咖啡纤维葡萄酒的优化过程与人工神经网络和响应表面方法相结合

科学领域:

• 食品科学与技术 食品科学与技术
• 发酵科学 发酵科学
• 农业副产品价值化 农业副产品价值化

背景情况:

• 咖啡纤维素是咖啡加工的副产品,经常被不足利用.
• 从咖啡纸开发增值产品可以提高可持续性和经济可行性.
• 发酵过程需要仔细优化各种因素以获得理想的结果.

研究的目的:

• 为了优化发酵过程,从咖啡纸质中生产葡萄酒.
• 识别和选影响咖啡纤维葡萄酒质量的重要发酵因素.
• 为了比较响应表面方法 (RSM) 和人工神经网络-遗传算法 (ANN-GA) 的效率,以优化过程.

主要方法:

• 一个因素的实验,以确定发酵因子范围.
• 普莱克特-伯曼和最的登设计,以选重要的因素 (物质-液体比,初始pH,初始糖,酵母量).
• 中央组合设计,响应表面方法 (RSM) 和人工神经网络-遗传算法 (ANN-GA) 进行优化.

主要成果:

• 确定了关键因素:材料-液体比,初始pH值,初始糖度和酵母量.
• 与RSM相比,ANN-GA显示了更高程度的模型拟合 (R2 = 0.9140,RMSE = 0.0896).
• 优化条件:物质液体比为4.25:95.75,pH为6.92,初始糖为22.248%,酵母为1.98%,产量为10.255 mg/L.

结论:

• 与RSM相比,ANN-GA是咖啡葡萄酒发酵的更准确的优化工具.
• 优化的发酵参数为工业咖啡纤维葡萄酒生产提供了技术参考.
• 通过酒提升咖啡纤维的价值,是农业废物管理的可持续方法.