流化床干燥的流化床干燥的流程优化:通过RSM和ANN模型评估漂白的效果

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
• 营养科学 营养科学

背景情况:

• 干燥显著影响像水菜 (Ipomoea aquatica) 这样的叶菜的质量,影响水分含量和营养素保留 (维生素C,β-胡卜素).
• 液化床干燥 (FBD) 提供了优化叶菜干燥的潜力,但对于这种应用仍未得到充分研究.

研究的目的:

• 为了研究温度,干燥时间和床厚度对在液化床干燥过程中白化和未白化水菜的营养质量的影响.
• 使用响应表面方法 (RSM) 和人工神经网络 (ANN) 模型设计和优化液化床干燥过程,以最大限度地保持营养.

主要方法:

• 利用中央复合设计 (CCD) 和响应表面方法 (RSM) 来优化流化床干燥参数.
• 开发并比较了RSM和人工神经网络 (ANN) 预测模型.
• 使用统计指标,如绝对平均相对偏差 (AARD),平均相对偏差 (MRD),平均平方误差 (MSE) 和确定系数 (R2) 进行模型评估.

主要成果:

• 所有反应变量 (含水量,维生素C,β-胡卜素) 都受到干燥温度,时间和床厚度的显著影响.
• 床的厚度显示出显著的影响: >16%的湿度含量变化和>25%的维生素C变化在白化样品与未白化样品相比.
• RSM表现出比ANN更高的精度和预测能力. 在优化条件下 (60°C,7.19分钟,5.12厘米) 产生了2.95%的水分,5.99 mg/100 g的维生素C和139.16 μg/g的β-胡卜素.

结论:

• 优化的流化床干燥条件适用于工业规模的叶菜干燥,确保高营养保留.
• 响应表面方法 (RSM) 是优化食品干燥过程的可靠工具,在本研究中表现优于ANN.