对使用前神经网络的紧型枣种子机组的性能评估和最佳运行条件的预测
Khaled Abdeen Mousa Ali1,2, Changyou Li3, Wang Han1,4
1College of Engineering, South China Agricultural University, Guangzhou, 510642, China.
Scientific reports
|February 8, 2025
概括
一个新的研磨机组使用有牙的圆柱和子磨机高效地加工日种子. 机器学习优化了高吞吐量和低能耗的参数,使农业废物有了价值.
科学领域:
- 农业工程 农业工程
- 食品加工技术 食品加工技术
- 机器学习应用 机器学习应用
背景情况:
- 枣种子研磨是一个重大挑战,阻碍了这种农业副产品的利用.
- 有效的加工方法对于将枣种子提升为有价值的资源至关重要.
- 现有的研磨技术可能无法针对日种子的特定特性进行优化.
研究的目的:
- 设计,测试和评估一个紧的磨砂机组为枣种子.
- 使用机器学习优化研磨过程,以提高效率.
- 通过产量,能源消耗和颗粒大小来评估性能.
主要方法:
- 开发了一种新的研磨机组,结合了有牙的圆柱体和子磨床.
- 使用Feedforward神经网络 (FNN) 框架来预测最佳操作参数.
- 实验测试涉及到变化的气速度,门打开,气空隙,子速度和屏幕孔径.
主要成果:
- 确定了最佳参数:每分钟150转的气速度,2毫米的空隙,45厘米2的料面积,每分钟1750转的子速度和6毫米的屏幕孔径.
- 实现了30公斤/小时的吞吐量,具体能耗为49千瓦时/.
- 平均产品颗粒大小为2.14毫米,FNN模型精度R2为0.99974.4.
结论:
- 开发的研磨机组为枣种子加工提供了高效和多功能解决方案.
- 机器学习显著提高了农业废物处理的优化.
- 这些发现支持可持续的资源利用和农业废物利用.


