神經網絡優化番木瓜籽油的超臨界CO2萃取工藝

鄧楚津 董 強 張常松 張 良 劉書成

(廣東海洋大學食品科技學院1，湛江 524088)

(西安市產品質量監督檢驗院2，西安 710006)

神經網絡優化番木瓜籽油的超臨界CO2萃取工藝

鄧楚津1董 強2張常松1張 良1劉書成1

(廣東海洋大學食品科技學院1，湛江 524088)

(西安市產品質量監督檢驗院2，西安 710006)

采用超臨界CO2萃取法萃取番木瓜籽油，利用JMP 7.0軟件中的神經網絡平臺，建立超臨界CO2萃取番木瓜籽油的神經網絡模型，并優化了萃取過程的工藝參數。結果表明:番木瓜籽破碎后過20目篩，CO2流量為25 L/h，萃取壓力27 MPa，萃取溫度54℃，萃取時間3 h，油脂得率達30%以上;超臨界CO2萃取的番木瓜籽油的理化性質達到了食用油脂的標準。

超臨界CO2萃取 神經網絡 番木瓜籽油 理化性質

番木瓜(Carica papaya L.)，又名木瓜、番瓜、乳瓜、樹冬瓜、萬壽果，為多年生肉質常綠小喬木，我國的廣東、廣西、海南、云南、福建等省廣泛種植［1］，2007年年產量約19萬噸。番木瓜具有助消化、消炎止痛、強筋舒絡、降壓防癌等功效，除作為水果鮮食外，還大量加工成飲料、果汁和果醬等產品［2－3］。番木瓜籽是番木瓜果肉加工的下腳料，約占番木瓜質量7%，番木瓜籽含油量18% ～30%，其中人體必需脂肪酸油酸含量很高，完全可以作為一種植物油料資源加以開發利用。

超臨界CO2萃取技術是近30年發展起來的一種新型高效提取技術，它具有提取溫度低，得率高，無溶劑殘留等優點，且系統密閉，能有效保護容易被氧化的活性成分，目前已廣泛用于植物油脂的提取［4－7］。有關番木瓜籽油超臨界 CO2萃取的研究鮮有報道。本研究采用超臨界CO2提取番木瓜籽油，通過JMP 7.0軟件的人工神經網絡平臺，建立超臨界CO2提取番木瓜籽油的神經網絡模型，優化其工藝參數，并分析油脂的理化性質，以期為番木瓜籽的綜合加工利用提供基礎數據和技術途徑。

1 材料與方法

1.1 材料與儀器

番木瓜籽，清洗干凈后60℃恒溫烘干備用，經分析測定，含水量20%，粗蛋白25%，粗脂肪32%，灰分8%;CO2:食品級，純度99.99%，湛江氧氣廠;所用試劑均為分析純。

HA221－50－06型超臨界萃取裝置:南通華安超臨界萃取有限公司;101A－2型數顯電熱鼓風干燥箱:上海浦東某豐科學儀器有限公司;家用粉碎機:中山哥爾電器有限公司;XMTD數顯調節恒溫水浴箱:余姚東方電工儀器廠;BL－6205分析天平:上海天平儀器廠。

1.3 試驗方法

1.3.1 超臨界CO2萃取番木瓜籽油

稱取粉碎好的番木瓜籽(M g)裝入1 L萃取釜中，設定萃取釜，分離釜Ⅰ和和分離釜Ⅱ的溫度;溫度恒定后，開啟高壓泵打入CO2，調節萃取釜、分離釜Ⅰ、Ⅱ的壓力到試驗水平，開始循環萃取;結束后，從分離釜Ⅰ、Ⅱ底部放料，稱取油脂的質量(mg)，其工藝流程見圖1。油脂得率=m/M ×100%。

圖1 超臨界CO2萃取工藝流程

1.3.2 油脂理化性質分析

密度:密度計法;折光度:折光儀法;酸值，GB/T 5530—2005;水分及揮發物含量，GB/T 5528—1995;皂化值，GB/T 5534—1995;碘值，GB/T 5532—2008;過

氧化值，GB/T 5538—1995;不皂化值，GB/T 5535.2—

1998;不溶性雜質，GB/T 15688—1995。

1.3.3 數據處理

JMP7.0數據處理軟件;每個試驗做3次，數據用“平均數±標準差”表示。

2 結果與分析

2.1 物料粒度對油脂得率的影響

將番木瓜籽進行不同程度的粉碎，設定萃取壓力為25 MPa、溫度為45℃、時間為1 h;分離釜Ⅰ溫度35℃和壓力10 MPa，分離釜Ⅱ溫度25℃，壓力與CO2鋼瓶一致。考察粒度對油脂得率的影響，結果見圖2。

圖2 物料粒度對油脂得率的影響

從圖2可以看出，原料粒度為20目時的油脂得率最大。從理論上分析，原料粒度越小，CO2與其接觸面積越大，破壁的幾率越高，油脂得率升高;但原料粒度過小會使堆積密度變大，外傳質阻力增大，而且在粉碎過程中油料也有所損失，反而會使萃取量減少［8－9］。因此本試驗選擇的原料粒度為20目。

2.2 CO2流量對油脂得率的影響

將番木瓜籽粉碎過20目篩使用。設萃取壓力為25 MPa、溫度為45℃、時間為1 h，分離釜Ⅰ溫度35℃，壓力10 MPa，分離釜Ⅱ溫度25℃，壓力與后路一致。考察CO2流量對油脂得率的影響，結果見圖3。

從圖3可以看出，在5～30 L/h的范圍內，CO2流量對油脂得率的影響呈先上升后降低的趨勢。這是因為CO2流量的變化會產生兩方面影響:一是流量增加，傳質推動力增大，溶解度速率加快，萃取時間縮短，油脂得率逐漸增加;二是流量過大，CO2流速過快，接觸時間減少，油脂得率反而下降。此外，CO2流量大時，在壓力的推動下，小顆粒雜質容易透過濾板分離出來，影響油脂品質［8－9］。實際上，CO2流量在操作中是不容易控制的，它與設備有很大的關系。因此本試驗選擇CO2流量為25 L/h左右。

圖3 CO2流量對油脂得率的影響

2.3 神經網絡優化超臨界CO2萃取工藝

2.3.1 試驗方案和結果

以萃取壓力(X1)、萃取溫度(X2)、萃取時間(X3)為響應因子，油脂得率(Y)為目標響應，采用Box－Behnken響應面試驗設計［10］，試驗方案和結果見表1。

表1 試驗方案及結果

2.3.2 神經網絡模型的建立

根據試驗數據情況，選擇“K折疊”交叉驗證的方法建立響應目標的神經網絡模型［11］。在經過多次神經網絡訓練之后，確定采用結構的三層神經網絡(見圖4)，即3個輸入神經元，分別代表萃取壓力(X1)、溫度(X2)和時間(X3);3個隱含層神經元;1個輸出神經元，代表油脂得率(Y)。設置各參數值，隱藏節點數3，過擬合罰項0.001，歷程數20，最大迭代數50，收斂準則0.000 01，交叉驗證組數K為5，執行神經網絡模型的擬合迭代過程，擬合決定系數R2值為0.996 2，說明3×3×1結構的三層神經網絡模型具有較好的預測能力。

圖4 神經網絡3×3×1結構模型

2.3.3 神經網絡優化萃取工藝參數

固定其中的1個因素水平為中間水平，作三維曲面圖，然后對其進行正投影處理，將模擬得到的萃取壓力(X1)、溫度(X2)、時間(X3)3個因素對油脂得率(Y)的影響規律進行預測分析，結果見圖5、圖6和圖7。

從圖5看出，油脂得率(Y)隨著萃取壓力(X1)的增大逐漸增加，但當壓力增大到一定水平后，油脂得率卻不再增加，這與很多學者在進行超臨界CO2萃取其他植物油脂的單因素試驗獲得的規律相似［4－7］，說明該神經網絡模型模擬得到的萃取壓力對油脂得率的影響規律符合實際。壓力是超臨界萃取過程的最重要操作參數之一，在溫度和CO2流量恒定時，萃取壓力增大，CO2密度增大，分子間距離減小，傳質效率增加，有利于番木瓜籽油的萃取;但壓力與得率之間并非呈線性關系，存在一個萃取壓力的“最大溶解度”問題。在實際生產中，壓力增加也意味著增加設備和運行成本，而且高壓下會將原料中的色素等雜質萃取出來，影響油脂的品質［8－9］。因此，生產中萃取壓力的選擇需要綜合考慮物料性質、產品品質要求、生產成本等多種因素。

從圖6看出，在試驗范圍內，油脂得率(Y)也隨著萃取溫度(X2)的增大逐漸增加，同樣當溫度增大到一定水平后，油脂得率卻不再增加。萃取溫度也是控制超臨界萃取過程的一個重要的操作參數。萃取溫度的升高能大大提高油脂的蒸氣壓和擴散系數，必然導致得率的提高;但溫度過高會使CO2密度下降，此時雖可提高油脂的揮發度和擴散系數，但難以補償CO2密度降低所造成的油脂溶解能力下降，它取決于升溫所降低的CO2密度與增加的擴散系數兩種競爭效應相持的結果［8－9］。另外，較高的溫度會造成原料中的某些活性成分損失;溫度高，雜質的溶解度也會相應增大，產品后續分離純化難度加大，這反而會降低產品的得率，因此實際生產中選擇萃取溫度要綜合考慮這些因素。

圖7 時間對油脂得率的影響

從圖7看出，在試驗范圍內，油脂得率(Y)也隨著萃取時間(X3)的延長逐漸增加，同樣當時間達到一定水平后，油脂得率卻不再增加。一般來說，萃取時間越長，油脂得率越高，但達到一定時間后，物料中的油脂大部分被萃取，萃取率增長減緩，如果在持續延長萃取時間，生產成本將大大增加。因此，在實際試驗中，應綜合考慮成本、設備條件、原料含油量等因素來設定萃取時間。

根據萃取壓力、溫度、時間3個因素對油脂得率的影響規律，利用JMP7.0軟件的預測刻畫功能，優化超臨界CO2提取番木瓜籽油的工藝參數，預測刻畫見圖8。

圖8 預測刻畫圖

從圖8得出，當萃取壓力(X1)為27 MPa、溫度(X2)為54℃，時間(X3)為3 h時，此時油脂得率(Y)的預測值可達30%以上。在此條件下進行超臨界CO2提取番木瓜籽油，可以實現較高的油脂得率，如果再延長提取時間，油脂得率可以進一步提高，但是番木瓜籽的含油率僅有32%，因此，在過多的延長提取時間，沒有太大的意義，而且生產成本大大增加。

2.3.4 神經網絡模型的驗證

選取6組工藝參數進行超臨界CO2提取番木瓜籽油試驗，并與神經網絡模型預測結果進行比較，結果見表2。

表2 神經網絡模型的預測值與試驗值的比較

從表2可知，預測值與試驗值相對誤差較小，表明建立的神經網絡模型具有較好的準確性和穩定性，可利用該模型對超臨界CO2萃取番木瓜籽油的過程進行預測分析。

2.4 番木瓜籽油的理化性質

對超臨界CO2和正己烷溶劑法［12］提取的番木瓜籽油的理化性質進行比較，結果見表3。

表3 兩種方法提取的番木瓜籽油理化性質比較

從表3可以看出，兩種方法提取的油脂在過氧化值、皂化值、水分及揮發物、不溶性雜質方面有顯著差異(p＜0.05)，這種差異主要是提取方法的優缺點所造成的。溶劑浸提法出油率低、雜質含量高，有溶劑殘留等問題，還需要經過精煉加工處理(脫膠、脫色、脫臭)才符合要求;而超臨界CO2萃取法不僅油脂提取率高，而且各項理化性質均可以達到食用的要求，而且雜質少。超臨界CO2提取植物油脂比溶劑法提取有著明顯的優勢，這也是油脂行業未來的發展方向。

3 結論

采用Box－Behnken響應面試驗設計建立數據集，利用JMP 7.0軟件中的神經網絡平臺建立了超臨界CO2萃取番木瓜籽油的神經網絡模型，優化確定了萃取番木瓜籽油的工藝參數:番木瓜籽經破碎后過20目篩，CO2流量為25 L/h，萃取壓力27 MPa、萃取溫度54℃，萃取時間3 h，此時油脂得率可達30%以上。番木瓜籽油是一種不飽和程度較高的優質油脂，開發利用價值較高。

［1］謝保昌，謝聰珍，肖春承.嶺南果樹栽培技術［M］.廣東:廣東科技出版社，2002

［2］蔡盛華，陸修閩，黃雄峰，等.番木瓜的保健藥用與庭院栽培要點［J］.福建果樹，2003，(2):10 －11

［3］王麗彬，歐寧.番木瓜中生物活性物質的提取及藥理作用研究［J］.現代中藥研究與實踐，2008，22(4):15 －18

［4］Follegatti－ Romeroa LA，Piantinoa CR，Grimald IBR，et al.Supercritical CO2extraction of omega－3 rich oil from Sachainchi(Plukenetia volubilis L.)seeds［J］.Journal of supercritical fluids，2009，49(3):323 －329

［5］Liu GM，Xu X，Hao QF，et al.Supercritical CO2extraction optimization of pomegranate(Punica granatum L.)seed oil using response surface methodology［J］.LWT －Food Science and Technology 2009，42(9):1491 －1495

［6］杜彥山，牟德華，李艷，等.超臨界CO2萃取葡萄籽油的工藝研究［J］.糧油加工與食品機械，2005(7):45－47

［7］潘太安，劉敦華，毛忠英，等.超臨界CO2萃取枸杞籽油的研究［J］.寧夏大學學報:自然科學版，2000，21(2):156 －158

［8］彭英利，馬承恩.超臨界流體技術應用手冊［M］.北京:化學工業出版社，2005:145

［9］任飛，韓發，石麗娜，等.超臨界萃取技術在植物油脂提取中的應用［J］.中國油脂，2010，35(5):14 －20

［10］Marcel Proust.JMP 試驗設計 ［M］.第6 版.SAS Institute Inc.，Cary，NC，US.2006

［11］Marcel Proust.JMP統計和圖形指南［M］.第 6版.SAS Institute Inc.，Cary，NC，US.2006

［12］劉書成，鄧楚津，鐘益強，等.番木瓜籽油的提取工藝優化及理化特性［J］.中國糧油學報，2010，，25(8)42－46.

Optimization of Extraction Process of Papaya Seed Oil by Supercritical Carbon Dioxide Based on Neural Network

Deng Chujin1Dong Qiang2Zhang Changsong1Zhang Liang1Liu Shucheng1
(College of Food Science and Technology Guangdong Ocean University1，Zhanjiang 524088)
(Product Quality supervision and inspection institute of Xi'an2，Xi'an 710006)

Papaya seed oil was extracted by supercritical CO2.A neural network model of supercritical CO2extracting papaya seed oil was established to optimize extracting process parameters in JMP 7.0 software.The parameters were that grinded papaya seeds were screened through a 20 － inch boult，flow of CO2was 25 L/h，extraction pressure was 27 Mpa，extraction temperature was 54 ℃，and extraction time was 3 h.Under these conditions，the extraction rate was above 30% .Papaya seed oil extracted by supercritical CO2can meet the standard of edible oils and fats.

supercritical CO2extraction，neural network，papaya seed oil，physical and chemical properties

TS225.6

A

1003－0174(2012)02－0047－05

廣東海洋大學自然科學基金(0812093)

2011－05－04

鄧楚津，男，1981年出生，實驗師，食品科學與工程

劉書成，男，1977年出生，副教授，碩士生導師，食品科學與工程