混合深度学习优化干腌火腿皮水解：智能工艺提升鲜味肽提取与风味调控新策略

本研究针对干腌火腿皮副产物高值化利用中酶解工艺参数复杂非线性交互的难题，创新性地将模拟退火算法(SAA)、黑翅鸢算法(BKA)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(Attention)融合，构建了混合深度学习模型(SAA-BKA-CNN-BiLSTM-Attention)。该模型实现了胰蛋白酶水解工艺的精准优化，在固液比1:9.858、酶添加量6,064.85 U/g、时间6.11 h条件下，预测误差仅0.79%，显著提升了鲜味氨基酸（谷氨酸146.56 mg/100g、天冬氨酸124.97 mg/100g）的释放，同时抑制苦味肽生成，为胶原蛋白废料的高值化利用提供了智能化解决方案。

　　

在追求可持续食品生产的今天，干腌火腿加工过程中每年产生约230万吨的皮革副产物，这些富含胶原蛋白的原料大多被用于低价值的动物饲料或填埋处理，造成了资源的巨大浪费。随着低钠饮食概念的普及，低盐干腌火腿（氯化钠含量低于5%）的市场需求以每年6.8%的复合增长率快速上升，但这也带来了新的技术挑战：低盐环境会影响蛋白酶对胶原蛋白底物的可及性，而传统优化方法如响应面法(RSM)和正交试验设计(OAD)难以捕捉酶解过程中复杂的非线性参数相互作用。如何高效提取火腿皮中的鲜味肽，同时避免苦味物质的产生，成为食品工业面临的关键难题。

针对这一挑战，延边大学东北寒区肉牛科技创新教育部工程研究中心的研究团队在《LWT》杂志上发表了一项创新研究，他们首次将混合深度学习架构应用于火腿皮酶解工艺优化，通过智能算法实现了鲜味肽的高效提取与风味精准调控。

研究人员采用多算法融合的策略，首先通过单因素实验筛选出最适蛋白酶——胰蛋白酶，其水解度达37.37%，显著高于其他蛋白酶。随后利用响应面法(RSM)和正交试验设计(OAD)进行初步优化，但发现这些传统方法存在局限性。为此，团队创新性地构建了SAA-BKA-CNN-BiLSTM-Attention混合深度学习模型，该模型结合了模拟退火算法(Simulated Annealing Algorithm, SAA)的全局优化能力、黑翅鸢算法(Black-winged Kite Algorithm, BKA)的逃逸局部最优特性、卷积神经网络(CNN)的特征提取优势、双向长短期记忆网络(BiLSTM)的序列建模能力和注意力机制(Attention)的关键信息聚焦功能。

关键技术方法包括：使用来自延吉市福岩猪肉店的长白猪后腿制备低盐干腌火腿样本；通过电子舌系统(SA-402B)定量评价鲜味强度；采用自动氨基酸分析仪(L-8900)测定游离氨基酸组成；利用凯氏定氮法测定总氮含量；通过甲醛滴定法测定氨基氮含量；最终采用混合深度学习模型对酶解工艺参数进行多目标优化。

研究结果方面：

3.1 酶筛选结果表明胰蛋白酶在六种商业蛋白酶中表现最佳，水解度达37.37%，鲜味强度最高。

3.2 单因素优化实验发现固液比1:10、酶添加量5000 U/g、水解时间6 h为较优条件。

3.3 RSM优化确定了各因素的显著性影响，建立二次多项回归模型(R2=0.9981)，得到理论最优参数为固液比1:9.064、酶添加量6416.326 U/g、水解时间5.941 h。

3.4 OAD实验表明固液比和酶添加量对结果有显著影响，而水解时间影响不显著。

3.5 深度学习模型训练显示优异性能，训练集和测试集的R2分别达到0.99004和0.98664，RPD值分别为10.0551和8.7389，表明模型具有强大的预测能力和泛化性。最终优化参数为固液比1:9.858、酶添加量6064.85 U/g、水解时间6.11 h，预测鲜味强度8.733，实测值8.802，相对误差仅0.79%。

3.6 不同优化方法对比表明，DLM优化效果显著优于RSM和OAD。电子舌分析显示DLM优化组鲜味强度最高，且苦味最低。氨基酸分析证实DLM优化组鲜味相关氨基酸（谷氨酸和天冬氨酸）含量最高，分别达到146.56±1.45 mg/100g和124.97±0.45 mg/100g，比RSM组提高10.05%和22.93%，比OAD组提高43.01%和28.14%。同时，甜味氨基酸（甘氨酸和丙氨酸）也显著增加，而RSM优化意外增加了苦味氨基酸。

该研究的核心结论是：混合深度学习模型成功克服了传统优化方法在低钠条件下建模酶动力学的局限性，通过非线性特征提取提高了参数灵敏度分辨率91.7%，实现了胶原蛋白Gly-X-Y结构域的精确切割。这种双重优化机制同时增强了鲜味前体释放和抑制了苦味肽形成，这是RSM/OAD框架无法实现的。工业验证显示，该技术可减少23.4%的批处理时间，节省18-22%的蛋白酶使用量，在10吨系统中每月额外增加4.8个生产周期。模型的预测维护能力(RPD=8.7389)在连续膜反应器中保持了94.3%的批间一致性(RSD=1.82%)，实现了标准化风味特征，最终达到98.6%的胶原蛋白废料利用率。

这项研究的意义在于：它不仅解决了腌肉副产物难以高值化利用的全球性挑战，而且通过增强风味感知实现了世界卫生组织的减钠目标，在可持续生产和消费者健康需求之间取得了重要平衡。深度学习驱动的智能优化为食品加工行业提供了从经验导向到模型预测导向的范式转变，为未来食品工业的智能化升级提供了重要技术支撑。