机器学习辅助的留兰香红外干燥：节能的固定温度法与两步温度法在植物化学成分保留及符合市场质量标准方面的比较

《Journal of Stored Products Research》：Machine learning-guided infrared drying of spearmint: Energy-efficient fixed vs. two-step temperature methods for phytochemical retention and market-compliant quality

红外干燥方法对比及机器学习预测模型研究。FTM与TTM工艺对Spearmint叶片化学成分和颜色影响差异显著，TTM通过阶段性降温使ΔE降低13.4%，且关键成分保留率提升。LSBoost、RF和SVM模型分别以97%-98%R2精度预测蒎烯、薄荷酮等成分，RF计算效率最优。红外干燥能耗降低4.98%-8.45%。

　　

Amin Hazervazifeh|Parviz A. Moghaddam|Farzad Pashmforoush|Hamid Hatami Maleki

伊朗马拉格赫大学生物系统机械工程系

摘要

本研究探讨了使用固定温度方法（FTM）和两步温度方法（TTM）的红外干燥系统在保持薄荷叶的植物化学成分和颜色特性方面的效果，并进行了能量分析，同时开发了一个基于机器学习（ML）的预测模型。结果表明，随着温度的升高，颜色退化作为质量参数会加剧，在FTM条件下，72°C时颜色退化最为严重（ΔE = 16.68）。而TTM方法在达到下降速率阶段后策略性地降低了10°C的温度，显著减轻了颜色退化，例如将ΔE从70°C时的16.36降低到70°C至60°C时的13.69。气相色谱（GC）分析显示，在TTM的48°C至38°C温度范围内，关键植物化学成分的浓度最高；而在FTM的68°C条件下，这些成分的保留效果最佳。主成分分析（PCA）有效区分了不同的干燥工艺，前两个主成分解释了72%的变异，突出了植物化学成分和颜色退化的不同模式。与相应的固定温度过程相比，TTM在第二步温度（58°C至48°C vs 72°C；72°C至62°C vs 62°C）下消耗的能量减少了4.98–8.45%，并且与第一步温度下的固定过程相比，颜色退化减少了9.5–16.5%，从而建立了双重参考基准。采用了三种ML算法：最小二乘提升（LSBoost）、随机森林（RF）和支持向量机（SVM）来开发关键植物化学成分的预测模型。LSBoost对1,8-桉叶油醇和普勒贡的预测准确率最高，R2值分别为97%和96%；而RF对薄荷酮的预测准确率最高，R2值为98%。在计算性能方面，RF的CPU时间最短，整体效率最高，其次是LSBoost和SVM。通过k折交叉验证和独立测试验证，贝叶斯优化的超参数提高了模型的泛化能力（R2：0.88–0.90，RMSE：0.39–1.84）。

引言

薄荷（Mentha spicata）是Mentha属中最古老且应用最广泛的物种之一。它在民间医学中有着悠久的历史，用于治疗支气管炎、恶心、厌食症、肝脏疾病和胃虚弱。如今，这种草本植物因其精油而备受重视，其精油产量范围为2.41%至2.74%（w·w^?1）（Mahboubi, 2021）。由于其丰富的植物化学成分，薄荷被广泛用于食品、制药和化妆品行业，常作为烹饪开胃菜和口腔护理产品（如牙膏）的调味剂（Can Baser和Buchbauer, 2016）。然而，薄荷只能在一年中的有限时间内种植，且其新鲜叶片由于初始水分含量高而极易变质。为了实现长期储存并确保全年供应，需要对其进行脱水处理。干燥通过去除水分从而抑制微生物生长，显著延长了食品的保质期。此外，从干燥后的叶片中提取精油以获得有价值的化合物，选择正确的干燥方法对于保持这些生物活性成分的质量和产量至关重要（Daliran等人，2023；Khan等人，2022）。传统的干燥方法，如露天晒干，在阳光充足的地区被广泛使用。在露天晒干过程中，植物直接暴露在阳光下，容易导致昆虫、灰尘或沙粒的污染，还会引起颜色变化和香气丧失，从而降低干燥薄荷的质量和数量。阴凉处干燥是一种利用太阳能作为热源的方法，可以保护光敏化合物并减少光诱导的化学反应（如氧化）。然而，与晒干相比，阴凉处干燥的干燥时间更长（Ropelewska等人，2022）。

这些传统方法往往会导致质量下降和干燥时间延长，因此人们转向了工业干燥技术。其中，对流干燥是一种常用的工业方法，但干燥时间较长，最终产品的质量也较差，热效率较低（Khan等人，2022；Zeng等人，2019）。这些缺点促使了现代干燥技术（如红外干燥）的发展（Sakare等人，2020）。红外干燥相比传统方法具有显著优势，包括缩短干燥时间、降低能耗、保持化学化合物以及最小化风味损失。红外干燥由于具有高热导率，能够实现高效的热传递，从而可能使干燥过程更快、更均匀（Jibril等人，2024；Noutfia和Ropelewska，2024）。与对流方法相比，红外干燥的特定能耗（SEC）降低了多达63%，例如在松节油中的实验中，当功率从250 W增加到750 W时，SEC从103.12 MJ kg^?1降低到52.50 MJ kg^?1（Abbaspour-Gilandeh等人，2021）。

确定最佳方法并优化工艺条件以生产高质量的干燥产品至关重要；然而，由于成本高昂，实验测试和系统调整往往不可行。在这种情况下，建模提供了一种经济有效的替代方案，可以预测干燥系统的性能以及农产品在各种条件下的行为（Daliran等人，2023）。传统的干燥模型要么提供简单的经验相关性（如Page和Henderson模型），但在不同材料和干燥条件下的通用性不足；要么提供基于物理原理的见解（如Fick扩散定律和傅里叶热传导定律），但在实际应用中往往受到相关微分方程求解复杂性的限制（Martynenko和Misra，2020）。

为克服这些挑战，基于机器学习（ML）的预测方法在食品加工领域成为了一种强大的替代方案。基于ML的方法（如ANN、SVM、DT）擅长捕捉复杂、非线性的关系和高维交互作用，这些是传统统计模型难以处理的（Khan等人，2022）。此外，与传统统计和数学方法不同，ML不会将预测结果限制在平均值附近，因此能更好地反映生物系统中的现实世界变异性（Kaveh等人，2023）。由于其非破坏性、简单性和实时监测能力，ML技术越来越多地被用于模拟食品干燥过程中高度动态和定义不明确的过程（?etin，2022a；Khan等人，2022）。例如，Martynenko和Misra（2020）使用ML模型（ANN、SVM和DT，并通过遗传算法（GA）和粒子群优化（PSO）进行优化，预测食品干燥过程中的水分含量，获得了0.99（ANN + GA）和0.97（SVM + PSO）的R2值。同样，Kaveh等人（2023）比较了MLP、GP、SVR、kNN和RF预测干燥杏子的水分含量（MC）和水分比例（MR），其中RF的MC预测准确率最高（R = 0.9912），而MLP在MR预测方面表现最佳（R = 1.0000）。此外，在橙子切片干燥研究中，kNN的表现最佳，MR的R值分别为0.9944和0.9898；对于华盛顿脐橙和瓦伦西亚橙品种，干燥速率的R值分别为1.0000和0.9954（?etin，2022b）。

此外，ML还与红外干燥相结合：El-Mesery等人（2025）使用ANN（R2 > 0.95，RMSE < 0.05）模拟了在不同红外强度、空气温度和气流条件下秋葵的质量。在另一项研究中，使用红外干燥技术干燥了两种玉米品种（ZD88和RP909），并采用ML模型（ANN、SVM、kNN和RF）预测水分比例（MR），其中SVM与Pearson Universal Kernel结合使用的性能最佳（Jibril等人，2024）。在薄荷干燥研究中，Daliran等人（2023）使用MLP、RBF和GPR预测了Quonset型温室太阳能干燥器中的叶片温度和质量，其中RBF的准确性最高（温度的MAPE为1.4%，质量的MAPE为1.82%）；而Ropelewska等人（2022）使用KStar、JRip和J48算法对新鲜、露天干燥和阴凉处干燥的薄荷实现了100%的分类准确率。

尽管机器学习已广泛应用于食品干燥，但很少有研究关注红外干燥薄荷的植物化学成分保留和品质。虽然常用的算法（如ANN、SVM、kNN、RF、MLP、GP和DT）已被广泛应用，但像LSBoost这样的更先进方法在该领域尚未得到充分探索。LSBoost以其对抗过拟合的鲁棒性、快速收敛性和通过弱学习器集成建模非线性关系的能力而具有巨大潜力。

本研究通过评估使用固定温度和两步温度方法的红外干燥对薄荷中关键植物化学成分保留的影响，并首次在农业干燥应用中引入LSBoost模型来准确预测这些品质属性，填补了这一空白。此外，该研究还包括全面的能耗分析，以支持可持续干燥协议的开发。所提出的方法旨在提高干燥薄荷的药用功效和商业价值。

部分摘录

叶片样本

在本研究中，夏季收获季节从伊朗西阿塞拜疆省乌尔米亚的当地市场购买了新鲜的薄荷（Mentha spicata L.）叶片。仅选择健康、成熟、完全展开的整片叶片（长度约4–6厘米，宽度约2–3厘米），无可见损伤、变色（如变黑）、虫害或病害症状的叶片进行实验。仔细去除了茎、叶柄和任何外来物质。

FTM和TTM对干燥后薄荷特性的影响

根据GC分析获得的原始数据，在研究的TTM温度范围48°C至38°C内以及其他FTM条件下的68°C中，三种重要植物化学成分的浓度最高。考虑到颜色特性，无论采用FTM还是TTM处理，随着温度的升高，颜色退化也加剧了。多元统计分析的结果表明，前两个主成分...

讨论

多项研究报道了通过干燥方法改善药用植物和工业植物的植物化学成分和品质特性（Bala等人，2024；Eapen等人，2024；Esfandi等人，2024；Guo等人，2024；Ng等人，2020；Rao等人，2022；Zamani等人，2023）。在这方面，本研究显示，包括FTM和TTM在内的两种红外干燥策略在保持薄荷的化学和视觉品质方面存在显著差异。

结论

本研究全面评估了两种红外干燥技术（FTM和TTM）对薄荷（Mentha spicata）叶片的植物化学成分和品质特性的影响。本研究还首次成功开发了一个可靠的LSBoost模型，用于预测干燥过程中的结果，同时建立了SVM和RF模型。在两种方法中，TTM在保留挥发性化合物（包括1,8-桉叶油醇、薄荷酮和普勒贡）方面表现最佳。

CRediT作者贡献声明

Amin Hazervazifeh：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、监督、资源管理、项目管理、调查、正式分析、数据管理、概念化。Parviz A. Moghaddam：撰写 – 审稿与编辑、验证、监督、项目管理、调查、概念化。Farzad Pashmforoush：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、软件使用、资源管理、调查、正式分析

利益冲突声明

作者声明他们没有已知的财务利益冲突或个人关系可能影响本文所述的工作。