基于人工神经网络（ANN）的枣粉水分吸附建模：颗粒大小和储存条件对热力学行为及功能特性的影响

《Journal of Food Measurement and Characterization》：ANN-based modeling of moisture sorption in date powder: effects of particle size and storage conditions on thermodynamic behavior and functional properties

椰枣粉吸附特性及功能稳定性研究，考察180-355μm颗粒尺寸、15-35℃温度及10-90%相对湿度对吸附等温线、热力学行为及功能特性的影响。发现吸附符合Type III行为，温度显著降低低水活（<0.5）下的 EMC，而颗粒尺寸对EMC无显著影响，但显著改变物理特性：大颗粒导致颜色变暗（L*值降低4.46%）、密度增加（22.3%）、流动性改善（Hausner比降低3.3%）、吸湿率提升48.4%、溶解度下降16.7%。BET和Oswin模型最佳拟合等温线，ANN预测精度最优。热力学分析表明水分结合能（Qst）和吉布斯自由能（ΔG）随EMC增加而降低，熵变（ΔS）增大。通过分离颗粒尺寸效应并整合ANN与经典模型，提出干燥（水分活度0.3以下）、包装（<3%干基水分）和储存方案，延长货架期并提升加工性能。

　　

摘要

本研究探讨了颗粒大小（180、250和355微米）、温度（15、25和35摄氏度）以及相对湿度（10–90%）对Sukkari枣粉吸附等温线、热力学行为和功能稳定性的影响。通过系统评估颗粒大小对吸附-热力学响应的影响，本研究填补了文献中的关键空白——这一领域很少被研究，也很少与人造神经网络（ANNs）结合进行建模。本研究评估了五种经验等温线模型和多种ANN架构，以预测平衡含水量（EMC）。在室温下测量了不同颗粒大小的物理性质（颜色、密度、流动性和水合性）。吸附行为符合III型等温线特征：当水活度低于0.5时，温度会降低EMC，而颗粒大小对EMC没有显著影响。颗粒大小显著改变了枣粉的功能特性：较大颗粒使颜色变深（L*值从52.79降至48.33），提高了堆积密度（从0.558克/立方厘米升至0.685克/立方厘米），改善了流动性（Hausner比率从1.22升至1.18），增强了吸水性（从155%升至203%），并降低了溶解度（从78%降至65%）；初始含水量随颗粒大小略有增加（从5.37%升至5.55%）。BET和Oswin模型最能很好地描述实验得到的等温线，而ANN模型的预测准确性更优。Oswin模型建议在水活度为0.3时将含水量控制在3%（干基）以下，以确保产品的微生物安全性和稳定性。从热力学角度来看，随着EMC的增加，水结合能（Q??）和自发性（ΔG）降低，而熵惩罚（ΔS）增加。通过分离颗粒大小的影响，并将ANN与经典模型相结合，本研究为枣粉的干燥、包装和储存提供了新的、可操作的目标，从而延长保质期并提高其加工性能。