3.00v/v启动培养) 影响了TTA (R2=0.40,ANN精度=0.56).
- 在发酵72小时后,在3毫升以上的初始培养度下观察到更高的TTA. 35%的苦瓜汁被优化为一种低酒精饮料.
结论:
- RSM和ANN模型有效优化了苦瓜葡萄饮料的生产,确保了关键质量属性的可预测结果.
- 该研究成功地确定了具有理想特征的低酒精饮料的条件.
- 需要对在较高初始培养度下对TTA反应进行进一步的研究.
更多相关视频
09:16Author Spotlight: Optimization of Processing Technology for Tiebangchui with Zanba Based on CRITIC Combined with Box-Behnken Response Surface Method
Published on: May 12, 2023
06:24Generic Protocol for Optimization of Heterologous Protein Production Using Automated Microbioreactor Technology
Published on: December 15, 2017
相关概念视频
Response Surface Methodology
The process of RSM involves several key steps:
Microbial Fermentation
Fermentation
Fermentation is a type of metabolic process that occurs in the absence of oxygen, where organic molecules such as glucose are broken down to produce energy. During this process, the...
The Physiology of Taste
