基于机器学习的三效太阳能干燥技术对菊芋营养成分的优化与预测研究

本研究针对菊芋干燥过程中营养流失问题，创新性比较自然干燥、单/双/三效太阳能干燥对蛋白质、矿物质及维生素的影响，并采用随机森林(RF)、k近邻(kNN)等机器学习算法构建预测模型(R2>90%)。结果显示三效太阳能干燥最佳保留β-胡萝卜素(0.68 mg/kg)和抗坏血酸(94.82 mg/kg)，为功能性食品开发提供技术支撑。

　　

菊芋（Helianthus tuberosus L.）作为富含菊粉、蛋白质（干重33.30%）和必需脂肪酸的功能性作物，在糖尿病、肥胖症防治领域备受关注。然而传统干燥方式导致关键营养素如β-胡萝卜素、抗坏血酸（AA）严重流失，且缺乏快速检测手段。针对这一难题，研究人员系统评估了五种干燥方法（自然晾晒、单/双/三效太阳能干燥）对菊芋蛋白质（凯氏定氮法）、矿物质（原子吸收光谱）及维生素（HPLC）的影响，并创新性引入机器学习算法构建预测模型。

研究采用三效太阳能干燥系统集成相变材料（PCM），通过化学分析与机器学习双轨验证。随机森林（RF）和k近邻（kNN）算法对蛋白质、AA等指标的预测精度R2>90%，其中三效干燥显著保留β-胡萝卜素（0.68 vs 自然干燥0.21 mg/kg）和AA（94.82 vs 57.41 mg/kg），蛋白质含量高达69379 mg/kg。相关性分析揭示蛋白质与磷、AA的强关联（r>0.85）。

^{材料与方法}
通过原子吸收光谱测定矿物质，HPLC分析维生素，比较五种干燥方法效能。采用RF、多层感知机（MLP）等7种算法建模，以R2和相对预测偏差（RPD）评估性能。

^结果
• 三效干燥保留93.2%蛋白质，双效/单效分别为89.7%/85.3%
• 机器学习预测中RF对AA的R2达0.96，kNN对β-胡萝卜素RPD>2.5
• PCM提升干燥效率7.81%，降低能耗14.6%

^讨论
该研究首次证实三效太阳能干燥结合PCM可最大限度保留热敏性成分，其多层热交换机制使干燥均匀性提升23%。机器学习模型较传统化学分析法提速8倍，为农产品加工质量控制提供新范式。

论文发表于《Journal of Food Composition and Analysis》，为功能性食品开发提供两大利器：① 三效干燥工艺参数（温度45-50℃、风速1.2m/s）；② 可迁移的RF预测模型框架。未来可结合高光谱成像实现无损检测，推动农业数字化转型。