基于人工神经网络和机器学习的微波辅助对流干燥过程中大蒜切片理化性质预测模型研究

推荐：本研究通过人工神经网络(ANN)模型优化微波辅助对流干燥(MW-HA)工艺，探究不同功率(100-300?W)、温度(45-65?°C)及风速(0.3-1.0?m/s)对大蒜切片理化性质的影响。结果表明，65?°C/300?W/0.3?m/s条件下蒜素含量降低39.50%，而1.0?m/s/45?°C/100?W时维生素C保留最佳(0.1751?mg/g)。PCA分析揭示干燥参数与品质指标的关联性，为食品干燥工艺智能化控制提供新范式。

　　

大蒜作为富含硫化物和生物活性成分的食疗佳品，其新鲜组织因75%以上的高含水量易腐败变质，传统热风干燥常导致蒜素(allicin)和维生素C等热敏成分大量损失。尽管微波干燥具有高效节能优势，但工业应用中仍面临温度分布不均、穿透深度有限等挑战。如何通过智能算法精准调控干燥参数，在提升效率的同时最大限度保留功能成分，成为食品加工领域的关键科学问题。

针对这一难题，江苏某高校的研究团队创新性地将人工神经网络(ANN)与微波-热风联合干燥(MW-HA)技术相结合，系统研究了功率(100/200/300?W)、温度(45/55/65?°C)和风速(0.3/0.5/1.0?m/s)三因素对大蒜切片7项关键品质指标的影响。研究成果发表在《Food Chemistry: X》上，首次建立了基于机器学习的大蒜干燥多目标优化模型。

研究采用WEKA软件构建3-15-1结构的ANN模型，通过70%训练集、15%验证集和15%测试集的划分策略，结合主成分分析(PCA)解析变量间关联性。实验测定包括水分比(Fick定律建模)、色差(δE=Lab^*体系)、蒜素(分光光度法412?nm)等指标，所有数据经SPSS进行三因素方差分析(ANOVA)。

干燥动力学与品质关联
在65?°C/300?W/0.3?m/s条件下获得最短干燥时间(较基准缩短35.71%)，但该组合使蒜素含量骤降至4.95?mg/g干重。值得注意的是，提高风速至1.0?m/s虽延长干燥时间18.75%，却显著提升维生素C保留率至0.1751?mg/g，水活度(a_w)维持在0.505的安全阈值。ANN预测显示，复水比与色变(δE)在PCA中呈强正相关(r=0.96)，说明细胞结构完整性直接影响产品外观。

智能算法优化
ANN对复水比的预测达到R²=0.9999(RMSE=0.0005)，最优节点配置为3-12-1。蒜素保留的预测模型中，3-10-1结构在65?°C/200?W/0.5?m/s条件下R²达0.9999。PCA双因子累计贡献率达94.04%，明确将干燥时间、蒜素与水活度聚类为"效率-品质"权衡轴。

产业应用价值
该研究突破传统试错法局限，首次实现大蒜干燥过程的数字化映射。通过揭示微波功率与风速的拮抗效应(300?W时风速每提升0.1?m/s导致维生素C损失率增加2.1%)，为开发自适应控制系统奠定基础。研究推荐的45?°C/100?W/1.0?m/s参数组合，在保证生产效率的同时，使热敏成分保留率提升15%以上，为功能性干燥食品开发提供新范式。

未来研究可结合近红外在线监测与强化学习算法，进一步解决微波场分布不均的工程难题。该成果不仅适用于大蒜加工，其ANN建模框架还可拓展至其他农产品的智能干燥系统设计，推动食品加工业向精准化、智能化方向发展。