基于薄层方程与人工神经网络优化微波干燥工艺实现橙皮标准化粉体生产及其品质调控研究

本研究针对全球每年约3200万吨高营养橙皮废弃物因缺乏优化干燥方法而浪费的问题，通过对比对流热风干燥（CHAD, 90°C, 5 h）与微波干燥（MD, 180 W, 75 min）两种方式，结合五种薄层模型和人工神经网络（ANN）预测，发现MD显著缩短干燥时间且更好保留活性成分。Wang & Singh模型最适合MD数据，对数模型最适合CHAD数据，ANN预测获得高R2值。MD在颜色保持、酚类物质（TPC）、抗氧化活性（DPPH）及黄酮含量（TFC）保留方面均优于CHAD，为柑橘废弃物高值化利用提供了标准化干燥方案。

　　

在全球果汁产业蓬勃发展的背景下，橙汁作为最受欢迎的饮料之一，每年产生约3200万吨的橙皮废弃物。这些富含膳食纤维、酚类化合物和维生素的副产物，若直接丢弃不仅造成资源浪费，还会在填埋场产生温室气体和高化学需氧量渗滤液，对环境造成双重压力。虽然橙皮已被用于提取精油、果胶或生产生物乙醇，但其高含水量和低贮藏稳定性仍是制约其高效利用的主要瓶颈。传统的热风干燥方法虽然能延长保质期，但长时间高温处理往往导致色泽劣变和生物活性成分降解，而微波干燥技术凭借其体积加热特性，能显著缩短干燥时间并改善产品质量，为此类农业废弃物的高值化利用提供了新思路。

为系统评估不同干燥方式的综合效能，印度Bhai Gurdas工程技术学院食品技术系的Harkomaljot Singh等人于《Food Chemistry Advances》发表了关于橙皮干燥的深入研究。该研究创新性地将传统薄层干燥模型与人工神经网络预测相结合，通过对对流热风干燥（CHAD）和微波干燥（MD）的对比分析，建立了标准化干燥工艺参数，为橙皮粉体的工业化生产提供了重要理论依据和技术支撑。

研究人员采用的主要技术方法包括：首先对新鲜橙皮（Malta品种）进行标准化前处理（4.8±0.42 mm切片，蒸汽热烫5分钟）；随后分别采用CHAD（90°C, 5 h）和MD（180 W, 75 min）进行干燥处理；利用五种薄层数学模型（Lewis、Page、Henderson & Pabis、Logarithmic、Wang & Singh和Modified Page）对干燥动力学进行分析；构建多层前馈人工神经网络（ANN）以水分比（MR）为输出变量进行预测；最后对干燥样品进行系统的理化指标分析（水分、可滴定酸度、色泽、总酚含量、抗氧化活性和总黄酮含量）。

3.1. 干燥动力学和模型

研究结果显示，MD仅需75分钟即可将橙皮水分降至10%以下，而CHAD需要300分钟。这种显著的效率差异源于微波的体积加热特性，其产生的内部蒸汽压力梯度加速了水分迁移。通过对五种薄层模型的拟合优度比较发现，Wang & Singh模型对MD数据的拟合度最高（R²=0.9979，RMSE=0.0155），而对数模型最适合描述CHAD过程（R²=0.9901，RMSE=0.0270）。这表明不同干燥机制需要采用不同的数学模型进行准确描述。

3.2. ANN建模

研究人员开发的多层前馈神经网络采用反向传播算法，最佳网络结构为MD的2-2-1和CHAD的2-16-1配置。ANN预测获得了极高的精度，MD的训练、验证和测试R²值分别达到0.99976、1和1，CHAD则分别为0.99996、0.99993和0.99988。整体模型的R²值超过0.999，MSE和RMSE均低于10^-3量级，证明ANN能有效捕捉干燥过程中的非线性特征，为过程优化提供了可靠工具。

3.3. 理化分析

在产品质量方面，MD表现出显著优势：MD样品的最终水分为8.80±0.58%，略低于CHAD样品（9.51±0.49%）；可滴定酸度保留率达86.72%（CHAD为68.75%），表明MD更好地保持了橙皮的酸性成分；色泽分析显示MD的总色差（ΔE=5.84）明显小于CHAD（11.18），说明MD更好地保持了橙皮的自然色泽；在生物活性成分保留方面，MD样品的总酚含量（10.29 mg GAE/g）、抗氧化活性（67.80% DPPH抑制率）和总黄酮含量（4.84 mg QE/g）均显著高于CHAD样品（分别为9.58 mg GAE/g、58.79%和4.38 mg QE/g）。这些结果证实MD不仅能提高干燥效率，还能更好地保留产品的营养品质。

该研究的结论部分强调，通过整合薄层动力学模型和ANN预测，首次建立了微波干燥橙皮的标准化工业适用方案。Wang & Singh模型和对数模型分别被确定为描述MD和CHAD过程的最佳模型，而ANN技术展现了卓越的预测能力。更重要的是，MD在干燥效率和质量保持方面的双重优势，使其成为橙皮废弃物高值化利用的理想选择。这种标准化方法不仅为功能性食品配料的生产提供了技术支撑，还有助于推动柑橘加工行业的可持续发展，实现从废弃物到高附加值产品的转化。

未来的研究方向包括扩展实验条件范围（不同温度和功率设置），验证模型的普适性，评估能耗和经济性，以及探索实时传感器监测与人工智能驱动的优化策略。此外，将该方法应用于其他柑橘类副产物的干燥处理，将进一步增强其在 agro-industrial 领域的应用价值。