Enhancing the functional and structural properties of arrowroot starch through DBD cold plasma treatment: an ANN–PSO modeling approach
Himashri Konch · Rakesh Kumar Gupta · Prem Prakash Srivastav
用DBD冷等离子体改性竹芋淀粉，并用ANN-PSO优化工艺提升其功能性质。
DBD冷等离子体处理结合ANN-PSO建模，优化电压、时间与温度。
处理提高结晶度、水油吸附力与热稳定性，ANN-PSO预测误差低于2%。
可将ANN-PSO优化框架迁移到其他农产品加工或智能农业过程参数优化中。
方法新颖、数据扎实的食品加工论文，但属细分领域技术进展，公共影响有限，可作主题聚合素材而非头条精选。
竹芋淀粉在食品、制药及可生物降解包装领域具有相当大的应用潜力；然而，天然淀粉功能性质的局限性制约了其工业化利用。尽管已有报道表明冷等离子体处理可改善竹芋淀粉的理化性质，但将工艺优化与智能预测建模相结合的研究仍然匮乏。因此，本研究旨在通过介质阻挡放电（DBD）冷等离子体处理提升竹芋淀粉的功能特性，并采用人工神经网络-粒子群优化（ANN–PSO）混合方法优化工艺条件。同时评估了处理对理化、热学、结构及技术功能性质的影响。竹芋淀粉在不同DBD电压（15–25 kV）、DBD暴露时间（2–10 min）和水浴温度（70–90 °C）下进行处理。构建ANN模型以预测膨胀力和溶解度，并采用PSO进行多目标优化。冷等离子体处理通过提高结晶度、吸水吸油能力和热稳定性，同时降低pH和浊度，显著改变了淀粉特性。优化后的ANN架构（3-16-8-2）表现出优异的预测性能，在训练和测试数据集上R²为0.93–0.98。溶解度和膨胀力的训练集与测试集R²分别为0.966、0.926、0.982和0.960。多目标ANN–PSO优化确定了最优工艺条件，可在19.99 kV、2 min和90 °C下使溶解度最大化（49.94%），或在15 kV、10 min和90 °C下使膨胀力最大化（33.05 g/g），实验验证显示预测误差低于2%。研究结果表明，DBD冷等离子体是一种有效的绿色改性技术，可调控竹芋淀粉的功能特性，而ANN–PSO框架为工艺优化提供了稳健的工具。这种集成方法为开发面向先进食品和工业应用的定制化淀粉配料提供了一条可持续途径。