基于人工神經(jīng)網(wǎng)絡的花生紅衣色素的提取研究

羅　璇,李　莉

(武漢設計工程學院,食品與生物科技學院,湖北武漢 430205)

?

基于人工神經(jīng)網(wǎng)絡的花生紅衣色素的提取研究

羅璇,李莉

(武漢設計工程學院,食品與生物科技學院,湖北武漢 430205)

目的:建立花生紅衣色素綜合評價值的BP人工神經(jīng)網(wǎng)絡模型,得出最佳提取工藝參數(shù)。方法:正交實驗與人工神經(jīng)網(wǎng)絡相結合,利用正交實驗獲得的數(shù)據(jù)作為神經(jīng)網(wǎng)絡的訓練樣本,建立輸入為實驗因素參數(shù),輸出為花生紅衣色素的綜合評價值的神經(jīng)網(wǎng)絡模型;采用人工神經(jīng)網(wǎng)絡模擬和預測花生紅衣色素提取的最佳條件和綜合評價值。結果:花生紅衣色素最佳提取條件為溫度55 ℃,提取劑為乙醇,乙醇的濃度為60%,提取時間為3 h,料液比為1∶35(g/mL)。結論:人工神經(jīng)網(wǎng)絡模型準確預測花生紅衣色素提取的最佳條件和綜合評價值,且得到最佳提取條件下花生紅衣色素的綜合評價值為33.0824,優(yōu)于正交實驗33.08的綜合評價值。

花生紅衣色素,正交實驗,BP人工神經(jīng)網(wǎng)絡

花生是全球重要的四大油料作物(油菜、大豆、花生、芝麻)之一[1]。我國是花生生產(chǎn)大國,2010年種植面積約 500 hm2,占世界花生耕作面積的20%左右,2011年,我國的花生總產(chǎn)量為1900萬t,其中,花生紅衣占到4.1%[2]。花生紅衣也叫花生種皮,為紅棕色膜質,包含約7%的單寧及多種色素[3]。目前國內外研究表明花生紅衣色素中的功能成分主要是花生紅色素,多酚物質(百藜蘆醇和原花色素)。從花生紅衣中提取花生紅衣色素屬于固液浸提過程,由于該過程受到溶劑種類、溶劑濃度、溫度、時間、物料比等多種因素的影響,優(yōu)化其最佳的因素與水平是提高花生紅衣色素綜合評價值的基礎。

人工神經(jīng)網(wǎng)絡(artificial neural networks,ANNs)是以人腦的組織結構和活動規(guī)律為背景,反映了人腦的某種抽象、簡化和模仿的數(shù)學模型,是基于模仿大腦功能而建立的一種信息處理系統(tǒng),具有高度的非線性映射能力、自組織和自適應能力、記憶聯(lián)想能力等,能夠進行復雜的邏輯操作和非線性映射[4]。目前人工神經(jīng)網(wǎng)絡已用于包括干燥、焙烤、擠壓、發(fā)酵、采后保藏、食品流變學及熱處理等食品工業(yè)領域[5]。在國內也有關于人工神經(jīng)網(wǎng)絡的花色苷提取的研究報道[6]。

目前國內外還沒有關于ANN模擬和預測提取花生紅衣色素綜合評價的相關報道。本課題以低值副產(chǎn)物花生紅衣為原料,采用人工神經(jīng)網(wǎng)絡方法建立花生紅衣色素提取工藝的預測模型,優(yōu)化其溶劑提取工藝,使其能簡單、方便、快速獲得高產(chǎn)的花生紅衣色素。

1　材料與方法

1.1材料與儀器

紅花生武漢中百超市,四?；ㄉ贩N;原花色素標準品(≥98%)上海融禾醫(yī)藥科技有限公司;水乙醇,丙酮,甲醇,乙酸乙酯,氫氧化鈉,香草醛,冰醋酸,鹽酸均為分析純國藥集團化學試劑有限公司。

722可見分光光度計天津市普瑞斯儀器有限公司;HH-S6電熱恒溫水浴鍋金壇市醫(yī)療儀器廠;TDL-5-A離心機上海安亭科學儀器廠;RE-52旋轉蒸發(fā)器上海亞榮生化儀器廠;DFY-300高速粉碎機溫嶺市林大機械有限公司;DHG-907385-Ⅲ電熱恒溫鼓風干燥箱上海新苗醫(yī)療器機械有限公司。

1.2實驗方法

1.2.1花生紅衣預處理將四粒紅花生米搓去外皮,得到花生紅衣殘片,使用高速粉粹機將花生紅衣殘片粉粹,過60目篩,與石油醚混合,裝至燒杯中,并置于30 ℃恒水浴鍋中保溫,脫脂5 h,抽濾,之后將濾渣置于通風櫥中,經(jīng)高速粉粹機粉碎后得到花生紅衣粉末,保存在干燥器中備用。

1.2.2實驗步驟稱取2.00 g 花生紅衣粉末于燒杯中,加入60%的乙醇,在60 ℃溫度下浸置提取2.5 h,提取液過濾,減壓濃縮回收乙醇,將濃縮液置于45 ℃恒溫鼓風干燥箱干燥至恒重,所得的固體即為紅色素及原花色素的粗提物[6],測定原花色素含量、花生紅衣色素色價和提取率。

1.2.3原花色素含量及鹽酸-香草醛法

1.2.3.1標準曲線的制作配置原花色素標準溶液,濃度為0.5 mg/mL,分別取0.05、0.1、0.15、0.2、0.25、0.3 mL,用蒸餾水定容至0.5 mL。加入3.0 mL的4%香草醛-甲醇液和1.5 mL濃鹽酸,立即混勻,于30 ℃下顯色15 min左右,在500 nm下測定吸光值,繪制標準曲線(圖1)。

圖1　分光光度法測定原花色素含量的標準曲線Fig.1　The standard curve of the determination of the content of the original flower pigment by Spectrophotometry

1.2.3.2原花色素測定方法取提取液0.5 mL,放入試管,加入3.0 mL的4%香草醛-甲醇液和1.5 mL濃鹽酸(36%～38%),立即徹底混勻。30 ℃顯色15 min左右,在500 nm下測定吸光值,4%香草醛-甲醇液做空白對照,避光操作[7]。

式中:c-原花色素質量濃度(mg/mL);V-花生衣中原花色素提取液體積(mL);M-花生衣質量(g)。

1.2.4花生紅衣粗提物得率精確稱量制得的花生紅衣粗提物質量,根據(jù)公式計算花生紅衣粗提物得率P。

式中:m-提取所得的花生紅衣粗提物質量,g;M-提取所用花生紅衣粉末質量,g。

1.2.5花生紅衣紅色素色價稱取約 0.1 g的固體花生紅衣粗提物,用0.01 mol/L標準氫氧化鈉溶液溶解,定容于10 mL容量瓶中。在500 nm下用0.01 mol/L氫氧化鈉溶液作參比,于1 cm比色皿中測花生紅衣粗提物的吸光度。

式中:A-花生衣紅色素溶液在500 nm下的吸光度;m-測量色價所用固體花生紅衣粗提物質量,g。

1.2.6熵值法求權重正交實驗多指標綜合:對于花生紅衣色素的提取,原花色素含量、得率和色價是三個重要的評價指標。在對提取花生紅衣色素進行效能評價時,指標權重的確定具有舉足輕重的地位。指標權重確定的科學、合理,評估結果的可靠性與正確性就高。熵值法是熵理論派生出來的一種權衡研究對象重要性程度的方法,以熵理論為指導,對項目決策或者多目標決策時進行權重分配就是熵值法。按照信息熵理論的觀點,衡量指標體系中某一指標的作用必須以指標的變異程度為標準。某一指標的變異程度與其反映的信息量是呈正比的,其變異程度越高識別作用也就越大。也就是說某個指標的熵值越小,其差異系數(shù)就越大,其權重則越大,從而該指標的重要程度就越高[8]。用熵值法將三者的權重分析出來,得到提取花生紅衣色素綜合評價公式。

1.2.7正交實驗單因素實驗表明,利用溶劑進行花生紅衣色素提取時,提取劑種類、提取劑濃度、提取時間、提取溫度、料液比對花生紅衣色素的綜合評價值均有不同程度的影響。單因素實驗結果表明最佳提取參數(shù)為:溫度60 ℃,提取劑為乙醇,乙醇的濃度為60%,提取時間為2.5 h,液料比為1∶25。按提取溫度(A)、提取劑種類(B)、提取劑濃度(C)、提取時間(D)、料液比(E),5因素4水平的正交實驗L16(45)。

1.2.8人工神經(jīng)網(wǎng)絡提取花生紅衣色素模型的建立本文選用BP人工神經(jīng)網(wǎng)絡模型。

1.2.9人工神經(jīng)網(wǎng)絡模型預測并驗證根據(jù)人工神經(jīng)模型預測出的最佳提取花生紅衣色素的提取工藝條件,進行實驗,做三組平行實驗,進行驗證。

表2　正交實驗結果

2結果與分析

2.1熵值法求權重的結果

根據(jù)熵值法的求解步驟,用matlab軟件編寫代碼。得到綜合評價公式:y=0.5224×得率+0.3747×原花色素含量+0.1029×色價

表1　熵值法求權重的結果

2.2正交實驗結果

正交實驗結果表明,每個因素對花生紅衣色素的提取效果的影響不同。花生紅衣中提取紅色素、原花色素的影響因素中,影響紅色素效果依次為提取劑、溫度、提取劑濃度、時間、料液比,其最適條件為A1B2C2D3E4,即乙醇濃度60%,溫度55 ℃,提取時間3 h,料液比1∶35。影響原花色素提取效果因素依次為提取劑、料液比、時間、溫度、提取劑濃度,5個因素的優(yōu)水平組合是A2B2C2D2E4,即乙醇濃度60%,溫度60 ℃,提取時間2.5 h,料液比1∶35。影響色價效果因素的優(yōu)水平組合是A1B2C3D2E2,即乙醇濃度65%,溫度55 ℃,提取時間2.5 h,料液比1∶25。

2.3花生紅衣色素的最佳提取條件的人工神經(jīng)網(wǎng)絡優(yōu)化

2.3.1網(wǎng)絡層數(shù)本實驗中僅考慮含有1個隱含層的網(wǎng)絡,選取上述5個參數(shù)和1個響應值分別作為輸入和輸出變量,建立BP網(wǎng)絡來模擬和預測提取花生紅衣色素的綜合評價。

圖2　BP網(wǎng)絡結構Fig.2　BP network structure

2.3.2網(wǎng)絡學習參數(shù)的選取輸入層的節(jié)點數(shù),本實驗輸入的是提取劑、提取劑濃度、時間、溫度、料液比五個參數(shù),即輸入層的節(jié)點數(shù)取5。為使網(wǎng)絡訓練更加有效,對神經(jīng)網(wǎng)絡的輸入、輸出數(shù)據(jù)進行一定的預處理可以加快網(wǎng)絡的訓練速度。Matlab提供的預處理方法有歸一化處理、標準化處理和主成分分析。常采用的是歸一化處理,即將輸入、輸出數(shù)據(jù)映射到[-1,1]范圍內,訓練結束后再反映射到原數(shù)據(jù)范圍。如果BP函數(shù)最后一層是Sigmoid函數(shù),那么整個網(wǎng)絡的輸出就限制在一個較小的范圍內(0～1之間的連續(xù)量);如果BP網(wǎng)絡最后一層是Pureline函數(shù),那么整個網(wǎng)絡的輸入可以取任意值。本實驗選擇的輸入層與隱層之間使用S型的正切函數(shù)tansig傳遞函數(shù),隱層與輸出層之間使用純線性purelin函數(shù)。針對不同的應用,BP網(wǎng)絡提供了多種訓練,學習方法,通常對于包含數(shù)百個權值的函數(shù)逼近網(wǎng)絡,訓練函數(shù)trainlm收斂速度最快。將RPROP算法的訓練函數(shù)trainrp應用于模式識別時,其速度是最快的。用變梯度算法的訓練函數(shù)traincgf,在網(wǎng)絡規(guī)模比較大的場合,其性能都很好。本實驗選著的學習函數(shù)為梯度下降權值/閥值的learngd,用函數(shù)trainlm來訓練(調整)網(wǎng)絡,以均方誤差函數(shù)mse=1e-5為訓練目標,最大訓練次數(shù)net.trainparam.epochs為1000,訓練時間net.trainparam.time和最小性能梯度net.trainparam.min_grad等為軟件默認值[9]。

2.3.3BP網(wǎng)絡模型的建立及運算結果的分析根據(jù)上面所確定的網(wǎng)絡結構及網(wǎng)絡訓練參數(shù),以正交實驗中每組實驗5個因素的數(shù)值作為輸入,以花生紅衣色素綜合評價值作為輸出。得到一個網(wǎng)絡模型,網(wǎng)絡層數(shù)為3層,輸入層5個節(jié)點,隱含層10個節(jié)點,輸出層1個節(jié)點;輸入層與隱層之間使用S型的正切函數(shù)tansig傳遞函數(shù),隱層與輸出層之間使用純線性purelin函數(shù)。用函數(shù)trainlm來訓練(調整)網(wǎng)絡,以均方誤差函數(shù)mse=1e-5為訓練目標,通過有限次嘗試,由圖2可知得到了1個恰當?shù)腂P網(wǎng)絡模型。

圖3　提取模型網(wǎng)絡訓練圖Fig.3　Network Training extraction model

2.3.4網(wǎng)絡模型的仿真與預測性能運用訓練好的網(wǎng)絡模型,對花生紅衣色素綜合評價值進行計算,以驗證網(wǎng)絡模型的預測性能。結果如圖3,表3所示,網(wǎng)絡模型預測值與實驗值能較好的擬合,最大相對誤差為0.00033,表明了網(wǎng)絡模型有良好的預測性能。由表3可知提取花生紅衣色素的正交實驗最優(yōu)的工藝條件是A1B2C2D3E4,即乙醇濃度60%,溫度55 ℃,提取時間3 h,料液比1∶35。根據(jù)極差分析可知,五個因素對提取花生紅衣色素的綜合評價值影響有差別,其重要性依次為B>A>C>D>E,即:提取劑>溫度>提取劑濃度>時間>料液比,因此在對提取花生紅衣色素時應謹慎選擇提取劑和嚴格控制提取溫度,以保證最佳提取效果。

圖4　預測值與實驗值擬合圖Fig.4　Predicted and experimental values fit Figure

表3　花生紅衣色素提取正交實驗樣本綜合評價值及ANNs模型仿真結果

2.3.5用BP人工神經(jīng)網(wǎng)絡模型預測并驗證的結果與分析結果表明,ANN能適合模擬與準確預測花生紅衣色素的綜合評價值,是研究花生紅衣色素提取工藝的有力工具。人工神經(jīng)網(wǎng)絡模型預測的花生紅衣色素的綜合評價效果影響的主次順序為:提取劑>溫度>提取劑濃度>時間>料液比。最佳提取工藝條件:乙醇濃度60%,溫度55 ℃,提取時間3 h,料液比1∶35。由表5可知,人工神經(jīng)網(wǎng)絡優(yōu)化結果的花生紅衣色素的綜合評價值為33.0824,優(yōu)于正交實驗33.08的綜合評價值。

表4　實驗驗證結果

表5　驗證實驗及ANN模型計算結果

本實驗提取花生紅衣中的原花色素含量的結果與參考文獻[9]結果基本一致。花生紅衣色素粗提物的得率與參考文獻[10]結果基本一致?；ㄉt衣紅色素的色價的結果與參考文獻[6,10]結果基本一致。用熵值法得到原花色素含量、提取率和色價的權重從而得出綜合評價公式。BP人工神經(jīng)網(wǎng)絡優(yōu)化提取花生紅衣色素在國內外尚屬首例,屬于一次創(chuàng)新嘗試。

3　結論

本文采用ANN神經(jīng)網(wǎng)絡法研究了花生紅衣色素的提取工藝,建立了花生紅衣色素綜合評價值的BP人工神經(jīng)網(wǎng)絡模型,得出了最佳提取工藝條件。結果表明當溫度為55 ℃,提取溶劑為乙醇,乙醇的濃度為60%,提取時間為3 h,液料比為1∶35時,花生紅衣色素的綜合評價值為33.0824,優(yōu)于正交實驗33.08的綜合評價值。驗證實驗證明模型的預測結果真實可靠。

[1]溫志英,劉晶,劉煥云.花生紅衣綜合利用現(xiàn)狀及發(fā)展前景[J].中國糧油學報,2010,01:143-146.

[2]張良晨,于淼,石太淵,等.溶劑法提取花生紅衣色素工藝研究[J].農業(yè)科技與裝備,2012,09:69-71.

[3]Mack F Stansbury,Elsie T Field,John D Guthrie.The tannin and related pigments in the red skins(Testa)of peanut kernels[J].Journal of the American Oil Chemists Society,1950,278.

[4]李曉歌,邵麗紅,李娜.人工神經(jīng)網(wǎng)絡BP算法的實現(xiàn)[J].人工智能及識別技術,2008,(5):921-924.

[5]李琳,趙謀明,張黎.利用人工神經(jīng)網(wǎng)絡優(yōu)化制備鳙魚抗氧化肽[J].四川大學學報:工程科學版,2006,38(1):79-81.

[6]童愈元,何東平.花生紅衣中紅色素、原花色素的提取工藝研究[J].農業(yè)機械,2011,05:116-119.

[7]L J Portet,L N Hrstichi,B G Chan. The conversion of procyanidins and prodelphinidins ticyaniding and delphindin[J]. Phytochemistry,1986,25(1):223-230.

[8]侯召華,張宇,金春愛,等.基于人工神經(jīng)網(wǎng)絡的黑米花色苷提取的研究[J].食品科技,2012,01:194-198+203.

[9]管文荻,路鑫,文連奎.響應面法優(yōu)化超聲波輔助提取花生紅衣原花色素的研究[J].農產(chǎn)品加工：學刊,2013,10:6-9.

[10]張紅梅. 花生衣紅色素粗品的提取、性質及其應用的研究[D].無錫：江南大學,2005.

Extraction of red pigment of peanut-skin based on the artificial neural network

LUO Xuan,LI Li

(Wuhan Institute of Design and Sciences,School of food and Biotechnology,Wuhan 430205,China)

Objective:To get the optimal parameters of red pigment of peanut-skin,artificial neural network(ANN)model of extracting conditions based on the comprehensive values of peanut red pigment was founded. Method:Based on the training of artificial neuralnetworks using orthogonal arrays,a model for the comprehensive value of peanut red pigment as the output and the input consisting of technological peanut red pigment for extraction was developed and validated for reliability using selected specimens. The further optimization of optimal values of peanut red pigment obtained using orthogonal array design was conducted based on the AAN model by means of small-step search. Result:The optimal peanut red pigment for extraction were temperature 55 ℃,extracting agent was ethanol,60% ethanol concentration,extraction time was 3 h,material liquid ratio was 1∶35(g/mL). Conclusion:ANN-based optimization gave an exact predicted value on the extracting conditions and the comprehensive values of peanut red pigment. The comprehensive values was 33.0824,higher than the value of 33.08 from orthogonal array optimization.

peanut red pigment;orthogonal experiment;BP artificial neural network

2016-01-14

羅璇(1982-)，女，碩士，副教授，研究方向：發(fā)酵工程與食品生物技術，E-mail：luoxuan20051982@126.com。

湖北省教育廳科研項目(B2015205)。

TS210.9

A

1002-0306(2016)17-0162-05

10.13386/j.issn1002-0306.2016.17.023