机器学习算法用于估计和优化红外加热系统中片的植物化学含量和物理化学特性

科学领域:

• 食品科学与技术 食品科学与技术
• 农业工程 农业工程
• 机器学习应用 机器学习应用

背景情况:

• 干燥对于保存木至关重要,但在最佳条件下平衡质量和效率仍然具有挑战性.
• 物理化学性质,如补水,颜色,水活性和维生素C,是干的质量关键指标.
• 机器学习提供了一种新的方法来优化复杂的食品干燥过程.

研究的目的:

• 研究空气温度,红外线强度和空气流速对干燥的物理化学特性的影响.
• 使用机器学习和自组织地图 (SOM) 算法,优化干条件.
• 开发一个预测模型,以了解和控制木的干燥性能.

主要方法:

• 利用机器学习算法开发了干的预测模型.
• 采用自组织地图 (SOM) 来确定最佳干燥参数.
• 实验性地改变了空气温度,红外线强度和空气流速,以评估它们对木属性的影响.

主要成果:

• 红外线强度和空气温度的增加对补水和颜色产生了积极的影响,但降低了水活性和维生素C含量.
• 较高的空气流速减轻了温度升高和红外线强度的负面影响,保持了质量.
• 该SOM确定了五种最佳的干燥条件,有利于降低温度,降低红外线强度和提高空气流量以提高质量.

结论:

• 机器学习,特别是SOM,有效地优化木干燥参数,以提高产品质量.
• 开发的模型准确地预测了干燥性能,为工业应用提供了宝贵的见解.
• 这项研究提出了一种创新的方法,可以提高食品干燥效率,而不会损害的营养和物理质量.