基于人工神经网络(ANN)与数学模型联用的茶树叶片干燥动力学及品质参数多方法比较研究

本研究针对茶叶干燥过程中品质保持与效率优化的难题，系统比较了冷冻干燥(FD)、热风干燥(HAD)、红外干燥(ID)和微波干燥(MWD)四种方法对茶树叶片水分比(MR)、抗氧化活性、水分活度及色泽的影响，创新性地结合薄层干燥模型与人工神经网络(ANN)建模，发现FD在保留94.7%抗氧化活性方面最优，而MWD干燥速率最快，为茶叶加工工艺优化提供数据支撑。

　　

茶叶作为全球消费量第二大的非酒精饮料，其加工过程中的干燥环节直接决定了成品茶的品质和商业价值。然而，传统干燥技术普遍存在能耗高、时间长、活性成分损失严重等问题，且不同干燥方法对茶叶关键品质参数的影响机制尚未系统阐明。更棘手的是，干燥过程中的非线性水分迁移行为使得传统数学模型预测精度有限，亟需引入智能算法优化工艺。

针对这一系列问题，Recep Tayyip Erdo?an University的研究团队在《LWT》发表了创新性研究。该工作首次将人工神经网络(ANN)与六种薄层干燥模型（Alibas、Demir、Henderson & Pabis、改进Midilli-Kucuk、对数式、Weibull模型）联用，系统评估了四种干燥技术（FD、HAD、ID、MWD）对土耳其里泽地区茶树叶片的影响。研究通过测定水分比(MR)动力学曲线、抗氧化活性（DPPH法）、水分活度（Aqualab测定仪）和色差(ΔE)等指标，构建了能同时预测多干燥方法下MR变化的统一ANN模型，为茶叶加工智能化提供了新范式。

关键技术方法包括：1) 四种干燥方法参数化实验（FD设置0.008-0.012mbar真空度，HAD/ID设置50-80°C，MWD设置300-750W）；2) 薄层干燥模型拟合与ANN建模（MATLAB R2024a构建双隐藏层MLP网络）；3) 品质分析（水活度仪测a_w，色差仪测Lab^*，分光光度法测抗氧化活性）。

3.1 干燥动力学建模结果

通过MR-时间曲线分析发现：FD在0.008mbar下仅需840分钟，而MWD在750W时仅需3分钟即可达到平衡水分。模型拟合显示Alibas和改进Midilli-Kucuk模型在多数条件下R²>0.999，其中MWD数据最适配Alibas模型（R²=0.9998），印证了该模型对快速干燥过程的独特适应性。

3.2 ANN预测性能

构建的4-8双隐藏层ANN以贝叶斯正则化算法训练后，测试集R²达0.99834，RPD（残差预测偏差）为3.3936，显著优于单一薄层模型。特别值得注意的是，该网络首次实现了跨干燥方法的MR统一预测，单次预测仅需0.3毫秒，为实时干燥控制奠定基础。

3.3 品质参数比较

FD展现出绝对优势：在0.008mbar下获得最高抗氧化活性（6.29μmol TEAC/g）、最低a_w（0.29）和最小ΔE（4.31），但耗时最长；MWD虽在750W时仅需3分钟，但a_w高达0.64且ΔE达12.47。相关性分析揭示干燥时间与a_w呈负相关（r=-0.82），而与抗氧化活性正相关（r=0.79），这解释了FD的品质优势源于其温和的低温脱水过程。

这项研究通过多方法对比和智能建模，明确了不同干燥技术的适用场景：FD适合高端茶产品生产，MWD适用于快速加工，而HAD在效率与品质间取得平衡。ANN模型的成功构建不仅实现了跨方法的精准预测，其方法论更可推广至其他农产品的干燥优化。研究团队特别指出，未来需在工业级设备上验证模型泛化能力，并建议结合在线近红外监测技术实现闭环控制，这对推动茶叶加工业的智能化转型具有重要实践意义。