摘要

目的探究不同荷質比明膠溶液的潤濕性能，并建立預測模型。方法以明膠可食涂膜為研究對象，利用感應荷電施加外源靜電場以改善膜液潤濕性能,探究電場電壓對明膠液滴荷質比與表面張力,以及液滴在疏水表面接觸角的影響,并通過機器學習建立荷質比與表面張力/接觸角之間預測模型。結果隨著電壓升高，明膠液滴荷質比不斷增大，且僅以司盤20為表面活性劑(tw0組)時液滴具有最高的荷質比(-50 nC/g)。在0~7kV內，明膠液滴的表面張力隨電壓升高從35.99~40.65 mN/m降至31.38~35.65 mN/m，其中tw0組表面張力下降最為明顯。明膠液滴在石蠟表面的接觸角也隨電壓升高而減小，在表面活性劑吐溫20與司盤20質量比為1:1時具有最小值，即電壓7kV時接觸角為64.99°。深度神經網絡預測模型決定系數接近于1，均方誤差小于0.08，平均絕對誤差小于0.15，具有最好的預測效果。結論靜電噴涂能夠有效改善膜液在食品表面的潤濕性能，利用深度神經網絡能夠建立膜液液滴荷質比與表面張力/接觸角的良好預測模型。

1 實驗

1.1 實驗材料與設備

主要材料:明膠(藥用級，CAS:9000-70-8)，購買于上海阿拉丁生化科技股份有限公司;吐溫20、司盤20和甘油等均為國產分析純，購買于上海易恩化學技術有限公司;電極環為304不銹鋼(外徑為78mm，內徑為68mm)。

主要儀器:DW-P303高壓電源，天津東文高壓電源有限公司;LFY數字電荷儀，北京中慧天誠科技有限公司;DAS100接觸角測量儀，德國克呂士公司。

1.2 明膠可食性成膜溶液的制備

稱取7.5g明膠顆粒加入250mL去離子水中，加入質量分數為30%(基于明膠質量)的甘油，70℃下混合攪拌30min，加入質量分數為0.05%(基于溶劑質量)的表面活性劑(具體分組和配比見表1)并攪拌30min,混合溶液超聲1h(超聲功率為900W),備用。

1.3 實驗系統及測試方法

明膠成膜溶液液滴感應荷電的原理圖與實際搭建平臺如圖1所示。該平臺由微量進樣針、高壓電源、數字電荷儀、法拉第筒、接觸角測量儀等組成,微量進樣針針尖穿過電極環下平面4mm。利用高壓電源給電極環通上高壓正電,在靜電感應的作用下給微量進樣針針頭處膜液荷上負電。

圖1 感應荷電原理(a)、接觸角與表面張力測量(b)、荷質比測量(c)

1.4 荷質比的測量

荷質比的測量原理如圖 1所示,調節電極環不同電壓,向法拉第筒中滴人明膠溶液,記錄數字電荷儀示數并稱重。為確保充分荷電,每次滴液間隔 1min,實驗重復8次。

1.5 表面張力的測量

基于懸滴法原理,采用接觸角測量儀測定表面張力,相同條件下重復 8次實驗。

1.6 接觸角的測量

使用石蠟模擬疏水性食品表面,明膠溶液滴的接觸角通過接觸角測量儀測量。調節不同電壓,將 5μL 的液滴緩慢滴到石蠟表面,并在 30s后記錄接觸角,使用橢圓擬合的方法來測定接觸角,相同條件下進行8次重復實驗。

1.7 數據預處理

在進行神經網絡學習之前,需要對實驗數據進行有效預處理以確保模型的訓練效果。首先,對表面張力、接觸角和荷質比的測量數據進行整理,處理潛在異常值。這包括檢測并刪除可能由于實驗誤差引起的異常數據點，以確保輸入模型的數據質量。然后，將整理過的數據集劃分為訓練集(80%)和測試集(20%)，這有助于提高模型的泛化能力。

1.8 機器學習

使用PyTorch框架進行機器學習神經網絡的搭建和訓練。首先，設計包括多個層次的全連接層和激活函數,以捕捉潛在的數量關系。在選擇損失函數時,選擇均方誤差(Mean Squared Error, MSE)這一適合回歸問題的損失函數。優化器選擇 Adam優化器。經多輪訓練,監控模型性能以及損失函數的收斂情況,通過調節神經網絡的超參數,如學習率、隱藏層節點數等,優化模型性能。

采用多種機器學習算法,包括 DNN(深度神經網絡)、 LR(線性回歸)、基于 2種核函數的 SVM(支持向量機)、DTR(決策樹回歸)、GBR(梯度增強回歸)、 KNN(K近鄰),評估荷質比與表面張力、接觸角的關系,確定最優預測模型。

按照 8: 2的比例將實驗數據劃分為訓練集和測試集,對每個模型進行訓練,并在測試集上進行驗證。這里選用 3種常用于回歸任務的評價指標:均方誤差(MSE)、平均絕對誤差(MAE)和決定系數 R2。 MSE和 MAE可以衡量預測值與真實值之間的誤差,數值越小表示模型預測的越準確; R2 度量模型擬合數據的程度,取值范圍在 0到 1之間,越接近 1表示模型對數據的擬合程度越好。這 3個評價指標的計算公式如下所示:

式中: n為樣本數量; y_i 為實際值; ?_i 為預測值; ?_i 為實際值的均值。

1.9 數據處理與統計分析

數據結果表示為平均值±標準偏差的形式,采用SPSS Statistics(24, IBM公司,美國)進行方差分析, P≤0.05 則認為數據有顯著性差異。