人工神经网络和机器学习预测模型用于评估在微波辅助对流干燥过程中切片大 (Allium sativum L.) 的物理化学特性

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
• 食品加工中的人工智能

背景情况:

• 大的质量受到干燥方法的影响.
• 优化干燥参数对于保持物理化学性质至关重要.
• 微波辅助的对流式干燥具有潜力,但需要精确的控制.

研究的目的:

• 为了评估干的物理化学特性,使用微波辅助的对流干燥,由人工神经网络 (ANN) 控制.
• 确定最佳的干燥条件,以保持大的质量属性.
• 使用ANN.模拟干燥参数,时间和物理化学性质之间的相互作用.

主要方法:

• 用微波辅助的对流式干燥机干燥了片.
• 干燥参数有所不同:微波功率 (100-300 W),空气温度 (45-65 °C) 和空气流速 (0.3-1.0 m/s).
• 人工神经网络 (ANN) 建模和主要组件分析 (PCA) 用于分析数据.

主要成果:

• 最佳条件 (65°C,300W,0.3 m/s) 尽量减少了风味的损失 (39.50%的氨酸减少).
• 最高的维生素C (0.1751毫克/克) 和有利的水活性 (0.505) 在45°C,100W和1.0米/秒的温度下实现.
• 在45°C和0.5m/s下增加功率 (300W) 提高了15.53%的补水比.

结论:

• 安恩建模有效地预测和优化了大干燥参数.
• 该研究表明,将ANN与微波对流干燥相结合,可以提高食品加工的潜力.
• 通过ANN进行精确的控制,可以确保优化生产率,而不会影响大的质量.