基于响应面和人工神经网络-遗传算法优化鲜切萝卜光动力杀菌工艺

摘要

[目的]本文旨在寻找有效建模方法以预测基于姜黄素介导的光动力技术(photodynamic technology, PDT)对鲜切萝卜的杀菌效果，优化其杀菌工艺。[方法]以白萝卜为材料，通过单因素试验及中心组合试验设计，探讨姜黄素浓度、光照时间、光照强度以及孵育时间对鲜切萝卜光动力杀菌的影响。在此基础上分别选用响应面法(response surface methodology, RSM)和人工神经网络-遗传算法(artificial neural network-genetic algorithm, ANN-GA)构建光动力杀菌模型。[结果]单因素试验及中心组合试验结果表明，影响鲜切萝卜光动力杀菌的主要因素从大到小依次为光照强度、光照时间、姜黄素浓度、孵育时间。通过验证试验及模型参数分析，发现基于RSM和ANN-GA方法构建的模型均能对杀菌效果进行较为准确预测，且后者预测能力优于前者。通过ANN-GA法确定鲜切萝卜的最佳杀菌工艺为：姜黄素浓度30μmol·L~(-1),光照强度100μmol·m~(-2)·s~(-1),光照时间24.50 min,孵育时间14.75 min,此时可获得较好的品质保留(维生素C、总酚含量分别为25.14、183.99 mg·100 g~(-1))。[结论]ANN-GA法可以全面、有效、准确地预测基于姜黄素介导的光动力技术对鲜切萝卜的杀菌效果，可为提高光动力技术在食品杀菌领域的应用提供理论基础。

关键词

光动力技术 / 鲜切萝卜 / 杀菌效果 / 人工神经网络 / 遗传算法 / 响应面法