农业和食品工程系,开发益生菌-GABA丰富营养棒的过程参数通过响应表面方法 (RSM) 和使用人工神经网络 (ANN) 的建模:通过模糊逻辑分析进行表征和感觉评估

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.
• 营养科学 营养科学

背景情况:

• 开发功能性食品需要优化加工以确保生物活性成分的稳定性.
• 像Lactococcus lactis SKL 13和胺黄油酸 (GABA) 这样的益生菌具有健康益处,但需要仔细地纳入食品矩阵.
• 喷雾干燥和微封装是保护益生菌活力和功能化合物完整性的关键技术.

研究的目的:

• 为了优化工艺条件,开发一种缩在喷雾干燥的乳球菌 (Lactococcus lactis SKL 13) 和胺黄油酸 (GABA) 的营养棒.
• 为了比较响应表面方法 (RSM) 和人工神经网络 (ANN) 算法的预测能力,优化营养棒的生产.
• 通过模糊逻辑分析评估开发的益生菌-GABA丰富营养棒的物理化学,功能和感觉特性.

主要方法:

• 响应表面方法 (RSM) 和人工神经网络 (ANN) 用于过程优化.
• 物理化学分析包括益生菌计数,GABA含量,硬度,水活性和自由脂肪酸含量.
• 模糊逻辑分析被用来评估功能和感觉特性,与X射线衍射一起用于结构分析.

主要成果:

• 优化过程参数 (加热温度125.6°C,处理时间26.4分钟) 通过RSM.确定.
• 与RSM (R2 0.9296-0.9992) 相比,ANN表现出更高的预测能力 (R2 0.9502-0.9994).与RSM相比,ANN表现出更高的预测能力 (R2 0.9502-0.9994).
• 优化棒含有7.53日志CFU/g益生菌和55.78毫克/100克GABA,硬度降低,但保持了其他纹理属性. 结构分析显示,在缩条中,矩阵较弱.

结论:

• 该研究使用RSM和ANN成功优化了营养棒的生产,ANN显示出更好的预测性能.
• 开发的营养棒表现出有利的营养特征以及增强的功能和感官特性.
• 虽然结构完整性略有损害,但益生菌-GABA丰富提供了一个有前途的功能性食品产品,具有更好的消费者吸引力.