人工神經網絡優化火龍果籽油的超臨界CO2萃取工藝

鄧楚津，劉書成，陶柳清，吳曉萍

（廣東海洋大學食品科技學院，廣東湛江524088）

人工神經網絡優化火龍果籽油的超臨界CO2萃取工藝

鄧楚津，劉書成，陶柳清，吳曉萍*

（廣東海洋大學食品科技學院，廣東湛江524088）

采用超臨界CO2萃取火龍果籽油，通過單因素試驗研究了干燥時間、原料粒度、CO2流量等因素對油脂得率的影響，利用JMP 7.0軟件中的人工神經網絡平臺，建立了超臨界CO2萃取火龍果籽油的人工神經網絡模型，并優化了萃取過程的工藝條件。試驗結果表明：火龍果籽曬干后經（80±1）℃干燥1 h，稍粉碎過40目篩，CO2流量為20 L/h，萃取壓力30 MPa，萃取溫度55℃，萃取時間3 h，油脂得率達31%以上；超臨界CO2萃取的火龍果籽油酸值、過氧化值都較低，不飽和程度較高，是一種具有較高的開發潛力的植物油脂。

超臨界CO2萃取；火龍果籽油；脂肪酸；工藝優化

火龍果（Hylocereus undatus）是一種仙人掌科蔓藤類熱帶果用植物，我國的臺灣、海南、廣東、廣西、云南等地區廣泛種植，主要有紅皮白肉（H.undatus）和紅皮紅肉（H.polyrhizus）兩個栽培品種[1]。粵西地區火龍果資源豐富，種植面積廣，畝產可達2 500 kg[2]。火龍果既可以直接鮮食，又可以將其加工成為果汁、果酒等產品，近年來已成為農業新、特、優、高開發項目，其研究和發展也日益受到重視[3-4]。

火龍果籽是火龍果加工的副產物，為黑色，形似芝麻，約占鮮果質量的5%～8%。據研究報道，火龍果籽中含粗蛋白22%左右（按干基算），其氨基酸種類齊全，第一限制氨基酸是賴氨酸[5]；火龍果籽中含有豐富的礦物元素，可以作為鈣鎂等其它礦物元素的飼料添加劑[6]。實際上，火龍果籽中還含有豐富的油脂成分[7]，其中人體必需脂肪酸含量很高，完全可以作為一種植物油料資源加以開發利用。

超臨界CO2萃取技術是一種新型的高效提取技術，它具有提取溫度低，得率高，無溶劑殘留，且系統密閉，能有效保護容易被氧化的活性成分等優點，目前已廣泛用于植物油脂的提取[8]，然而有關火龍果籽油的超臨界CO2萃取研究目前還鮮有報道。本研究采用超臨界CO2提取火龍果籽油，通過JMP 7.0軟件的神經網絡平臺，建立超臨界CO2提取火龍果籽油的人工神經網絡模型，優化其工藝條件，并分析油脂的理化性質，以期為火龍果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 材料與試劑

火龍果籽采自廣東省湛江市麻章區，清洗干凈后曬干備用，經分析測定，含水量8.88%，粗蛋白20.28%，粗脂肪32.80%，灰分3.12%；甲醇，無水乙醚，95%乙醇，三氯甲烷，冰醋酸，碘化鉀，氫氧化鉀，無水硫酸鈉，硫代硫酸鈉，可溶性淀粉，酚酞等試劑均為分析純；CO2為食品級，純度99.9%；試驗用水為超純水。

1.2 儀器與設備

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：上海浦東鼎豐科學儀器有限公司；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 方法

1.3.1 超臨界CO2萃取火龍果籽油工藝流程[9]

稱取一定量的火龍果籽（Mg）裝入1L萃取釜中，設定萃取釜、分離釜Ⅰ、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。油脂得率按下式計算。

圖1 超臨界CO2萃取工藝流程Fig.1 Flow diagram of supercritical fluid extraction

1.3.2 人工神經網絡優化油脂萃取工藝

為了獲取用于人工神經網絡的樣本數據，本研究以油脂得率（Y）試驗指標，以超臨界萃取壓力（x1）、萃取溫度（x2）、萃取時間（x3）為影響因素，采用Box-Behnken響應面試驗設計來確定人工神經網絡優化的輸入訓練數據[10]，其因素水平編碼見表1。

表1 響應面試驗因素水平表Table1 Code of factors and levels

1.3.3 油脂理化性質分析[11]

酸值，采用GB/T 5530-2005《動植物油脂酸值和酸度測定》；碘值，采用GB/T 5532-2008《動植物油脂碘值的測定》；過氧化值，采用GB/T 5538-1995《動植物油脂過氧化值測定》；折光指數，采用GB/T 5527-1985《動植物油脂折光指數的測定》；相對密度，采用GB/T 5009.2-2003《食品的相對密度的測定》；皂化值，采用GB/T 5534-1995《動植物油脂皂化值的測定》；不皂化值，采用GB/T 5535.2-2008《動植物油脂不皂化物測定》；水分及揮發物含量，采用GB/T 5528-2008《動植物油脂水分及揮發物含量測定》；不溶性雜質，采用GB/T 15688-2008《動植物油脂不溶性雜質含量的測定》。

2 結果與分析

2.1 干燥時間對油脂得率的影響

將曬干的火龍果籽于（80±1）℃分別干燥0、0.5、1、1.5、2、2.5 h，然后粉碎過20目網篩。分別稱取一定量已過篩的火龍果籽裝入萃取釜中進行萃取。其它試驗條件：CO2流量15 L/h；萃取時間為1 h；萃取壓力為20MPa、溫度為45℃；分離Ⅰ溫度35℃，壓力10MPa；分離Ⅱ溫度25℃，壓力與后路氣瓶壓力一致。考察干燥時間對油脂得率的影響，結果見圖2。

圖2 干燥時間對油脂得率的影響Fig.2 Effect of drying time on extraction rate of oil

從圖2可以看出，火龍果籽經過干燥1 h后，油脂得率最高，經測定其含水量為5.21%。火龍果籽中水分含量高時，其內部空隙充滿水分，阻礙了CO2的滲入，降低油脂溶解作用，但水分含量過低，組織間的空隙變小，增大了外傳質阻力，也不利于CO2滲入，所以適宜的水分含量有利于提高油脂的得率。因此，以下試驗選擇火龍果籽于（80±1）℃干燥1 h。

2.2 原料粒度對油脂得率的影響

火龍果籽干燥1 h后，用粉碎機進行不同程度的粉碎，然后分別過篩20、40、60目網篩。分別稱取一定量已過篩的火龍果籽裝入萃取釜中進行萃取，其它試驗條件與2.1相同。考察粒度對油脂得率的影響，結果見圖3。

圖3 原料粒度對油脂得率的影響Fig.3 Effect of materials size on extraction rate of oil

從圖3可以看出，原料經過粉碎后，油脂得率明顯提高，原料粒度為40目時的油脂得率最高。一般來說，原料粒度越小，與CO2接觸面積越大，內傳質阻力低，油脂得率越高；但原料粒度太小，在壓力作用下容易板結成塊，反而會使萃取量減少，從而影響萃取效果[12]。因此，以下試驗選擇將火龍果籽稍粉碎后過40目篩后使用。

2.3 CO2流量對油脂得率的影響

圖4 CO2流量對油脂得率的影響Fig.4 Effect of carbon flow on extraction rate of oil

從圖4可以看出，在5 L/h～20 L/h的范圍內，油脂得率呈明顯上升的趨勢。實際上，CO2流量對油脂得率會產生兩方面影響：一是流量增加，溶解度速率加快，萃取時間縮短，油脂得率增加；二是流量過大，CO2與原料接觸時間很少，油脂得率反而下降。因此，CO2流量在萃取中存在一個最佳值，而且CO2流量在操作中是不容易控制的，它與設備條件有很大的關系[13]。所以以下試驗選擇CO2流量為20 L/h左右。

2.4 人工神經網絡優化超臨界CO2萃取工藝條件

2.4.1 響應面試驗設計結果

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，試驗方案和結果見表2。

表2 Box-Behnken試驗設計方案及結果Table2 Box-Behnken Experimental design and results

續表2 Box-Behnken試驗設計方案及結果Continue table2 Box-Behnken Experimental design and results

2.4.2 人工神經網絡的建立

根據以上試驗數據情況，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。經過多次神經網絡訓練之后，確定采用三層結構的神經網絡，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（H）；1個輸出神經元，代表油脂得率（Y），見圖5。

社會組織不僅在怒江的發展決策過程中有著重要影響,而且在國家公園的建設中，也應該積極參與，確保不損害社區和環境的利益。在2017年9月，國務院印發的《建立國家公園體制總體方案》中也提出“完善社會參與機制。在國家公園設立、建設、運行、管理、監督等各環節，以及生態保護、自然教育、科學研究等各領域，引導當地居民、專家學者、企業、社會組織等積極參與。”綠色流域早在2004年就參與怒江水電的調查，此后十多年來，一直關注并參與怒江發展與保護的討論，并提出意見。此次綠色流域對怒江國家公園的調研，也是社會組織參與怒江發展決策的延續。

圖5 神經網絡3×3×1結構模型Fig.5 Structure of artificial neural network

在進行擬合迭代前，本人工神經網絡的主要參數設置見表3。

表3 人工神經網絡的參數設置表Table3 Setting of parameters of artificial neural network

執行神經網絡模型的擬合迭代過程，擬合決定系數R2值為0.999 8，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。

2.4.3 人工神經網絡優化萃取工藝條件

2.4.3.1 3個因素對油脂得率的影響

對x1、x2、x33個因素影響Y的規律進行分析，以其合理的控制超臨界CO2萃取火龍果籽油的過程參數。固定其中的1個因素水平為中間水平，利用JMP 7.0軟件中的曲面刻畫器作三維曲面圖，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）的影響規律分別進行預測分析，結果見圖6、圖7和圖8。

圖6 x1對Y的影響Fig.6 The effect of x1on Y

圖7 x2對Y的影響Fig.7 The effect of x2on Y

從圖6可以看出，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。人工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，與很多科研人員在進行超臨界CO2萃取其他植物油脂的單因素試驗獲得的規律相似[13-15]，說明本人工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。

圖8 x3對Y的影響Fig.8 The effect of x3on Y

萃取壓力是控制超臨界CO2萃取過程的最重要操作條件之一。一般情況下，在萃取溫度和CO2流量恒定時，萃取壓力增大，CO2密度增大，分子間的相互作用力增大，油脂在CO2中的溶解度上升，得率升高；但萃取壓力和油脂得率之間呈非線性關系，它存在一個萃取壓力的“油脂最大溶解度”問題[12]。在實際操作中，壓力增加其操作成本也相應增加，而且高壓下的CO2會將疏松的原料壓縮成塊，也會將原料中的部分色素等雜質萃取出來，使油脂色澤變暗，影響油脂的品質和純度。因此，一般最佳萃取壓力的選擇需要綜合考慮原料物理性質、產品品質要求、設備條件等多種因素。

從圖7可以看出，模型模擬得到的萃取溫度對油脂得率的影響規律，與萃取壓力的影響規律相似，它也與很多科研人員在進行其他植物油脂萃取單因素試驗獲得規律相似[13-14]。

萃取溫度是控制超臨界CO2萃取過程的另一個重要的操作條件。萃取溫度對超臨界CO2萃取過程的影響要復雜得多，升溫有可能造成油脂得率增加、不變或降低，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。一方面，萃取壓力較高時，CO2密度高，可壓縮性較小，升溫使CO2密度降低較少，但大大提高了油脂的蒸氣壓和物料的擴散系數，而使油脂的溶解能力提高；另一方面，萃取壓力較低時，CO2的可壓縮性較大，升溫雖然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。另外，在較高的溫度下，會造成油脂中的某些活性成分變性、分解或失效，從而影響產品的品質。因此，選擇萃取溫度時要綜合考慮這些方面的因素。

從圖8可以看出，本模型模擬得到的萃取時間對油脂得率的影響規律，與壓力、溫度的基本相似。一般來說，萃取時間越長，油脂得率越高，但存在一個經濟時間的終點。萃取時間的延長是以電力、壓力、設備損耗等生產成本為代價的。在實際試驗中，應綜合考慮原料含油量、設備條件、生產成本等因素來設定萃取時間。

2.4.3.2 人工神經網絡優化提取工藝條件

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提取火龍果籽油的工藝條件，預測刻畫見圖9。

圖9 預測刻畫圖Fig.9 Prediction plot of artificial neural network

本研究對試驗指標油脂得率（Y）的期望是Y值越大越好。從圖9可以得出，在期望值（意愿）達到0.828時，即萃取壓力（x1）30MPa、萃取溫度（x2）55℃、萃取時間（x3）3 h時，此時油脂得率（Y）的預測值可達31%，而火龍果籽中含油率為32.80%左右。因此，在此條件下進行超臨界CO2提取火龍果籽油，可以實現較高的油脂得率。

2.4.4 人工神經網絡模型的驗證

隨機選取6組原試驗設計中沒有的工藝條件進行超臨界CO2提取火龍果籽油試驗，并與人工神經網絡模型預測結果進行比較，以檢測本神經網絡預測的準確性和穩定性，結果見表4。

表4 人工神經網絡模型的預測值與試驗值的比較Table4 Comparison of the predicted values of ANN and the experimental values

從表4可知，建立的人工神經網絡模型具有較好的準確性和穩定性，能較準確地預測萃取過程，預測值與試驗值的相對誤差較小，因此，可利用本人工神經網絡模型對整個超臨界CO2萃取過程進行預測分析。

2.5 火龍果籽油的理化性質

超臨界CO2萃取的火龍果籽油理化性質測定結果見表5。

表5 火龍果籽油理化性質測定結果（x±s，n=3）Table5 Physical and chemical properties of the Pitaya seed oil（x±s，n=3）

從表5可以得出，超臨界萃取的火龍果籽油酸值和過氧化值都較低，說明火龍果籽油在萃取過程中氧化程度低，油脂中游離脂肪酸的含量也較低，是一種優質的植物油脂，達到食用油脂的標準；火龍果籽油的皂化值為230.90mg KOH/g，可能主要是以16～18個碳的中長鏈脂肪酸為主；碘值為107.96 gI2/g，不飽和度較高，屬于半干性油脂。

3 結論

采用超臨界CO2萃取火龍果籽油，通過Box-Behnken響應面試驗設計建立數據集，利用JMP 7.0軟件中的人工神經網絡平臺，選擇“K折疊”交叉驗證的方法建立了人工神經網絡模型，優化確定了超臨界CO2萃取火龍果籽油的工藝條件：火龍果籽經（80±1）℃干燥1 h，稍粉碎后過40目篩，CO2流量為20 L/h，萃取壓力30MPa、萃取溫度55℃，萃取時間3 h，此時油脂得率可達31%以上。超臨界萃取的火龍果籽油酸值和過氧化值都較低，不飽和程度較高，是一種優質的植物油脂資源，具有一定的開發利用價值。

[1]中國科學院中國植物志編輯委員會.中國植物志(第一分冊,第52卷)[M].北京:科學出版社,1999:283-284

[2]湛江金視.遂溪.打造萬畝火龍果生態觀光景點[DB/OL].http:// www.zjjs.net/detail.asp?Id=113153,2010-07-02

[3]鄧仁菊,范建新,蔡永強.國內外火龍果研究進展及產業發展現狀[J].貴州農業科學,2011,39(6):188-192

[4]賈娟,魏秋紅,楊雯雯,等.胡蘿卜、火龍果復合酸奶的工藝研究[J].中國釀造,2012,31(10):180-184

[5]潘艷麗,芮漢明,林朝朋.火龍果種仁營養成分的測定和評價[J].華南理工大學學報:自然科學版,2004,32(3):41-43

[6]李潤唐,張映南,黃應強,等.火龍果礦質營養元素分布[J].中國南方果樹,2010,39(1):47-48

[7]Hanming R,Liyan Z,Zuowei L,et al.Extraction and characteristics of seed kernel oil from white pitaya[J].Journal of Food Engineering, 2009,93(4):482-486

[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]鄧楚津,董強,張常松,等.神經網絡優化番木瓜籽的超臨界CO2萃取工藝[J].中國糧油學報,2012,27(2):47-51

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

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

[12]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

[13]劉書成,章超樺,鄧楚津,等.西番蓮籽油的超臨界CO2萃取及其特性分析[J].林產化學與工業,2008,28(6):70-74

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

[15]Liu GM,Xu X,Hao QF,et al.Supercritical CO2 extraction optimization of pomegranate(Punica granatum L.)seed oil using response surface methodology[J].Food science and technology,2009,42(9): 1491-1495

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

DENG Chu-jin，LIU Shu-cheng，TAO Liu-qing，WU Xiao-ping*
（College of Food Science and Technology，Guangdong Ocean University，Zhanjiang 524088，Guangdong，China）

Pitaya seed oil was extracted by supercritical CO2.Single-factor tests was applied to study the effects of drying time，granularity of raw material and flux of CO2on the extraction rate of pitaya seed oil.A artificial neural network model of supercritical CO2extracting pitaya seed oil was established to optimize extracting process parameters in JMP 7.0 software.The parameters were listed as follows：the sun-burned pitaya seed were dried at the temperature of（80±1）℃for1 hour，slightly-grinded pitaya seeds were screened through a 40-inch boult，flow of CO2was20 L/h，extraction pressure was 30MPa，extraction temperature was 55℃，and extraction time was3 hours.Under these conditions，the extraction rate was above31%.With a comparatively low acid value，peroxide value，as well as a high degree of unsaturation in fatty acids，Pitaya seed oil extracted by supercritical CO2is a kind of vegetable fat with a high development potential.

supercritical carbon dioxide extraction；pitaya seed oil；fatty acid；technical optimization

10.3969/j.issn.1005-6521.2014.010.015

2013-04-09

鄧楚津（1981—），男（漢），實驗師，碩士，研究方向：食品科學與工程。

*通信作者