优化和验证空气冲击清洁参数,以通过机器学习从不钢表面去除无脂干奶粉
Zhipeng Liu1, Yu Liu1, Sicong Tao1
1College of Mechanical and Electronic Engineering, Northwest A&F University, Yangling, Shaanxi 712100, China.
Journal of dairy science
|March 13, 2026
概括
机器学习优化了干燥食品制造的空气冲击清洁. 这种方法有效地去除没有水分的残留物,控制污染,提高食品安全.
科学领域:
- 食品科学 食品科学 食品科学
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 空气冲击清洁为干燥食品环境提供无水分的残留物清除.
- 控制过敏原交叉接触和病原体交叉污染在干燥食品制造中至关重要.
研究的目的:
- 通过机器学习来确定最佳的空气冲击清洁条件.
- 为了最大限度地减少无脂肪干牛奶的去除时间,并最大限度地减少不钢表面的墙壁剪切应力.
主要方法:
- 从以前的实验开发了一个数据库,并使用机器学习 (ML) 模型.
- 利用响应表面方法,并比较了7个ML模型,包括k-最近邻居 (KNN).
- 经过实验验证的ML预测的最佳条件.
主要成果:
- k-最近邻居 (KNN) 模型在预测移除时间和墙面剪切应力 (WSS) 中表现最好.
- 通过ML模型预测的优化条件在实验中得到高准确性验证 (最大误差为15%的移除时间,3%的WSS).
结论:
- 机器学习模型,特别是KNN,准确地预测最佳的空气冲击清洁参数.
- ML可以促进实际应用和优化空气冲击在食品制造中的干洗.
更多相关视频
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
2.2K
08:02Author Spotlight: Innovative Ice Cream Melting Behavior Analysis Through a Computer Vision System
Published on: October 4, 2024
3.1K
