基于神經網絡的花生紅衣原花色素提取研究

黃燕，張文鳳

(1.九江職業大學，江西 九江 332000；2.江西工程學院，江西 新余 338000)

花生紅衣是一種包含多種原花色素的紅棕色膜態物質。對花生紅衣原花色素的提取是一種利用固液浸泡方式處理后提取色素的過程，紅衣原花色素提取工藝與溶劑種類、濃度、提取溫度、提取時間以及物料等多種因素有關，對花生紅衣原花色素的提取工藝進行優化是提高花生紅衣原花色素水平綜合評價的關鍵。本文以花生紅衣為原材料，利用固液浸泡的方式對紅衣原花色素進行提取，同時對提取工藝過程影響因素進行正交試驗分析，采用神經網絡方法建立花生紅衣原花色素提取工藝的預測模型，對花生紅衣原花色素的提取工藝進行優化，為快速高效提取花生紅衣原花色素工藝提供了借鑒。

1 花生紅衣原花色素提取和檢測

在紅衣原花色素提取前，采用高速粉碎機對花生紅衣進行粉碎，并采用60目篩進行過濾，將粉末與石油醚混合后裝于燒杯中，放置于恒溫水浴鍋中進行30 ℃保溫，時長5 h，保溫后進行脫脂處理，使花生紅衣粉末干燥后進行保存備用。

稱取2 g處理后的花生紅衣粉末，加入濃度為60%的乙醇中進行浸泡，浸泡過程中保持溫度為60 ℃，浸泡時長為2.5 h，浸泡完成后提取乙醇溶液并進行濃縮。將濃縮液放置于45 ℃恒溫干燥箱中進行通風干燥，當重量不發生變化時，停止干燥。此時所得到物質為花生紅衣原花色素提取物，檢測提取物中原花色素的含量，并計算花生紅衣原花色素色價和紅衣原花色素提取率[1-4]。

在進行原花色素含量檢測時，首先配制原花色素標準溶液，溶液濃度為0.5 mg/mL，分別取標準溶液0.05，0.1，0.15，0.2，0.25，0.3 mL，并使用蒸餾水進行0.5 mL定容，完成后加入濃度為4%的香草醛甲醇溶液3 mL和濃度為40%的鹽酸1.5 mL進行均勻混合[5-6]。將混合溶液在30 ℃條件下進行顯色，并在500 nm光譜條件下測定其吸光值，紅衣原花色素混合溶液吸光度標準曲線見圖1。

圖1 花生紅衣原花色素混合溶液吸光度曲線Fig.1 Absorbance curve of peanut red skin proanthocyanidins mixed solution

2 檢測數據分析處理方法

花生紅衣原花色素粗提取率可表示為：

式中：m表示提取得到的花生紅衣提取物質量，M表示花生紅衣質量。

原花色素含量可通過配制過程中的檢測值計算得出：

式中：c表示花生原花色素濃度，V表示花生紅衣中原花色素提取液體積。

稱取0.1 g花生紅衣提取物，使用濃度為0.01 mol/L的氫氧化鈉溶液進行溶解，再使用蒸餾水定容至10 mL，在500 nm光譜條件下檢測溶液吸光度，由此得出花生紅衣原花色素色價：

式中：Q表示花生紅衣原花色素溶液吸光度，n表示稀釋倍數。

花生紅衣原花色素含量、花生紅衣原花色素粗提取率以及花生紅衣原花色素色價是花生紅衣原花色素提取工藝評價的關鍵指標，對3個指標權重的確定直接影響提取工藝的評價過程[7-8]。本文采用熵值法確定3個評價指標權重，并得出花生紅衣原花色素提取綜合評價公式：

y=0.5224P+0.3747γ+0.1029E。

花生紅衣原花色素提取評價指標權重見表1。

表1 花生紅衣原花色素提取評價指標權重Table 1 The evaluation index weight of extraction of proanthocyanidins from peanut red skin

3 多因素正交試驗分析

花生紅衣原花色素提取過程中溶劑種類、濃度、提取溫度、提取時間以及物料等多種因素對提取效果會產生不同程度的影響，花生紅衣色素提取工藝單因素試驗結果見表2。

表2 最佳提取工藝參數(單因素試驗結果)Table 2 The best extraction process parameters(single-factor test results)

本文首先采用正交試驗分析的方法，確定諸多影響因素對花生紅衣原花色素提取率、原花色素提取量以及原花色素色價的影響程度[9]。正交試驗過程中，影響因素A表示溫度，B表示提取劑，C表示提取劑濃度，D表示提取時間，E表示料液比值。影響因素代號分配表見表3?；ㄉt衣色素提取正交試驗結果見表4。

表3 提取工藝影響因素代號分配表Table 3 The code distribution table of influencing factors of extraction process

表4 花生紅衣色素提取正交試驗結果Table 4 The orthogonal experiment results for the extraction of peanut red skin pigment

續 表

由表3可知，在諸多影響因素中，影響花生紅衣中紅色素提取效果的順序為提取劑使用乙醇，提取溫度為55 ℃，提取劑濃度為60%，提取時間為3 h，提取過程中料液比值為1∶35。影響花生紅衣中原花色素提取效果的順序為提取劑使用乙醇，提取過程中料液比值為1∶35，提取時間為2.5 h，提取溫度為60 ℃，提取劑濃度為60%。影響花生紅衣中原花色素色價提取效果的順序為提取劑使用乙醇，提取溫度為55 ℃，提取劑濃度為65%，提取時間為2.5 h，提取過程中料液比值為1∶25。

4 提取工藝條件神經網絡優化

神經網絡中包含多種訓練模式，采用逼近訓練函數可獲取較快的過程收斂性[10]?；ㄉt衣色素提取條件優化神經網絡結構圖見圖2。

圖2 提取工藝條件優化神經網絡結構圖Fig.2 Structure diagram of neural network for optimization of extraction process conditions

本文進行花生紅衣色素提取條件優化時，選用神經網絡包含1個隱含層，選取提取工藝5個影響因素作為輸入參數，將紅衣色素提取綜合評價值作為輸出層，建立神經網絡模型，該模型中包含3個網絡層，其中輸入層的節點數為5，隱含層包含10個節點，輸出層為1個節點[11-12]。輸入層與輸出層之間采用S型正切函數進行傳遞，使輸入參數和輸出參數的取值映射到[-1,1]區間范圍內，隱含層與輸出層之間采用線性函數進行傳遞[13]。

利用訓練好的神經網絡模型對花生紅衣色素綜合評價值進行計算，驗證神經網絡模型的預測性能[14]。驗證過程中，選取工藝條件為提取溫度55 ℃，提取劑濃度60%，提取時間3 h，提取過程中料液比值為1∶35，利用神經網絡模型對該工藝條件下的花生紅衣色素綜合評價值進行預測，將預測值與試驗值進行對比。6組對比試驗結果表明，神經網絡模型預測值與試驗值之間具有較高的擬合度。神經網絡模型預測性能試驗數據見表5。

表5 神經網絡模型預測性能試驗數據Table 5 The test data of predicted performance of neural network model

人工神經網絡預測綜合評價效果的影響順序為提取劑使用乙醇，提取溫度為55 ℃，提取劑濃度為60%，提取時間為3 h，提取過程中料液比值為1∶35。正交試驗結果與神經網絡預測兩種方式，得到的花生紅衣色素提取綜合評價值對比數據見表6。

表6 試驗結果與神經網絡預測綜合評價值對比數據Table 6 The comparative data of experimental results and the comprehensive evaluation values of neural network prediction

5 結論

本文利用正交試驗分析法得到花生紅衣色素提取的最佳工藝，并利用神經網絡建立花生紅衣色素綜合評價網絡模型。利用神經網絡模型預測得到的花生紅衣色素綜合評價值與正交試驗結果基本相符，綜合評價值最大誤差小于0.009%，表明神經網絡模型的預測結果具有較高的可靠性。