基于神经网络的花生红衣原花色素提取研究

黄燕，张文凤

(1.九江职业大学，江西 九江 332000；2.江西工程学院，江西 新余 338000)

花生红衣是一种包含多种原花色素的红棕色膜态物质。对花生红衣原花色素的提取是一种利用固液浸泡方式处理后提取色素的过程，红衣原花色素提取工艺与溶剂种类、浓度、提取温度、提取时间以及物料等多种因素有关，对花生红衣原花色素的提取工艺进行优化是提高花生红衣原花色素水平综合评价的关键。本文以花生红衣为原材料，利用固液浸泡的方式对红衣原花色素进行提取，同时对提取工艺过程影响因素进行正交试验分析，采用神经网络方法建立花生红衣原花色素提取工艺的预测模型，对花生红衣原花色素的提取工艺进行优化，为快速高效提取花生红衣原花色素工艺提供了借鉴。

1 花生红衣原花色素提取和检测

在红衣原花色素提取前，采用高速粉碎机对花生红衣进行粉碎，并采用60目筛进行过滤，将粉末与石油醚混合后装于烧杯中，放置于恒温水浴锅中进行30 ℃保温，时长5 h，保温后进行脱脂处理，使花生红衣粉末干燥后进行保存备用。

称取2 g处理后的花生红衣粉末，加入浓度为60%的乙醇中进行浸泡，浸泡过程中保持温度为60 ℃，浸泡时长为2.5 h，浸泡完成后提取乙醇溶液并进行浓缩。将浓缩液放置于45 ℃恒温干燥箱中进行通风干燥，当重量不发生变化时，停止干燥。此时所得到物质为花生红衣原花色素提取物，检测提取物中原花色素的含量，并计算花生红衣原花色素色价和红衣原花色素提取率[1-4]。

在进行原花色素含量检测时，首先配制原花色素标准溶液，溶液浓度为0.5 mg/mL，分别取标准溶液0.05，0.1，0.15，0.2，0.25，0.3 mL，并使用蒸馏水进行0.5 mL定容，完成后加入浓度为4%的香草醛甲醇溶液3 mL和浓度为40%的盐酸1.5 mL进行均匀混合[5-6]。将混合溶液在30 ℃条件下进行显色，并在500 nm光谱条件下测定其吸光值，红衣原花色素混合溶液吸光度标准曲线见图1。

图1 花生红衣原花色素混合溶液吸光度曲线Fig.1 Absorbance curve of peanut red skin proanthocyanidins mixed solution

2 检测数据分析处理方法

花生红衣原花色素粗提取率可表示为：

式中：m表示提取得到的花生红衣提取物质量，M表示花生红衣质量。

原花色素含量可通过配制过程中的检测值计算得出：

式中：c表示花生原花色素浓度，V表示花生红衣中原花色素提取液体积。

称取0.1 g花生红衣提取物，使用浓度为0.01 mol/L的氢氧化钠溶液进行溶解，再使用蒸馏水定容至10 mL，在500 nm光谱条件下检测溶液吸光度，由此得出花生红衣原花色素色价：

式中：Q表示花生红衣原花色素溶液吸光度，n表示稀释倍数。

花生红衣原花色素含量、花生红衣原花色素粗提取率以及花生红衣原花色素色价是花生红衣原花色素提取工艺评价的关键指标，对3个指标权重的确定直接影响提取工艺的评价过程[7-8]。本文采用熵值法确定3个评价指标权重，并得出花生红衣原花色素提取综合评价公式：

y=0.5224P+0.3747γ+0.1029E。

花生红衣原花色素提取评价指标权重见表1。

表1 花生红衣原花色素提取评价指标权重Table 1 The evaluation index weight of extraction of proanthocyanidins from peanut red skin

3 多因素正交试验分析

花生红衣原花色素提取过程中溶剂种类、浓度、提取温度、提取时间以及物料等多种因素对提取效果会产生不同程度的影响，花生红衣色素提取工艺单因素试验结果见表2。

表2 最佳提取工艺参数(单因素试验结果)Table 2 The best extraction process parameters(single-factor test results)

本文首先采用正交试验分析的方法，确定诸多影响因素对花生红衣原花色素提取率、原花色素提取量以及原花色素色价的影响程度[9]。正交试验过程中，影响因素A表示温度，B表示提取剂，C表示提取剂浓度，D表示提取时间，E表示料液比值。影响因素代号分配表见表3。花生红衣色素提取正交试验结果见表4。

表3 提取工艺影响因素代号分配表Table 3 The code distribution table of influencing factors of extraction process

表4 花生红衣色素提取正交试验结果Table 4 The orthogonal experiment results for the extraction of peanut red skin pigment

续 表

由表3可知，在诸多影响因素中，影响花生红衣中红色素提取效果的顺序为提取剂使用乙醇，提取温度为55 ℃，提取剂浓度为60%，提取时间为3 h，提取过程中料液比值为1∶35。影响花生红衣中原花色素提取效果的顺序为提取剂使用乙醇，提取过程中料液比值为1∶35，提取时间为2.5 h，提取温度为60 ℃，提取剂浓度为60%。影响花生红衣中原花色素色价提取效果的顺序为提取剂使用乙醇，提取温度为55 ℃，提取剂浓度为65%，提取时间为2.5 h，提取过程中料液比值为1∶25。

4 提取工艺条件神经网络优化

神经网络中包含多种训练模式，采用逼近训练函数可获取较快的过程收敛性[10]。花生红衣色素提取条件优化神经网络结构图见图2。

图2 提取工艺条件优化神经网络结构图Fig.2 Structure diagram of neural network for optimization of extraction process conditions

本文进行花生红衣色素提取条件优化时，选用神经网络包含1个隐含层，选取提取工艺5个影响因素作为输入参数，将红衣色素提取综合评价值作为输出层，建立神经网络模型，该模型中包含3个网络层，其中输入层的节点数为5，隐含层包含10个节点，输出层为1个节点[11-12]。输入层与输出层之间采用S型正切函数进行传递，使输入参数和输出参数的取值映射到[-1,1]区间范围内，隐含层与输出层之间采用线性函数进行传递[13]。

利用训练好的神经网络模型对花生红衣色素综合评价值进行计算，验证神经网络模型的预测性能[14]。验证过程中，选取工艺条件为提取温度55 ℃，提取剂浓度60%，提取时间3 h，提取过程中料液比值为1∶35，利用神经网络模型对该工艺条件下的花生红衣色素综合评价值进行预测，将预测值与试验值进行对比。6组对比试验结果表明，神经网络模型预测值与试验值之间具有较高的拟合度。神经网络模型预测性能试验数据见表5。

表5 神经网络模型预测性能试验数据Table 5 The test data of predicted performance of neural network model

人工神经网络预测综合评价效果的影响顺序为提取剂使用乙醇，提取温度为55 ℃，提取剂浓度为60%，提取时间为3 h，提取过程中料液比值为1∶35。正交试验结果与神经网络预测两种方式，得到的花生红衣色素提取综合评价值对比数据见表6。

表6 试验结果与神经网络预测综合评价值对比数据Table 6 The comparative data of experimental results and the comprehensive evaluation values of neural network prediction

5 结论

本文利用正交试验分析法得到花生红衣色素提取的最佳工艺，并利用神经网络建立花生红衣色素综合评价网络模型。利用神经网络模型预测得到的花生红衣色素综合评价值与正交试验结果基本相符，综合评价值最大误差小于0.009%，表明神经网络模型的预测结果具有较高的可靠性。