神经网络优化番木瓜籽油的超临界CO2萃取工艺

邓楚津 董 强 张常松 张 良 刘书成

(广东海洋大学食品科技学院1，湛江 524088)

(西安市产品质量监督检验院2，西安 710006)

神经网络优化番木瓜籽油的超临界CO2萃取工艺

邓楚津1董 强2张常松1张 良1刘书成1

(广东海洋大学食品科技学院1，湛江 524088)

(西安市产品质量监督检验院2，西安 710006)

采用超临界CO2萃取法萃取番木瓜籽油，利用JMP 7.0软件中的神经网络平台，建立超临界CO2萃取番木瓜籽油的神经网络模型，并优化了萃取过程的工艺参数。结果表明:番木瓜籽破碎后过20目筛，CO2流量为25 L/h，萃取压力27 MPa，萃取温度54℃，萃取时间3 h，油脂得率达30%以上;超临界CO2萃取的番木瓜籽油的理化性质达到了食用油脂的标准。

超临界CO2萃取 神经网络 番木瓜籽油 理化性质

番木瓜(Carica papaya L.)，又名木瓜、番瓜、乳瓜、树冬瓜、万寿果，为多年生肉质常绿小乔木，我国的广东、广西、海南、云南、福建等省广泛种植［1］，2007年年产量约19万吨。番木瓜具有助消化、消炎止痛、强筋舒络、降压防癌等功效，除作为水果鲜食外，还大量加工成饮料、果汁和果酱等产品［2－3］。番木瓜籽是番木瓜果肉加工的下脚料，约占番木瓜质量7%，番木瓜籽含油量18% ～30%，其中人体必需脂肪酸油酸含量很高，完全可以作为一种植物油料资源加以开发利用。

超临界CO2萃取技术是近30年发展起来的一种新型高效提取技术，它具有提取温度低，得率高，无溶剂残留等优点，且系统密闭，能有效保护容易被氧化的活性成分，目前已广泛用于植物油脂的提取［4－7］。有关番木瓜籽油超临界 CO2萃取的研究鲜有报道。本研究采用超临界CO2提取番木瓜籽油，通过JMP 7.0软件的人工神经网络平台，建立超临界CO2提取番木瓜籽油的神经网络模型，优化其工艺参数，并分析油脂的理化性质，以期为番木瓜籽的综合加工利用提供基础数据和技术途径。

1 材料与方法

1.1 材料与仪器

番木瓜籽，清洗干净后60℃恒温烘干备用，经分析测定，含水量20%，粗蛋白25%，粗脂肪32%，灰分8%;CO2:食品级，纯度99.99%，湛江氧气厂;所用试剂均为分析纯。

HA221－50－06型超临界萃取装置:南通华安超临界萃取有限公司;101A－2型数显电热鼓风干燥箱:上海浦东某丰科学仪器有限公司;家用粉碎机:中山哥尔电器有限公司;XMTD数显调节恒温水浴箱:余姚东方电工仪器厂;BL－6205分析天平:上海天平仪器厂。

1.3 试验方法

1.3.1 超临界CO2萃取番木瓜籽油

称取粉碎好的番木瓜籽(M g)装入1 L萃取釜中，设定萃取釜，分离釜Ⅰ和和分离釜Ⅱ的温度;温度恒定后，开启高压泵打入CO2，调节萃取釜、分离釜Ⅰ、Ⅱ的压力到试验水平，开始循环萃取;结束后，从分离釜Ⅰ、Ⅱ底部放料，称取油脂的质量(mg)，其工艺流程见图1。油脂得率=m/M ×100%。

图1 超临界CO2萃取工艺流程

1.3.2 油脂理化性质分析

密度:密度计法;折光度:折光仪法;酸值，GB/T 5530—2005;水分及挥发物含量，GB/T 5528—1995;皂化值，GB/T 5534—1995;碘值，GB/T 5532—2008;过

氧化值，GB/T 5538—1995;不皂化值，GB/T 5535.2—

1998;不溶性杂质，GB/T 15688—1995。

1.3.3 数据处理

JMP7.0数据处理软件;每个试验做3次，数据用“平均数±标准差”表示。

2 结果与分析

2.1 物料粒度对油脂得率的影响

将番木瓜籽进行不同程度的粉碎，设定萃取压力为25 MPa、温度为45℃、时间为1 h;分离釜Ⅰ温度35℃和压力10 MPa，分离釜Ⅱ温度25℃，压力与CO2钢瓶一致。考察粒度对油脂得率的影响，结果见图2。

图2 物料粒度对油脂得率的影响

从图2可以看出，原料粒度为20目时的油脂得率最大。从理论上分析，原料粒度越小，CO2与其接触面积越大，破壁的几率越高，油脂得率升高;但原料粒度过小会使堆积密度变大，外传质阻力增大，而且在粉碎过程中油料也有所损失，反而会使萃取量减少［8－9］。因此本试验选择的原料粒度为20目。

2.2 CO2流量对油脂得率的影响

将番木瓜籽粉碎过20目筛使用。设萃取压力为25 MPa、温度为45℃、时间为1 h，分离釜Ⅰ温度35℃，压力10 MPa，分离釜Ⅱ温度25℃，压力与后路一致。考察CO2流量对油脂得率的影响，结果见图3。

从图3可以看出，在5～30 L/h的范围内，CO2流量对油脂得率的影响呈先上升后降低的趋势。这是因为CO2流量的变化会产生两方面影响:一是流量增加，传质推动力增大，溶解度速率加快，萃取时间缩短，油脂得率逐渐增加;二是流量过大，CO2流速过快，接触时间减少，油脂得率反而下降。此外，CO2流量大时，在压力的推动下，小颗粒杂质容易透过滤板分离出来，影响油脂品质［8－9］。实际上，CO2流量在操作中是不容易控制的，它与设备有很大的关系。因此本试验选择CO2流量为25 L/h左右。

图3 CO2流量对油脂得率的影响

2.3 神经网络优化超临界CO2萃取工艺

2.3.1 试验方案和结果

以萃取压力(X1)、萃取温度(X2)、萃取时间(X3)为响应因子，油脂得率(Y)为目标响应，采用Box－Behnken响应面试验设计［10］，试验方案和结果见表1。

表1 试验方案及结果

2.3.2 神经网络模型的建立

根据试验数据情况，选择“K折叠”交叉验证的方法建立响应目标的神经网络模型［11］。在经过多次神经网络训练之后，确定采用结构的三层神经网络(见图4)，即3个输入神经元，分别代表萃取压力(X1)、温度(X2)和时间(X3);3个隐含层神经元;1个输出神经元，代表油脂得率(Y)。设置各参数值，隐藏节点数3，过拟合罚项0.001，历程数20，最大迭代数50，收敛准则0.000 01，交叉验证组数K为5，执行神经网络模型的拟合迭代过程，拟合决定系数R2值为0.996 2，说明3×3×1结构的三层神经网络模型具有较好的预测能力。

图4 神经网络3×3×1结构模型

2.3.3 神经网络优化萃取工艺参数

固定其中的1个因素水平为中间水平，作三维曲面图，然后对其进行正投影处理，将模拟得到的萃取压力(X1)、温度(X2)、时间(X3)3个因素对油脂得率(Y)的影响规律进行预测分析，结果见图5、图6和图7。

从图5看出，油脂得率(Y)随着萃取压力(X1)的增大逐渐增加，但当压力增大到一定水平后，油脂得率却不再增加，这与很多学者在进行超临界CO2萃取其他植物油脂的单因素试验获得的规律相似［4－7］，说明该神经网络模型模拟得到的萃取压力对油脂得率的影响规律符合实际。压力是超临界萃取过程的最重要操作参数之一，在温度和CO2流量恒定时，萃取压力增大，CO2密度增大，分子间距离减小，传质效率增加，有利于番木瓜籽油的萃取;但压力与得率之间并非呈线性关系，存在一个萃取压力的“最大溶解度”问题。在实际生产中，压力增加也意味着增加设备和运行成本，而且高压下会将原料中的色素等杂质萃取出来，影响油脂的品质［8－9］。因此，生产中萃取压力的选择需要综合考虑物料性质、产品品质要求、生产成本等多种因素。

从图6看出，在试验范围内，油脂得率(Y)也随着萃取温度(X2)的增大逐渐增加，同样当温度增大到一定水平后，油脂得率却不再增加。萃取温度也是控制超临界萃取过程的一个重要的操作参数。萃取温度的升高能大大提高油脂的蒸气压和扩散系数，必然导致得率的提高;但温度过高会使CO2密度下降，此时虽可提高油脂的挥发度和扩散系数，但难以补偿CO2密度降低所造成的油脂溶解能力下降，它取决于升温所降低的CO2密度与增加的扩散系数两种竞争效应相持的结果［8－9］。另外，较高的温度会造成原料中的某些活性成分损失;温度高，杂质的溶解度也会相应增大，产品后续分离纯化难度加大，这反而会降低产品的得率，因此实际生产中选择萃取温度要综合考虑这些因素。

图7 时间对油脂得率的影响

从图7看出，在试验范围内，油脂得率(Y)也随着萃取时间(X3)的延长逐渐增加，同样当时间达到一定水平后，油脂得率却不再增加。一般来说，萃取时间越长，油脂得率越高，但达到一定时间后，物料中的油脂大部分被萃取，萃取率增长减缓，如果在持续延长萃取时间，生产成本将大大增加。因此，在实际试验中，应综合考虑成本、设备条件、原料含油量等因素来设定萃取时间。

根据萃取压力、温度、时间3个因素对油脂得率的影响规律，利用JMP7.0软件的预测刻画功能，优化超临界CO2提取番木瓜籽油的工艺参数，预测刻画见图8。

图8 预测刻画图

从图8得出，当萃取压力(X1)为27 MPa、温度(X2)为54℃，时间(X3)为3 h时，此时油脂得率(Y)的预测值可达30%以上。在此条件下进行超临界CO2提取番木瓜籽油，可以实现较高的油脂得率，如果再延长提取时间，油脂得率可以进一步提高，但是番木瓜籽的含油率仅有32%，因此，在过多的延长提取时间，没有太大的意义，而且生产成本大大增加。

2.3.4 神经网络模型的验证

选取6组工艺参数进行超临界CO2提取番木瓜籽油试验，并与神经网络模型预测结果进行比较，结果见表2。

表2 神经网络模型的预测值与试验值的比较

从表2可知，预测值与试验值相对误差较小，表明建立的神经网络模型具有较好的准确性和稳定性，可利用该模型对超临界CO2萃取番木瓜籽油的过程进行预测分析。

2.4 番木瓜籽油的理化性质

对超临界CO2和正己烷溶剂法［12］提取的番木瓜籽油的理化性质进行比较，结果见表3。

表3 两种方法提取的番木瓜籽油理化性质比较

从表3可以看出，两种方法提取的油脂在过氧化值、皂化值、水分及挥发物、不溶性杂质方面有显著差异(p＜0.05)，这种差异主要是提取方法的优缺点所造成的。溶剂浸提法出油率低、杂质含量高，有溶剂残留等问题，还需要经过精炼加工处理(脱胶、脱色、脱臭)才符合要求;而超临界CO2萃取法不仅油脂提取率高，而且各项理化性质均可以达到食用的要求，而且杂质少。超临界CO2提取植物油脂比溶剂法提取有着明显的优势，这也是油脂行业未来的发展方向。

3 结论

采用Box－Behnken响应面试验设计建立数据集，利用JMP 7.0软件中的神经网络平台建立了超临界CO2萃取番木瓜籽油的神经网络模型，优化确定了萃取番木瓜籽油的工艺参数:番木瓜籽经破碎后过20目筛，CO2流量为25 L/h，萃取压力27 MPa、萃取温度54℃，萃取时间3 h，此时油脂得率可达30%以上。番木瓜籽油是一种不饱和程度较高的优质油脂，开发利用价值较高。

［1］谢保昌，谢聪珍，肖春承.岭南果树栽培技术［M］.广东:广东科技出版社，2002

［2］蔡盛华，陆修闽，黄雄峰，等.番木瓜的保健药用与庭院栽培要点［J］.福建果树，2003，(2):10 －11

［3］王丽彬，欧宁.番木瓜中生物活性物质的提取及药理作用研究［J］.现代中药研究与实践，2008，22(4):15 －18

［4］Follegatti－ Romeroa LA，Piantinoa CR，Grimald IBR，et al.Supercritical CO2extraction of omega－3 rich oil from Sachainchi(Plukenetia volubilis L.)seeds［J］.Journal of supercritical fluids，2009，49(3):323 －329

［5］Liu GM，Xu X，Hao QF，et al.Supercritical CO2extraction optimization of pomegranate(Punica granatum L.)seed oil using response surface methodology［J］.LWT －Food Science and Technology 2009，42(9):1491 －1495

［6］杜彦山，牟德华，李艳，等.超临界CO2萃取葡萄籽油的工艺研究［J］.粮油加工与食品机械，2005(7):45－47

［7］潘太安，刘敦华，毛忠英，等.超临界CO2萃取枸杞籽油的研究［J］.宁夏大学学报:自然科学版，2000，21(2):156 －158

［8］彭英利，马承恩.超临界流体技术应用手册［M］.北京:化学工业出版社，2005:145

［9］任飞，韩发，石丽娜，等.超临界萃取技术在植物油脂提取中的应用［J］.中国油脂，2010，35(5):14 －20

［10］Marcel Proust.JMP 试验设计 ［M］.第6 版.SAS Institute Inc.，Cary，NC，US.2006

［11］Marcel Proust.JMP统计和图形指南［M］.第 6版.SAS Institute Inc.，Cary，NC，US.2006

［12］刘书成，邓楚津，钟益强，等.番木瓜籽油的提取工艺优化及理化特性［J］.中国粮油学报，2010，，25(8)42－46.

Optimization of Extraction Process of Papaya Seed Oil by Supercritical Carbon Dioxide Based on Neural Network

Deng Chujin1Dong Qiang2Zhang Changsong1Zhang Liang1Liu Shucheng1
(College of Food Science and Technology Guangdong Ocean University1，Zhanjiang 524088)
(Product Quality supervision and inspection institute of Xi'an2，Xi'an 710006)

Papaya seed oil was extracted by supercritical CO2.A neural network model of supercritical CO2extracting papaya seed oil was established to optimize extracting process parameters in JMP 7.0 software.The parameters were that grinded papaya seeds were screened through a 20 － inch boult，flow of CO2was 25 L/h，extraction pressure was 27 Mpa，extraction temperature was 54 ℃，and extraction time was 3 h.Under these conditions，the extraction rate was above 30% .Papaya seed oil extracted by supercritical CO2can meet the standard of edible oils and fats.

supercritical CO2extraction，neural network，papaya seed oil，physical and chemical properties

TS225.6

A

1003－0174(2012)02－0047－05

广东海洋大学自然科学基金(0812093)

2011－05－04

邓楚津，男，1981年出生，实验师，食品科学与工程

刘书成，男，1977年出生，副教授，硕士生导师，食品科学与工程