摘要：为探索生姜的干燥特性,并实现生姜干燥的含水率预测,研究了不同干燥温度(50、55、60℃)、干燥风速(1.0、2.0、3.0m/s)、切片长度(30、35、40mm)对生姜干燥时间和干燥速率的影响。结合BP神经网络自适应能力、泛化能力、学习能力强和萤火虫算法(FA)参数少、寻优能力强、收敛速度快等特点,将干燥温度、干燥风速、切片长度和干燥时间作为输入层,隐藏层个数为10,输出层为生姜的含水率,搭建一个拓扑结构为“4-10-1”的FA-BP神经网络模型。研究结果表明:干燥温度、干燥风速、切片长度都是影响生姜含水率的关键因素,增加干燥风速、提高干燥温度和减少切片长度能有效缩短生姜的干燥时间,提高干燥效率。选用萤火虫算法优化BP神经网络的权值和阈值,减少了神经网络的训练时间,提高了精准度,其含水率预测值与试验值之间的决定系数R2=0.999 02,均方根误差RMSE为0.002 99,含水率预测结果准确且迅速,能够为生姜干燥过程中的含水率在线预测提供科学依据。

摘要：为优化姜粉的热风干燥制备工艺,研究不同干燥温度、切片厚度、干燥时间对制得姜粉感官风味的影响。以感官评分为响应值,先进行Box-Behnken响应面法设计再通过SSA-BP神经网络算法对响应面法进行验证。SSA-BP算法优化后所得的最优参数为:干燥温度62.978℃,切片厚度2.734 mm,干燥时间5.773 h。SSA-BP神经网络预测的感官评分的均方根误差RMSE为0.033457,小于BP神经网络的均方根误差0.054574;决定系数R2为0.99094,大于BP神经网络的决定系数R2=0.97064,证明优化模型的预测性能较BP神经网络更高。响应面法寻得的最优姜粉制备条件下样品的感官值为37.705分,而SSA-BP神经网络模型的预测分值为37.280分,二者误差仅1.1%,模型拟合度较高,SSA-BP神经网络模型可以优化姜粉辛料制备工艺。本研究可为姜粉制备提供科学参考。