基于遗传算法-神经网络的豆渣酶解工艺优化及其动力学研究
2021-09-02谢春平赵良忠周晓洁黄展锐车丽娜
谢春平,赵良忠, ,李 明,周晓洁,黄展锐,莫 鑫,车丽娜,庾 坤
(1.邵阳学院食品与化学工程学院,湖南邵阳 422000;2.豆制品加工与安全控制湖南省重点实验室,湖南邵阳 422000;3.湖南省果蔬清洁加工工程技术研究中心,湖南邵阳 422000;4.广州佳明食品科技有限公司,广东广州 511458)
豆渣是大豆制品加工过程中的主要副产物,其营养成分丰富[1−2],其中被誉为“第七大营养素”的膳食纤维约占豆渣干物质的60%[3−5]。但由于口感粗糙、水分含量极高(达85%),不易储藏,有效利用率低,大部分豆渣被直接丢弃,不仅浪费资源,还污染环境[6]。据中国豆制品行业协会数据统计,2019年用于豆制品加工的大豆约为800万吨,以加工1吨大豆产生1.5吨湿豆渣计,豆制品加工年产湿豆渣量在1200万吨以上[7−9]。巨量的豆渣如何进行利用,提高其附加值,是值得研究的课题之一。
研究表明,利用酶可提取豆渣中的可溶性膳食纤维(SDF)[10]、不溶性膳食纤维(IDF)[11]、多糖[12]、大豆多肽[13]等。目前酶水解豆渣的研究主要是不完全水解产物(SDF、多糖等)的工艺优化及应用,而植物纤维酶解动力学也是倾向于玉米芯[14]、燕麦壳[15]、小麦秸秆[16]等,关于豆渣酶解生成还原糖的工艺及其酶解动力学的研究鲜为报道。常见优化方法有正交试验设计[17]、响应面优化设计(RSM)[18−19]、人工神经网络(ANN)[20]等,几种方法各有优劣但未见讨论不同优化方法对豆渣酶解效果的影响。
因此,本文主要研究在豆渣酶解过程中p H、纤维素酶添加量、酶解温度和酶解时间对还原糖生成量的影响,通过RSM与GA-ANN两种方法优化出豆渣酶解生成还原糖的最佳工艺。……
