机器学习驱动的食品包装用醋酸纤维素薄膜多目标优化研究

这篇研究通过人工神经网络(ANN)和集成回归树模型，对醋酸纤维素(CA)生物塑料薄膜的增塑剂(PEG)、交联剂(MA)和疏水改性剂(HAD)配比进行多目标优化，实现了薄膜厚度(TH)、透光率(TP)、吸水性(WA)和平衡含水率(MC)的精准调控（R2达0.981–0.999），为可持续食品包装材料开发提供AI驱动的创新方案。

　　

亮点

化学品与试剂

醋酸纤维素（乙酰含量：29–45%）和苹果酸（纯度：99%）购自Loba Chemie公司。聚乙二醇400(PEG)来自Sigma-Aldrich，丙酮和乙酸乙酯分别采购自Spectrum和Nice化学公司。十六烷酸(HAD)从...（此处省略提取纯化过程描述）。

可降解薄膜特性

不同配比的PEG、MA和HAD显著影响薄膜性能（如图1示例）。HAD浓度是关键变量——低浓度时薄膜透明度更优（图1a,c,e），而高浓度会导致氧化问题（图1d,f）。

结论

本研究创新性地结合人工神经网络(ANN)和集成回归树，通过贝叶斯超参数优化，实现了醋酸纤维素薄膜厚度(0.06 mm)、透光率(42.83%)和含水率(0.05%)的协同优化，最终推荐配方为PEG 299.78 mg·g^?1 + MA 7.51 mg·g^?1 + HAD 44.00 mg·g^?1，为智能食品包装开发提供精准解决方案。

（注：根据要求省略了文献引用标识和图示标识，专业术语保留英文缩写并规范标注上下标）