AI建模辅助全光谱人工日光干燥姜黄品质评估|Food Chemistry

本研究评估了全光谱人工阳光干燥（FSASLD）作为一种新型姜黄脱水技术，重点关注其干燥特性、品质保持能力及机器学习建模应用。实验采用可控人工阳光干燥系统，在200–400 W功率范围内对姜黄切片进行干燥处理。随着功率增加，水分去除速率加快，有效水分扩散率从2.54×10⁻¹⁰提升至5.07×10⁻¹⁰ m²·s⁻¹。颜色降解动力学因颜色参数和干燥条件差异而不同，零级和一级模型均能准确描述干燥过程中的颜色变化。姜黄素保留率超过85%，表明FSASLD在保持品质方面表现优异。研究还利用五种机器学习算法，基于干燥变量预测水分比，其中高斯过程回归（GPR）效果最佳，平均测试决定系数达0.9879。结果表明，FSASLD可作为传统干燥的可控替代方案，并为智能化食品干燥过程中的预测与品质控制提供数据驱动工具。

姜黄（Curcuma longa L.）富含抗氧化、抗炎等生物活性成分，但新鲜姜黄含水量高、易腐败，干燥是延长货架期和保持品质的关键步骤。传统日晒和简易太阳能干燥成本低，但受气象条件限制，可能导致污染、干燥不均及品质劣化。闭式全光谱人工阳光干燥可在受控条件下模拟自然光谱，提高过程稳定性。同时，机器学习能够从实验数据中学习干燥变量与水分比之间的非线性关系，为干燥过程预测、优化和智能控制提供支持。

研究将新鲜姜黄清洗后，在98±2℃下烫漂2分钟，切成5±0.5 mm薄片，置于闭式人工阳光干燥腔中，分别在200、300和400 W功率下干燥，每10分钟称重以计算含水率、干燥速率和水分比。采用Fick第二定律计算有效水分扩散率，并用10种薄层干燥模型拟合干燥曲线。机器学习部分以干燥时间、干燥速率和功率为输入，水分比为输出，比较RF、MLP、KNN、GPR和SVM五种模型，经五折交叉验证与网格搜索优化。品质分析包括CIELAB色泽、颜色动力学模型及HPLC-DAD定量姜黄素含量。

图1. 闭式全光谱人工阳光干燥系统。该系统由干燥腔、气流管道、蒸发器、冷凝器、鼓风机、加热器、全光谱人工阳光光源和控制面板等组成，可在受控环境中模拟AM 1.5标准太阳光谱。

图2. 姜黄样品加工与分析流程。从新鲜姜黄清洗、烫漂、切片到FSASLD干燥，再经粉碎、颜色和姜黄素分析以及机器学习建模，展示了完整实验设计。

图3. 用于水分比预测的高斯过程回归框架。GPR基于概率核函数进行非线性非参数建模，可在水分比预测中提供平滑拟合与不确定性感知。

图4. 不同功率下姜黄切片的干燥特性。功率从200 W升至400 W时，总干燥时间由570 min缩短至280 min，最大干燥速率提高，所有曲线均表现为降速干燥阶段。

图5. FSASLD功率对有效水分扩散率的影响。200、300和400 W下D_eff分别为2.54×10⁻¹⁰、4.23×10⁻¹⁰和5.07×10⁻¹⁰ m²·s⁻¹，说明更高功率促进内部水分迁移并提升干燥效率。

图6. 姜黄粉样品中姜黄素的HPLC色谱图。FSASLD样品姜黄素含量高于台湾和印度商品样品，提示该干燥方式对姜黄素具有较好的保留效果。

表1. 用于描述姜黄切片FSASLD薄层干燥行为的数学模型。表中汇总Lewis、Page、Midilli等10种经典模型，为干燥曲线拟合和模型优选提供基础。

表2. 姜黄切片干燥过程颜色变化的动力学参数。L*、a*、b*和ΔE在不同功率下可由零级或一级模型描述，反映褐变、色素降解和美拉德反应等共同作用。

表3. 薄层干燥模型的统计性能与模型系数。10种模型比较显示，Midilli等模型整体拟合效果最佳，具有较高R²和较低误差，可准确描述FSASLD干燥曲线。

表4. 新鲜姜黄与FSASLD样品的颜色参数。中等功率更有利于姜黄色泽保持，而过高功率可能导致亮度下降和褐变加重。

表5. 水分比预测的机器学习模型性能。GPR模型测试集R²达到0.9879，预测误差最低，说明其最适合本研究条件下姜黄FSASLD过程水分比预测。

本研究证明，闭式全光谱人工阳光干燥是一种可控且具有品质保持潜力的姜黄干燥技术。随着功率由200 W升至400 W，干燥时间明显缩短，有效水分扩散率提高，说明更高功率可增强传质效率。Midilli等模型最适合描述姜黄切片的干燥曲线；颜色变化可由零级或一级动力学模型刻画；姜黄素保留率超过85%，提示FSASLD对关键活性成分具有较好保护作用。机器学习结果进一步显示，GPR能够高精度预测水分比，为干燥过程在线监测和精准控制提供了可行模型。

未来研究可进一步将实时传感器、光谱检测和机器学习控制策略集成到FSASLD系统中，形成可反馈调节的智能干燥平台。同时，还需扩展样品批次、产地和切片厚度等变量，验证模型泛化能力，并将该框架应用于其他富含热敏性或光敏性活性成分的农产品。若在规模化设备和连续生产条件下进一步验证，FSASLD结合AI建模有望服务于高品质农产品干燥、营养成分保留和食品加工智能化。

https://doi.org/10.1016/j.foodchem.2026.149784

文中标注“原创”仅为编译整理标识，本平台不持有原文版权；内容仅作学术交流与知识分享，不代表平台观点，亦不保证内容真实完整。若涉及版权或内容问题，请联系删除或修正。

供稿｜景泽民

审核｜陈华伟 朱科学