應用神經(jīng)網(wǎng)絡優(yōu)化芒果果汁的酶解工藝

,,，,

(廣東海洋大學食品科技學院,廣東湛江 524088)

我國芒果資源豐富,是世界第二大芒果生產(chǎn)國。但芒果采收期短、貯運困難、損耗大,因此,芒果除作鮮果食用外,主要加工成為芒果汁、芒果原漿和芒果罐頭等。目前,芒果果汁的生產(chǎn)主要是去皮壓榨,果皮在加工過程中一般是被當作廢物棄掉。據(jù)估計,芒果果皮占芒果全重的9% ～ 16%[1],且果皮中含有很多營養(yǎng)物質(zhì)和活性物質(zhì),具有抑菌[2]、抗氧化[3]、抗癌[4]、增強免疫調(diào)節(jié)[5]等作用。因此,去皮壓榨不僅浪費資源、污染環(huán)境,還使得果汁成本提高,嚴重制約芒果果汁的發(fā)展。

在果汁生產(chǎn)工藝優(yōu)化研究中,常見的方法有正交實驗和響應面。然而正交實驗無法找到整個區(qū)域上因素的最佳組合和響應值的最優(yōu)值[6]。而響應面法雖然能夠克服這一缺點,但是適用范圍有一定的局限性[7]。人工神經(jīng)網(wǎng)絡簡稱神經(jīng)網(wǎng)絡,是在現(xiàn)代神經(jīng)科學研究的基礎上對生物神經(jīng)系統(tǒng)的結構和功能進行數(shù)學抽象、簡化和模仿而逐步發(fā)展起來的一種新型信息處理和計算系統(tǒng)[8],一些研究表明ANN能夠克服響應面二次多項式的一些局限性,更全面的反映工藝參數(shù)與輸出結果的關系[9]。

本研究建立了芒果果汁酶解工藝的神經(jīng)網(wǎng)絡模型,并對其工藝參數(shù)進行優(yōu)化,確定酶解的最佳工藝參數(shù),從而為其工業(yè)生產(chǎn)提供一定的理論基礎。

1 材料與方法

1. 1 實驗材料

金煌芒芒果(九成熟) 購自廣東湛江水果市場;果膠酶(酶活力105U/g)和纖維素酶(酶活力105U/g) 和氏璧生物技術有限公司;福林 - 酚試劑 北京鼎國昌盛生物技術有限責任公司;2,6 - 二氯靛酚,葡萄糖,沒食子酸,草酸,蒽酮,其他試劑均為分析純。

1. 2 儀器與設備

UX420H、AUW120型電子天平 日本島津;HHS型電熱恒溫水浴鍋 上海博迅實業(yè)有限公司醫(yī)療設備廠;DH2230型打漿機 蒙達電器有限公司;MASTER - 53α手持折射儀 日本ATAGO;PHS - 25C酸度計 深圳市力源檢測儀器有限公司。

1. 3 實驗方法

1. 3. 1 工藝流程 芒果→清洗→熱燙→切塊→打漿→酶解→滅酶→壓榨→過濾→芒果果汁

挑選成熟度高(九成熟)、無病害的芒果稱重后清洗、熱燙、去核,切成1cm左右的方塊按m(果肉)∶ m(水)=1∶ 2加水打漿[10];取100. 0g果漿加入酶解液,用保鮮膜密封,進行酶解;酶解結束后立刻放入90℃熱水中滅酶2min,然后迅速冷卻至室溫;最后用200目的濾布進行壓榨過濾,直到無汁液流出。空白組樣品,芒果去皮去核后打漿加酶解液酶解,滅酶后進行壓榨過濾取汁。

1. 3. 2 芒果果汁得率的計算 參考楊輝[11]方法并改進,按下式計算:

式中,m表示全果果肉質(zhì)量(去皮或帶皮);M表示全果總質(zhì)量;m1表示過濾后果汁質(zhì)量;m2表示添加水質(zhì)量;m3表示打漿所用果肉質(zhì)量。

1. 3. 3 果汁指標測定 總糖:蒽酮比色法[12];還原糖:GBT5009. 7 - 2008食品中還原糖的測定;維生素C:2,6 - 二氯靛酚滴定法[13];總酚:福林 - 酚比色法[14]。

1. 3. 4 果汁感官評定 采用九點標度法[15],找10位同學進行感官評定,取平均值,指標體系及標度見表1。

表1 感官評分標準Table 1 Standards of sensory evaluation

1. 3. 5 實驗設計

1. 3. 5. 1 神經(jīng)網(wǎng)絡實驗設計 根據(jù)單因素實驗結果確定果膠酶用量(X1)、纖維素酶用量(X2)、溫度(X3)和時間(X4)4個因素的變量范圍,以果汁得率(Y)為響應目標,設計Box - Behnken實驗采集實驗數(shù)據(jù),實驗因素及水平見表2。根據(jù)實驗數(shù)據(jù)情況采用JMP7. 0軟件神經(jīng)網(wǎng)絡平臺中“K 折疊”交叉驗證的方法擬合響應目標的神經(jīng)網(wǎng)絡模型。

表2 Box - Behnken實驗設計因素及水平Table 2 Factors and levels of experimental design for Box - Behnken

1. 3. 5. 2 神經(jīng)網(wǎng)絡模型的建立與分析 根據(jù)實驗數(shù)據(jù),選擇“K折疊”交叉驗證的方法建立響應目標的神經(jīng)網(wǎng)絡模型[16]在經(jīng)過多次神經(jīng)網(wǎng)絡訓練之后,確定采用4×6×1結構的三層神經(jīng)網(wǎng)絡(圖1),即4個輸入神經(jīng)元,分別代表果膠酶用量(X1)、纖維素酶用量(X2)、酶解溫度(X3)和酶解時間(X4);6個隱含層神經(jīng)元;1個輸出神經(jīng)元,代表果汁得率(Y)。設置以下各參數(shù)值,隱藏節(jié)點數(shù)6,過擬合罰項 0. 001,歷程數(shù)16,最大迭代數(shù)50,收斂準則0. 00001,交叉驗證組數(shù)K為5,執(zhí)行神經(jīng)網(wǎng)絡模型的擬合迭代過程,擬合決定系數(shù)R2值為0. 9972,說明4×6×1結構的三層神經(jīng)網(wǎng)絡模型具有較好的預測能力。

圖1 神經(jīng)網(wǎng)絡結構圖Fig. 1 Structure of artificial neural network

為研究果膠酶用量(X1)、纖維素酶用量(X2)、酶解溫度(X3)和酶解時間(X4)4個因素對芒果果汁得率(Y)的影響,利用三維響應曲面圖來描述,先固定其中兩個因素水平為中間水平,利用JMP7. 0軟件中的曲面刻畫器作三維曲面圖處理來研究四個因素對果汁得率的影響并進行預測分析。

1. 3. 6 數(shù)據(jù)處理 采用JMP7. 0數(shù)據(jù)處理軟件中的神經(jīng)網(wǎng)絡平臺進行作圖和分析,每個實驗重復3次,數(shù)據(jù)用“平均數(shù)±標準差”表示。

2 結果與分析

2. 1 神經(jīng)網(wǎng)絡輸入數(shù)據(jù)的采集結果

根據(jù)表2采用Box - Behnken實驗設計來確定人工神經(jīng)網(wǎng)絡優(yōu)化需要輸入的訓練數(shù)據(jù),實驗設計與結果見表3。

2. 2 神經(jīng)網(wǎng)絡模型分析與優(yōu)化

利用JMP7. 0軟件中的曲面刻畫器作三維曲面圖處理來研究四個因素對果汁得率的影響,結果見圖2。

從圖2a、2b、2c中可以看出,果膠酶用量對芒果果汁的得率影響較大,隨著果膠酶用量的增加得率逐漸增加,當用量增加到0. 007%左右時達到最大值,當用量大于0. 007%時得率反而開始減小。這是由于在芒果果汁加工過程中,果膠酶可以酶解構成細胞壁的果膠物質(zhì),降低果漿的粘度,使果汁更易流出,從而提高得率,但當果膠酶用量過大時,果膠物質(zhì)完全降解,果漿粘度增加,反而使得率減小[17]。

從圖2a、2d、2e中可以看出纖維素酶用量對果汁得率也有影響,隨著纖維素酶用量的增加,得率先增加后減小,當用量為0. 001%左右時得率達到最大,用量小于0. 001%時隨著用量的增加逐漸增加,大于0. 001%逐漸減小。芒果果漿中含有少量纖維素,添加纖維素酶可以使纖維素降解,從而使果漿中的可溶和不可溶物質(zhì)釋放,壓濾后提高果汁得率[18],但纖維素酶用量過大時使果膠物質(zhì)得以完全釋放,果漿粘度進一步增大,導致得率下降。

圖2b、2d、2f表明酶解過程有一定的最適溫度,30 ～ 40℃范圍內(nèi),隨酶解溫度的升高,果汁得率增加,當溫度超過40℃時,得率開始下降。果膠酶、纖維素酶的最適溫度一般在30 ～ 60℃,低于最適溫度酶活隨溫度增加而增加,高于最適溫度時隨溫度增加而減小,而且酶解溫度高時會引起果汁特有氣味的改變,產(chǎn)生一種水煮的味道,影響果汁質(zhì)量。酶解時間是影響酶解過程的重要因素,圖2c、2e、2f表明,隨著酶解時間的增加,果汁得率也逐漸增加,延長酶解時間可以提高出汁率,由圖可知酶解時間60min以后,得率雖有增加但不明顯,而且酶解時間越長,生產(chǎn)周期就越長,使成本提高。

表3 Box - Behnken實驗設計及結果Table 3 The experimental design and results of Box - Behnken design

綜上分析,果膠酶用量對得率的影響最大,其次是酶解時間,酶解溫度,纖維素酶用量的影響最小。選擇最佳芒果果汁提取工藝參數(shù)時,既要考慮果汁得率,還要考慮果汁質(zhì)量和生產(chǎn)成本。因此根據(jù)4個因素對果汁得率的影響規(guī)律,利用JMP 7. 0 軟件的預測刻畫功能,優(yōu)化酶法生產(chǎn)芒果果汁工藝參數(shù),最優(yōu)預測刻畫見圖3。

圖2 果膠酶用量、纖維素酶用量、酶解溫度和時間對果汁得率的影響Fig. 2 Effect of pectinase concentration,cellulase concentration, reaction temperature and time on the juice yield

圖3 神經(jīng)網(wǎng)絡預測刻畫圖Fig. 3 Predictive plot of artificial neural network

從圖3中可以預測得出,最佳工藝為果膠酶用量0. 006864%,纖維素酶用量0. 000979%,酶解溫度40. 5626℃、酶解時間為60. 52518min,芒果果汁得率最大預測值為80. 85423%。考慮反應條件更易控制,選擇最佳酶解工藝參數(shù)為:果膠酶用量0. 007%、纖維素酶用量0. 001%、酶解溫度40. 6℃、反應時間60min。在此條件下進行驗證實驗,平行三次,果汁得率的平均值為80. 48%,與預測值無顯著差異(p>0. 05),說明人工神經(jīng)網(wǎng)絡模型具有較好的預測能力,因此可利用該神經(jīng)網(wǎng)絡對芒果果汁提取過程進行預測分析。在相同條件下進行空白實驗,平行三次,果汁得率的平均值為66. 47%,芒果帶皮壓榨比去皮壓榨果汁得率提高了14. 01%。

將制得的芒果去皮果汁和帶皮果汁進行品質(zhì)對比分析,結果見表4。由表4可以看出帶皮果汁與去皮果汁相比,理化指標中總酚含量差別較大,其他差別較小,感官指標總體相差不大,果汁品質(zhì)可以接受。

表4 帶皮果汁與去皮果汁的品質(zhì)比較Table 4 The comparison between juice with peel and without peel

3 結論

利用人工神經(jīng)網(wǎng)絡平臺建立酶法生產(chǎn)芒果果汁的工藝模型,得到最佳酶解工藝參數(shù)為果膠酶用量0. 007%、纖維素酶用量0. 001%、酶解溫度40. 6℃、酶解時間60min,芒果帶皮果汁得率為80. 48%,去皮果汁得率為66. 47%,提高14. 01%,且?guī)す钠焚|(zhì)可以接受。本研究不僅可為芒果果汁生產(chǎn)工藝提供參考,還為果汁生產(chǎn)降低成本和果皮資源回收利用提供了新的思路。

[1]黃發(fā)新. 九制芒果皮的研制[J]. 食品科學,1999,20(1):65 - 66.

[2]覃麗儉,王強,吳莉宇. 芒果皮萃取物抑菌成分穩(wěn)定性探討[J]. 廣西農(nóng)業(yè)科學,2007,38(4):423 - 426.

[3]Kim H,Moon J Y,Kim H,etal. Antioxidant and antiproliferative activities of mango(Mangifera indica L. )flesh and peel[J]. Food Chemistry,2010,121(2):429 - 436.

[4]Kim H,Kim H,Mosaddik A,etal. Induction of apoptosis by ethanolic extract of mango peel and comparative analysis of the chemical constitutes of mango peel and flesh[J]. Food Chemistry,2012,133(2):416 - 422.

[5]汪敏,王維民,諶素華. 芒果皮黃酮的免疫調(diào)節(jié)作用[J]. 食品研究與開發(fā),2010,31(8):23 - 25.

[6]Liang Ren Jie. Orthogonal test design for optimization of the extraction of polysaccharides from Phascolosoma esulenta and evaluation of its immunity activity[J]. Carbohydrate Polymers,2008,73(4):558 - 563.

[7]Desai K M,Survase S A,Saudagar P S,etal. Comparison of artificial neural network(ANN)and response surface methodology(RSM)in fermentation media optimization:Case study of fermentative production of scleroglucan[J]. Biochemical Engineering Journal,2008,41(3):266 - 273.

[8]史德芳,高虹,程薇,等. 人工神經(jīng)網(wǎng)絡在食品加工過程模擬控制中的應用[J]. 食品研究與開發(fā),2009,30(1):176 - 179.

[9]Marchitan N,Cojocaru C,Mereuta A,etal. Modeling and optimization of tartaric acid reactive extraction from aqueous solutions:A comparison between response surface methodology and artificial neural network[J]. Separation and Purification Technology,2010,75(3):273 - 285.

[10]朱巧力,許學勤. 濃縮芒果渾汁制備中的酶解工藝研究[J]. 食品與發(fā)酵工業(yè),2009(9):179 - 183.

[11]楊輝,陳永康,張智鋒,等. 果膠酶提高蘋果出汁率工藝條件的優(yōu)化[J]. 食品科技,2006,31(5):76 - 78.

[12]文赤夫,董愛文,李國章,等. 蒽酮比色法測定紫花地丁中總糖及還原糖含量[J]. 現(xiàn)代食品科技,2005,21(3):122 - 123.

[13]王啟軍. 食品分析實驗[M]. 第二版,北京:化學工業(yè)出版社,2012.

[14]李巨秀,王柏玉. 福林—酚比色法測定桑椹中總多酚[J].食品科學,2009(18):292 - 295.

[15]王琳. 食品分析[M]. 北京:中國輕工業(yè)出版社,1994.

[16]Marcel Proust. JMP統(tǒng)計和圖形指南[M]. 第6版,SAS Institute Inc. ,Cary,NC,US. 2006.

[17]劉瑩,王璋,許時嬰. 酶法制取芒果混汁的工藝[J]. 食品工業(yè)科技,2007,28(10):167 - 170.

[18]曾青蘭. 纖維素酶及其應用[J]. 河北農(nóng)業(yè)科學,2008,12(8):171 - 172.