基于人工神經網絡的茄子皮紫色素的提取研究

羅璇，周敏，李莉

(武漢設計工程學院 食品與生物科技學院，武漢 430205)

茄子為一年生草本植物，種植地區廣泛，是人們喜愛的蔬菜之一[1]。茄子皮中含有豐富的花色苷，可作為天然食用色素[2]，茄子皮色素具有很強的抗氧化活性和生物穩定性，可增強人體免疫機能，降低血脂[3,4]，然而茄子皮因口感粗糙，常作為食品副產物被丟棄，且對環境產生污染。因此，從茄子皮中提取茄子皮色素具有經濟和生態雙重效益。目前關于茄子皮色素的研究主要是在響應面微波輔助提取工藝[5]、紫茄皮中花色苷含量的測定及色素穩定性方面[6]，還沒有關于ANN模擬和預測提取茄子皮色素綜合評價的相關報道。而對于非線性系統有較強處理能力的人工神經網絡則因其獨特的魯棒性、自學習性、自我糾錯能力及強大的運算能力適合對提取過程的建模及仿真[7]。本研究擬以廢棄的紫茄皮為原料，采用蒸餾水提取茄子皮色素，結合ANN建模，熵值法求權重，優化色素綜合評價值提取工藝，為茄子皮天然色素的開發利用提供依據。

1 材料與方法

1.1 材料與儀器

紫長茄：市售；丙酮、鹽酸、無水乙醇、檸檬酸-磷酸氫二鈉、乙酸乙酯、氯仿、氫氧化鈉：均為分析純。

UV2000紫外可見分光光度計 尤尼柯(上海)儀器有限公司；722可見分光光度計 天津市普瑞斯儀器有限公司；B-220 電熱恒溫水浴鍋 上海亞榮生化儀器廠；TG16-WS離心機 長沙湘智離心機儀器公司；RE52-CS旋轉蒸發器、DHG-9240A電熱恒溫鼓風干燥箱 上海新苗醫療器械制造有限公司；DFY-300高速粉碎機 溫嶺市林大機械有限公司；SHZ-D-Ш循環水式真空泵 鞏義市予華儀器有限責任公司；FA2004B電子天平 上海越平科技儀器有限公司。

1.2 方法

1.2.1 茄子皮色素的提取

將紫長茄洗凈，均勻削皮，烘箱60 ℃烘24 h，粉碎，過60目篩，棕色瓶4 ℃冷藏保存。稱取1.00 g 茄子皮粉末于燒杯中，加入一定量的蒸餾水，在50 ℃溫度下浸置提取1 h，并記錄體積，取一半體積抽濾液放入鼓風干燥箱干燥，得到的固體即為茄子皮紫色素的粗提物，計算茄子皮紫色素含量、色價和得率。

1.2.2 色素吸收光譜測定

用紫外分光光度計對蒸餾水浸提的茄子皮紫色素進行光譜掃描，測其吸收光譜，確定最佳波長。后續試驗均采用最佳波長來測吸光度。

1.2.3 茄子皮紫色素含量

取提取液2 mL定容至10 mL，測定最大吸收波長下的吸光度，計算茄子皮粉中花色苷含量[8]。

式中：A為花色苷溶液在最大吸收波長(380 nm)下的吸光度；V為花色苷溶液定容體積，mL；N為稀釋倍數；98.2為花色苷色素在最大吸收波長處的平均消光系數；M為紫茄皮粉質量，g。

1.2.4 茄子皮紫色素得率

精確稱量制得的茄子皮紫色素粗提物質量，根據下式計算茄子皮紫色素粗提物得率P。

式中：m為提取所得的茄子皮紫色素粗提物質量，g；M為提取所用茄子皮粉末質量，g。

1.2.5 茄子皮紫色素色價

取1 mL的茄子皮色素提取液，用 pH為3.0的檸檬酸-磷酸氫二鈉緩沖液配制成1%的色素溶液，在380 nm波長下，用pH為3.0的檸檬酸-磷酸氫二鈉緩沖液作參比，于1 cm比色皿中測茄子皮粗提物吸光度，色價計算如下：

式中：A為茄子皮色素溶液在380 nm下的吸光度；n為稀釋倍數。

1.2.6 熵值法求權重

對于茄子皮色素提取的效能評價，茄子皮紫色素(花色苷)含量、得率和色價是3個重要的評價指標，用熵值法將三者的權重分析出來，得到提取茄子皮紫色素綜合評價公式。

1.2.7 正交試驗

課題組前期單因素試驗表明，利用溶劑進行茄子皮紫色素提取時，溶劑種類、料液比、提取時間、提取溫度、提取劑pH 對茄子皮色素的綜合評價值均有不同程度的影響。單因素試驗結果表明最佳提取工藝條件為：提取劑為蒸餾水，料液比為1∶50(g/mL)，提取時間為1 h，提取溫度為50 ℃，提取劑pH為3。將料液比、提取時間、提取溫度、提取劑pH分別記為A，B，C，D 4個因素，對提取茄子皮紫色素的工藝條件進行4因素3水平的正交試驗。

1.2.8 人工神經網絡提取茄子皮色素模型的建立

本文選用BP人工神經網絡模型。

1.2.9 人工神經網絡模型預測并驗證

根據人工神經網絡模型預測出的茄子皮色素的最佳提取工藝條件進行試驗，每個樣品做3組平行試驗，比較BP預測值與試驗驗證值之間的誤差。

2 結果與分析

2.1 茄子皮紫色素的光譜特征

對茄子皮紫色素溶液在波長300～600 nm下進行光譜掃描，結果見圖 1。

圖1 不同波長下蒸餾水作為提取劑的OD值Fig.1 The OD value with distilled water as extractant at different wavelengths

由圖 1 可知，茄子皮色素在蒸餾水中有著明顯的吸光度，且在波長為380 nm左右有著最大吸收峰。因此，后面的測定均采用波長380 nm。

2.2 熵值法求權重的結果

根據熵值法的求解步驟，用matlab軟件編寫代碼，得到綜合評價公式：y=0.5123×茄子皮色素含量+0.3321×得率+0.1556×色價。熵值法求權重的結果見表1。

表1 熵值法求權重的結果Table 1 The weights' results with entropy method

2.3 正交試驗結果

表2 正交試驗結果Table 2 The results of orthogonal experiment

由表2可知，若以茄子皮紫色素含量為提取茄子皮紫色素效能的唯一評價指標時，4個因素對茄子皮紫色素得率的影響有差別，其重要性依次為D>A>B>C，即：提取劑pH>料液比>提取時間>提取溫度，4個因素的優水平組合是A1B1C2D2，即在提取劑為蒸餾水的前提下，料液比為1∶40(g/mL)，提取時間為1 h，提取溫度為50 ℃，提取劑pH為3。

若以得率為提取茄子皮紫色素效能的唯一評價指標時，4個因素的重要性依次為C>A>D>B，即：提取溫度>料液比>提取劑pH>提取時間，優水平組合是A3B2C2D2，即在提取劑為蒸餾水的前提下，料液比為1∶60(g/mL)，提取時間為2 h，提取溫度為50 ℃，提取劑pH為3。

若以色價為提取茄子皮紫色素效能的唯一評價指標時，4個因素的重要性依次為A>D>C>B，即：料液比>提取劑pH >提取溫度>提取時間，優水平組合是A1B1C2D3，即在提取劑為蒸餾水的前提下，料液比為1∶40(g/mL)，提取時間為1 h，提取溫度為50 ℃，提取劑pH為4。

2.4 茄子皮色素的最佳提取條件的人工神經網絡優化

2.4.1 提取茄子皮紫色素的BP網絡模型的建立

本試驗中僅考慮含有1個隱含層的網絡，選取提取劑pH、時間、溫度、料液比4個參數和1個響應值分別作為輸入和輸出變量，建立BP網絡來模擬和預測提取茄子皮色素的綜合評價。輸入層的節點數為4，輸出層的節點數為1。采用歸一化處理神經網絡數據的輸入和輸出。本試驗選擇的輸入層與隱含層之間使用S型的正切函數tansig傳遞函數，隱含層與輸出層之間使用純線性purelin函數。

本試驗選擇的學習函數為梯度下降權值/閾值的learngd，用函數trainlm來訓練(調整)網絡，以均方誤差函數mse=1e-5為訓練目標，最大訓練次數net.trainparam.epochs為1000，訓練時間net.trainparam.time和最小性能梯度net.trainparam.min_grad等為軟件默認值[9]。根據BP人工神經網絡的建立步驟，用matlab軟件編寫代碼。以單因素試驗和正交試驗中每組試驗4個因素的數值作為輸入，以提取茄子皮紫色素的綜合評價值作為輸出，BP網絡結構見圖2。

圖2 BP網絡結構Fig.2 BP network structure

圖3 提取模型網絡訓練圖Fig.3 Network training diagram of extraction model

由圖3可知，通過有限次嘗試，得到一個恰當的BP網絡訓練模型。

2.4.2 網絡模型的仿真與預測性能

運用訓練好的網絡模型，對提取茄子皮紫色素的綜合評價值進行計算，以驗證網絡模型的預測性能，用matlab軟件編寫代碼，結果見圖4。

圖4 預測值與試驗值擬合圖Fig.4 The fit chart of predicted values and experimental values

由圖4可知，網絡模型預測值與試驗值能較好地擬合，最大相對誤差為0.000041，表明網絡模型有良好的預測性能。

表3 茄子皮紫色素提取正交試驗樣本綜合評價值及ANNs模型仿真結果Table 3 Comprehensive evaluation values of orthogonal experimental samples of eggplant peel purple pigment and simulation results of ANNs model

由表3可知，提取茄子皮紫色素綜合評價值的正交試驗最優的工藝條件是A1B1C1D3，即料液比為1∶40(g/mL)，提取時間為1 h，提取溫度為55 ℃，提取劑pH為4。根據極差分析可知，4個因素對提取茄子皮紫色素的綜合評價值影響有差別，其重要性依次為D>A>C>B，即：提取劑pH>料液比>提取溫度>提取時間，因此在提取茄子皮紫色素時應謹慎選擇提取劑pH和嚴格控制料液比，以保證最佳提取效果。

2.4.3 利用BP人工神經網絡模型預測并驗證的結果與分析

表4 試驗驗證結果Table 4 Experimental verification results

表5 驗證試驗及ANN模型計算結果Table 5 Verification experiment and ANN model results

由表4和表5可知，在提取茄子皮紫色素綜合評價值的最優工藝條件為A1B1C1D3時，茄子皮色素含量、得率、色價、綜合評價值均獲得最大值，優于其他以單個效能評價指標的結果。利用BP神經網絡模型預測的綜合評價值與驗證試驗的綜合評價值極其接近，誤差最大僅為0.000041，驗證試驗證明模型的預測結果真實可靠。

3 結論

為了提高茄子皮色素提取的綜合效能，本文首次采用正交試驗結合人工神經網絡模型預測了茄子皮色素提取綜合評價的最佳提取工藝條件：在提取劑為蒸餾水的前提下，料液比為1∶40(g/mL)，提取時間為1 h，提取溫度為55 ℃，提取劑pH為4。驗證試驗表明：人工神經網絡優化結果的茄子皮紫色素的綜合評價值為7.25421，優于正交試驗7.254的綜合評價值，ANN能夠準確預測茄子皮紫色素的綜合評價值，是研究茄子皮紫色素提取工藝的有力工具。