米糠颗粒热风辅助红外（HA-IR）干燥的广义预测建模：半理论模型与机器学习的基准比较及油含量和游离脂肪酸评价

《Journal of Agriculture and Food Research》：Generalized modeling of rice bran pellets under hot air assisted infrared drying: Semi-theoretical and machine learning approaches with oil content and free fatty acid evaluation

　　

研究人员针对米糠颗粒热风辅助红外（hot air assisted infrared, HA-IR）干燥建立了首个广义干燥模型。干燥过程完全处于降速扩散控制阶段。Midilli模型能够准确描述27个干燥条件中的24个。与所评估的机器学习（machine learning, ML）模型相比，广义Midilli模型在外部验证中表现出更优性能。HA-IR干燥可保持油含量，并在所研究条件下影响游离脂肪酸（free fatty acid, FFA）的形成。

论文解读：米糠是稻米碾磨的主要副产物，脂质含量为18–23%，并含蛋白质11–16%、γ-谷维素（γ-oryzanol，0.5–5.5 g/kg）和生育酚（tocopherols，100–150 mg/kg），是食用油原料。米糠油工业制备通常包括制粒、干燥和溶剂萃取；制粒可提高堆积密度和溶剂渗透，但加水制粒使颗粒水分升高，萃取前必须干燥。传统热风干燥存在干燥时间长、热效率较低等问题；已有研究涉及对流、移动床热风、过热蒸汽、红外及HA-IR干燥，但米糠颗粒HA-IR干燥建模仍有限。颗粒致密化会改变孔隙并形成显著传热传质阻力，已有模型多针对特定条件，难以跨红外强度、热风温度和风速通用。为此，研究人员建立以红外强度、热风温度和风速为显函数的广义预测框架，以完整处理进行外部验证，并与k-近邻（k-nearest neighbors, k-NN）、随机森林（random forest, RF）、支持向量回归（support vector regression, SVR）和极端梯度提升（extreme gradient boosting, XGB）等ML模型比较，同时评价油含量和FFA。研究得出干燥全程为降速扩散控制，Midilli模型在24/27个条件最佳，广义Midilli模型外部验证优于ML模型，干燥条件影响油含量和FFA；其意义是为HA-IR干燥过程预测、操作条件筛选、工艺放大和数字模拟提供可解释工具。

方法上，研究人员采用三因素全因子完全随机设计：红外强度5000、7000、9000 W/m²，热风温度40、60、80 °C，风速1.0、1.5、2.0 m/s，27处理×2重复；米糠颗粒由CEO Agrifood Co., Ltd.提供，经蒸煮挤压制粒，初始水分18 g_w/g_dm，干燥至0.08 g_w/g_dm。HA-IR系统含红外加热器、翅片加热器、鼓风机和PID控制；定时称质量计算水分比（moisture ratio, MR）和干燥速率（drying rate, DR）。用Fick第二定律有限圆柱解估算有效水分扩散系数（effective moisture diffusivity, D_eff），用Arrhenius关系求活化能（activation energy, E_a）和前指数因子（pre-exponential factor, D₀）。对9种半理论模型作条件拟合，以20处理训练、7完整处理外部验证，并用多项式等函数泛化Midilli参数；用k-NN、RF、SVR、XGB预测MR，输入为红外强度、温度、风速和时间。油含量按AACC 30-10正己烷萃取测定，FFA按AOCS Ca 5a-40滴定测定，采用三因素方差分析（analysis of variance, ANOVA）和最小显著差（least significant difference, LSD）。

结果部分：3.1 干燥特性与干燥速率行为。通过MR和DR曲线分析，所有处理MR连续下降、DR逐渐降低，无恒速期，表明内部扩散控制；高温和高红外强度缩短干燥时间并提高DR，风速在若干条件下反而延长干燥，最高DR多出现在中间MR。3.2 条件特异性半理论干燥模型评价。通过对27个条件拟合9种模型，Midilli模型在24个条件最佳，R²为0.9994–0.9999，RMSE小于0.0001–0.0054；两-term模型仅在3个条件最佳；参数k随温度和红外强度增加，n为0.8408–1.3807，a稳定在0.9994–1.0012，b变化较小。3.3 广义Midilli模型开发与性能。通过将k、n、a、b表示为红外强度、热风温度和风速的函数，二阶多项式最佳（k的R²=0.8486；n为0.7908；a为0.4592；b为0.5112）；训练R²=0.9284、RMSE=0.0520，外部验证R²=0.9332、RMSE=0.0493，多数点位于±10%误差带内。3.4 水分比机器学习预测。通过相同训练和外部验证数据比较，XGB测试最佳（R²=0.9201，RMSE=0.0539），RF次之（R²=0.9168，RMSE=0.0550），SVR为0.9000，k-NN为0.8090且训练到测试下降最大。3.5 广义Midilli与机器学习模型性能比较。通过在相同外部验证处理上比较，广义Midilli模型R²=0.9332、RMSE=0.0493，优于所评估ML模型，说明可解释半理论关系可有效描述MR演化，RF和XGB仍具捕捉非线性交互的灵活性。3.6 HA-IR干燥水分扩散特征与活化能。通过Fickian扩散和Arrhenius分析，D_eff为4.52×10^-9–26.42×10^-9 m²/s，随温度和红外强度增加，风速影响依条件而异；E_a为11.37–28.08 kJ/mol，较高D_eff通常对应较低E_a；D₀为0.07×10^-4–23.01×10^-4 m²/s，并随E_a增加呈动力学补偿。3.7 对油含量和FFA的影响。通过ANOVA和LSD比较，油含量仅受红外强度显著影响，5000、7000和9000 W/m²平均分别为21.84%、21.52%和18.37%，温度、风速及交互不显著；FFA主要受风速影响（p<0.001），风速由1.0增至2.0 m/s时平均FFA由1.10%升至1.34%；红外强度与温度交互显著，80 °C下7000 W/m²的FFA显著高于5000 W/m²，9000 W/m²居中；温度与风速交互显著，1.0和1.5 m/s时温度影响显著，2.0 m/s时无显著温度影响且FFA较高。HA-IR处理FFA约0.92–1.45%（油酸当量），低于工业热风参考的1.80±0.15%，但高于Codex精炼米糠油0.3%限值；原文说明所测为未经精炼的粗溶剂萃取油，故与精炼油标准比较需谨慎。

讨论部分，Suluh Pambudi、Wanphut Saechua和Jiraporn Sripinyowanich Jongyingcharoen指出，以完整处理进行外部验证比随机划分训练测试更严格；广义Midilli模型可解释且易实施，ML模型更灵活；最高红外强度下油含量降低，原文将其与更高热暴露和结构变化联系起来，但相关机制未直接评估；FFA与风速及较长干燥期的关联为原文提出的可能解释，未直接研究。局限在于实验室规模未评价比能耗、工业吞吐和后干燥储存稳定性，尚需中试验证、能耗与吞吐评估、储存稳定性及技术经济分析。研究结论部分可译为：本研究在所研究操作范围内表征了米糠颗粒HA-IR干燥行为；干燥完全发生在降速期，与内部水分传输阻力显著贡献一致；九种半理论模型中Midilli模型对27个条件中的24个拟合最佳，R²为0.9994–0.9999；广义Midilli模型成功将MR描述为干燥时间和操作条件的函数，训练与外部验证R²分别为0.9284和0.9332，RMSE分别为0.0520和0.0493；其预测性能与所评估ML模型相当，并在所研究条件下外部验证表现更优，同时保留可解释数学结构；D_eff为4.52×10^-9–26.42×10^-9 m²/s，随红外强度和干燥温度升高而增加，E_a为11.37–28.08 kJ/mol；红外强度显著影响油含量，风速是FFA主要影响因素，表明干燥条件可影响下游产品质量。工业上，广义Midilli模型提供了无需每个操作条件单独拟合的预测工具，可减少大量干燥实验、辅助操作条件选择与工艺优化，并支持工艺设计、放大和工业HA-IR干燥系统数字模拟；但比能耗、工业吞吐和后干燥储存稳定性未在本实验室规模研究中评价，未来需在中试和工业规模验证并纳入能耗、吞吐、储存稳定性和技术经济分析。